Was ist Edge-Computing und wie lässt es sich nutzen?

Beim Edge-Computing werden Daten am Rand (engl. „Edge“) eines Netzwerks verarbeitet. Das bedeutet: Die Daten müssen nicht zuerst an die zentrale Unternehmens-Cloud gesendet werden. Stattdessen verarbeiten internetfähige Endgeräte den größten Teil der Daten bereits selbst, also dort wo sie generiert werden. Das geschieht entweder über direkt am Gerät angebrachte Microcontroller oder in vorgeschalteten IT-Routern. Man bezeichnet diese Computing-Schicht auch als Edge-Layer.

Diese Form von dezentraler IT-Architektur wirkt sich positiv auf die Latenzzeit der Endgeräte aus. Weil nicht alle Daten zuerst an die Core-IT gesandt werden müssen, reagiert der Device verzögerungsfrei in Echtzeit. Insofern ist Edge-Computing eine unverzichtbare Schlüsseltechnologie für das Internet of Things (IoT). Die gewaltige Menge Daten, die hier erzeugt wird, ließe sich anders kaum bewältigen. Das gilt insbesondere für Anwendungen aus dem Bereich Machine-Learning, Predictive Maintenance sowie Virtual und Augmented Reality.

Das Edge-Computing stellt einen Spezialfall des Fog-Computing dar. Während beim Fog-Computing jedoch der Cloud vorgelagerte Server zum Einsatz kommen, übernehmen beim Edge-Computing die Endgeräte selbst einen großen Teil der Rechenaufgaben. Die Zielstellung ist aber identisch: Die Latenzzeiten für den User verkürzen und gleichzeitig die zentrale IT entlasten.

Smartwatches, Drohnen, Fertigungsroboter – die Zahl der internetfähigen Geräte wächst rasant. Bereits heute gibt es weltweit zwischen 20 und 30 Milliarden solcher IoT-Devices. Der Daten-Output, der hier erzeugt wird, ist gigantisch. Einer Untersuchung der International Data Group (IDC) zufolge wird die globale Datensphäre bis 2025 unvorstellbare 175 Zettabyte umfassen.

Aktuell wird einer großer Teil dieser Datenlast von zentralen Rechenzentren getragen. Diese stoßen aber irgendwann an ihre Grenzen. Das hängt unter anderem damit zusammen, dass es sich bei den IoT-Devices in vielen Fällen um mobile Endgeräte wie Smartphones handelt.

Befinden sich diese Mobilgeräte zu weit vom Rechenzentrum entfernt, steigen die Latenzzeiten. Ein Betrieb in Echtzeit kann dann nicht länger garantiert werden. Das kann Sicherheitsrisiken nach sich ziehen, zum Beispiel für die Fahrer von Connected Cars.

Dazu kommt, dass der Ausbau des Breitbandnetzes eher langsam vorangeht, der Datenhighway also mittelfristig nur begrenzte Kapazitäten aufweisen wird. Auch der neue Mobilfunkstandard 5G wird dieses Limit nicht vollständig beheben können, weil der Datendruck in der Zwischenzeit exponentiell zunimmt.

Aus diesem Grund wird es immer wichtiger, dass IoT-Devices via Edge-Computing viele der wichtigen Rechenoperationen lokal ausführen können. Das minimiert die Abhängigkeit von der zentralen IT und verkürzt Latenzzeiten für den User. Gleichzeitig wird die Kern-IT so für unternehmenskritische Aufgaben freigehalten.

Welche IoT-Geräte verarbeiten bereits heute Daten in der Peripherie des Netzwerks? Die folgenden Beispiele vermitteln einen Eindruck.

Als Smart Factory bezeichnet man ein industrielles Produktionssystem vernetzter Maschinen und Sensoren. Diese stehen in einem ständigen Austausch miteinander und organisieren sich auf diese Weise selbst. Beispielsweise kann ein Gerätesensor am Ende der Fertigungskette eine Fehlcharge ausmachen und automatisch eine Ersatzcharge anfordern. Würden diese riesigen Datenmengen ausschließlich über die Cloud laufen, könnten die nötigen Reaktionszeiten nicht immer garantiert werden.

Auch Connected Cars setzen auf Edge-Computing. Die kurze Latenzzeit ermöglicht beispielsweise Frühwarnsysteme, bei denen die Fahrzeuge den Abstand zu anderen Verkehrsteilnehmern berechnen. Wird ein kritischer Wert unterschritten, greift das System ein und vermeidet so Auffahrunfälle. Und selbstfahrende Autos nutzen die schnelle Infrastruktur, um beispielsweise Streckenpunkte in Echtzeit abzugleichen oder das Verkehrsaufkommen zu bewerten.

Die Umstellung auf erneuerbare Energien erfordert flexiblere Stromnetze. Wenn beispielsweise wetterbedingt weniger Strom durch Solarpanels bereitgestellt werden kann, müssen andere Stromquellen diese Verluste in Echtzeit ausgleichen. Auch hier werden viele Datenvorgänge bereits von den stromerzeugenden Panels oder Windkrafträdern selbst abgewickelt, um eine unterbrechungsfreie Versorgung der Verbraucher sicherzustellen.

Edge-Computing bietet gegenüber konventionellen IT-Strukturen acht wichtige Vorteile.

Weil bei IoT-Devices die Sensorik und die Verarbeitungseinheit im selben Gerät vereint sind, reagieren diese besonders schnell. Die Latenzzeit für den User wird gering gehalten.

IoT-Geräte erfassen Daten bereits an Ort und Stelle und selektieren, was weitergeleitet und was selbst ausgewertet wird. Das entlastet Ihr zentrales Rechenzentrum, weil weniger Netzwerkverkehr entsteht.

Sollten Ihre Server einmal stocken oder sogar komplett ausfallen, läuft der Betrieb trotzdem weiter. Die in den Endgeräten verbauten Controller fangen den Ausfall kurzfristig ab.

Weil die Edge zwischen dem Datacenter und den physischen Geräten eine Zwischenebene einzieht, trägt sie auch zum Schutz vor Cyberangriffen bei. Die Kern-IT wird so besser isoliert.

Kunden- und Firmendaten verbleiben in der Edge auf dem Endgerät, werden also nicht in die zentrale Cloud übertragen. Das erleichtert es Unternehmen, Compliance-Regelungen zu erfüllen.

IoT-Geräte können via Sensor beispielsweise die Fertigung von Präzisionsteilen im Maschinenbau überwachen und bei Anomalien eine Analyse einleiten.

Autonome IoT-Geräte tauschen über die Edge selbstständig miteinander Informationen aus, beispielsweise in Smart Homes, in denen die Ölheizung sich mit den Solarzellen abstimmt.

Damit Augmented Reality in der Industrie zum Einsatz kommen kann, müssen Daten in Echtzeit vorliegen. Die Edge leistet das, indem sie viele Information schnell verfügbar lokal abspeichert.

Wie jede neue Technologie hat Edge-Computing aber auch potentielle Schwächen, die berücksichtigt werden müssen.

Damit die Edge die Core-IT entlasten kann, selektieren IoT-Devices nach verschiedenen Datentypen. Insbesondere wird zwischen Daten mit und ohne Echtzeitrelevanz unterschieden. Angenommen eine komplexe Industrieanlage erzeugt über die verbauten Sensoren 100 Millionen Datenelemente am Tag. Ein Großteil dieser Daten sind nur wichtig für den akuten Betrieb, um beispielsweise Betriebsanomalien ausfindig zu machen. Nach kurzer Zeit werden sie aber nie wieder gebraucht. Diese nur im Moment kritischen Daten verfügen daher über Echtzeitrelevanz.

Auf der anderen Seite gibt es Datensätze, die für den gegenwärtigen Betrieb der Produktionsstätte unkritisch sind, die aber langfristig interessant sein könnten, weil sich an ihnen beispielsweise Optimierungspotenziale für die Fertigung ablesen lassen. Diese Daten verfügen also über keine Echtzeitrelevanz, sollten aber langfristig archiviert werden, um ausgewertet werden zu können.

Genau an dieser Unterscheidung setzt das Edge-Computing an. Als Vermittlerschicht zwischen den physischen Systemen und dem Datacenter entscheidet die Edge, welche Daten wo und wie lange aufbewahrt werden müssen. Der größte Teil der echtzeitrelevanten Daten wird dabei nur lokal und kurz vorgehalten. Lediglich ein kleiner Teil der Informationen wandert in das Datacenter. Auf diese Weise werden Engpässe bei der Datenübermittlung zwischen IoT-Devices und Core vermieden. Ihre Fertigungsanlage reagiert immer in Echtzeit.

Edge-Computing und Fog-Computing entlasten beide Ihre Kern-IT. Die technische Realisierung unterscheidet sich jedoch. Beim Edge-Computing werden die Daten zum großen Teil an Ort und Stelle auf dem Endgerät verarbeitet. Nur ein kleiner Teil von Daten wandert weiter in die Cloud.

Beim Fog-Computing werden dagegen eigene Minirechenzentren geschaffen, sogenannte Fog-Nodes, die der Haupt-Cloud vorgeschaltet sind. Auch hier werden Daten vorselektiert, bevor sie in die eigentliche Cloud wandern. Damit ermöglichen die Fog-Nodes wie beim Edge-Computing kürzere Latenzzeiten für die User.

Gemeinsam ist beiden Ansätzen also, dass Daten in der Peripherie des Netzwerks vorverarbeitet werden. Der Abstand zwischen der Edge und dem Core ist aber relativ gesehen noch größer als zwischen Fog- und Kern-IT.

Besonders effektiv sind Kombinationen aus beiden Modellen. Hierbei folgt auf die Ebene mit den Edge-Geräten und den Edge-Gateways zuerst ein Fog-Layer, bevor die Daten schließen in die zentrale Cloud übermittelt werden.

Hierdurch werden Kapazitätsengpässe vermieden. Denn die im Industriebereich zum Einsatz kommenden Microcontroller der IoT-Devices verfügen aufgrund ihrer geringen Größe nur über begrenzte Rechenpower. Diese Lücke füllen die leistungsfähigeren Fog-Server.

Man könnte annehmen, dass es sich beim dezentralen Edge-Computing und dem zentralen Cloud-Computing um eine Entweder-Oder-Entscheidung handelt. Dem ist nicht so. Vielmehr ergänzt und entlastet die Edge die zentralisierte Cloud. Durch den zusätzlichen Layer wird Ihre Firmencloud noch agiler.

Es muss dazu gesagt werden, dass sich die Edge zum jetzigen Zeitpunkt noch in einem frühen Entwicklungsstadium befindet. Deshalb konzentrieren sich die meisten Unternehmen zurecht darauf, zunächst die Migration in die Cloud umzusetzen. Das schafft eine solide Basis für die Digitalisierung Ihres Unternehmens, die dann in Zukunft durch dezentrale Konzepte wie die Edge ergänzt werden kann.

Sie erwägen den Umzug in die Cloud, um Edge-Computing und andere Zukunftstechnologien nutzen zu können? Dann sollten wir uns unterhalten. Die Experten der ahd erstellen mit Ihnen zusammen einen Digitalisierungsfahrplan, realisieren Ihre Private- oder Public-Cloud-Lösung und unterstützen Sie beim Change-Management. Kontaktieren Sie uns jetzt für eine unverbindliche Erstberatung!