Edge Computing: die Intelligenz im Maschinenraum

Die Frage stellt sich, wie und wo Erkenntnisse aus diesen wachsenden Datenbergen am besten und effektivsten erfasst und ausgewertet werden können: die Cloud, als mittlerweile bestens etablierter Ort für derartige Aufgaben, ist dafür natürlich gesetzt. Doch nicht immer ist es sinnvoll oder notwendig, Daten erst an die Cloud zu schicken, wenn auch die Möglichkeit besteht, sie direkt am Ort des Geschehens nicht nur zu erfassen, sondern gleich auch weiterzuverarbeiten und zu analysieren.

Edge Computing bedeutet daher auch – im Gegensatz zum Cloud Computing – die Verlagerung von Rechenleistung, Anwendungen und Netzwerkservices unmittelbar an die Quelle der Datenentstehung, an die logische Randstelle (Edge) des Netzwerks.

Das können Windräder, Turbinen, Stanzmaschinen oder Lackierroboter sein, Fahrzeuge, 3-Drucker oder Schiffsmotoren. Edge Analytics steht dabei für die intelligente Auswertung dieser Daten ebenfalls unmittelbar vor Ort.

Diese Herangehensweise bringt gleich mehrere Vorteile:

• Überprüfung der Relevanz von Daten direkt an ihrem Entstehungsort: Nicht alle anfallenden Daten werden gebraucht, Edge Computing sorgt dafür, dass unwichtige Daten und sich wiederholende Datensätze sofort herausgefiltert werden. Damit können die Netzwerkauslastung maßgeblich reduziert und umfassendere Daten-Analysen sehr viel schneller durchgeführt werden.

• Echt-Zeit- beziehungsweise zeitlich determinierte (Latency) Analysen an der Datenquelle: Weil der Faktor Zeit bei der Auswertung oft erfolgsentscheidend ist, ist ein solches Vorgehen in vielen Fällen die sinnvollere Alternative.

• Größere Autonomie von Geräten, Maschinen, Anlagen und Prozessen: Durch die eingebaute Intelligenz können bestimmte Entscheidungen direkt am Ort der Datenentstehung getroffen werden, was nicht nur zu mehr Unabhängigkeit führt, sondern auch Personal und Mitarbeiter entlastet.

Mit Edge Computing/Analytics wächst damit die Freiheit der Unternehmen, zu entscheiden, an welcher Stelle einer hierarchisch aufgebauten IT-Architektur was mit den Daten passiert. Ob sie direkt am Entstehungspunkt einer ersten Auswertung und Analyse unterzogen werden und nur noch die jeweiligen Erkenntnisse an die nächsthöhere Verarbeitungsinstanz, beispielsweise einen Unternehmensserver oder in die Cloud, weitergegeben werden beziehungsweise, ob eine Weiterleitung überhaupt sinnvoll oder notwendig ist.

Die Kriterien dafür sind so vielfältig wie die Anwendungen, Sicherheitsvorschriften oder Verarbeitungskapazitäten. Allein die Gewichtung der Prioritäten bestimmt, welche Daten auf welcher Ebene verarbeitet werden: „at the edge“, in der Cloud oder auf zwischengelagerten Ebenen – etwa als Kombination von Big Data Analytics aus der Cloud zur Erstellung von Analysemodellen und deren Anwendung in Edge-Komponenten.

Edge Computing hat außerdem den großen Vorteil, dass die jeweiligen Endgeräte nicht „always on“, sprich mit dem Internet, verbunden sein müssen. So lassen sich etwa die Gebühren für die Kommunikation – vor allem bei international verteilten Applikationen – niedrig halten. Denn eine Verbindung wird nur dann hergestellt, wenn ein Zugriff notwendig wird oder Daten tatsächlich fließen müssen. Gleichzeitig unterliegt das Netzwerk einem deutlich geringeren Sicherheitsrisiko.

In größerem Umfang könnte Edge Computing/Analytics beispielsweise in Windkraftanlagen, LKWs oder Flugzeugen zum Einsatz kommen. So generiert ein Flugzeug bei jedem Flug ein halbes Terrabyte an Daten.

Mit Edge Computing direkt an Bord, das diese Daten in Echtzeit erfasst und analysiert, können die intelligenten Mini-Datencenter direkt und automatisch problematische Daten identifizieren und sie sofort an die verantwortlichen Stellen weiterleiten.