Kurz und knapp

Dezentrale Datenverarbeitung am Rande (Edge) des Netzwerks
Kommunikation mit Cloud kann einzelne oder viele Ebenen umfassen
Ermöglicht eine ortsnahe Verwertung wertvoller (Produktions-)Daten
Breite Nutzung der Technologie von IoT-Sensoren bis zu Wearables
Ideal für geringe Latenzen, sparsamen Verbrauch & guten Service

Was ist Edge Computing?

Beim Edge Computing werden Daten dort verarbeitet, wo sie anfallen. Statt zentral in einer Cloud, erfolgt die Auswertung und Nutzung der Daten entweder in unmittelbarer Nähe oder sogar lokal im Gerät selbst. Dieses bildet das „Edge“ des Netzwerks, vereinfacht gesagt auch die „Ecke“ oder „Kante“.

Diese Form der dezentralen Datenverarbeitung bietet im Gegensatz zum zentralisierten Cloud Computing den Vorteil, dass Daten nicht erst vom Gerät zur Cloud transportiert, ausgewertet und dann wieder zurückgesandt werden müssen. Gerade in besonders zeitkritischen Kontexten (z. B. autonomes Fahren) wird die Möglichkeit zur schnellen und dezentralen von Informationen zukünftig absolut unabdingbar sein.

Zielsetzung des Edge Computing ist es daher, die Latenz zwischen der Erhebung von Daten und der datenbasierten Reaktion Daten wesentlich zu reduzieren. Echtzeit-Daten sollen so auch Echtzeit-Entscheidungen ermöglichen. Gleichzeitig hilft die lokale Vorverarbeitung der Daten dabei, Bandbreite im Netzwerk einzusparen – die Kommunikation zwischen IoT-Geräten / Sensoren und dem Netzwerk wird auf die wichtigsten Datenpakete beschränkt.

Von Cloud und Fog bis Edge – Drei Computing-Ebenen

Beim Cloud-Computing fließen alle Daten gesammelt in der Cloud zusammen, um dort verarbeitet zu werden. Das Edge Computing verlagert diese Aufgabe weiter an den Rand des Netzwerks und stellt der Cloud nur vorverarbeitete Informationen zur Verfügung. Darüber hinaus können sich Unternehmen aber noch eine dritte „Ebene“ zunutze machen – das Fog Computing.

Dieses Konzept stellt im Grunde einen „Mittelweg“ zwischen Edge- und Cloud-Computing-Ansatz dar. Ein Unternehmen könnte zum Beispiel auf standortspezifische Server setzen, die mit den IoT-Modulen und Sensoren vor Ort kommunizieren. Diese Server senden wiederum vorverarbeitete Daten an die übergeordnete Cloud-Infrastruktur.

Dabei ist zu betonen, dass Cloud-, Fog- und Edge-Computing keine jeweils exklusiven Konzepte darstellen. So kann ein Unternehmen sowohl auf Fog- als auch auf Edge-Computing setzen, um etwa die Performance innerhalb der Cloud zu optimieren und Ressourcen innerhalb des Netzwerks zu sparen.

Wie funktioniert Edge Computing?

Edge Computing-Prozesse können in vereinfachter Form wie folgt dargestellt werden:

Erfassung von Daten
Im Rahmen eines (Produktions-)Prozesses, an dem (IoT-)Sensoren und artverwandte Geräte beteiligt sind, entstehen große Mengen an Daten. Diese Prozesse umfassen potenziell alles von einfachen Fahrten mit dem Auto bis zum Betrieb von groß angelegten Fertigungsstraßen. Diese anfallenden Daten werden dann in Echtzeit erfasst.
Lokale Datenverarbeitung
Diese Daten werden auf (oder in der Nähe) des Gerätes analysiert. Die relevanten Prozessdaten werden erhoben, bewertet und weiterverarbeitet. Für den Prozess irrelevante Informationen werden verworfen. Dies setzt die benötigte Rechenkraft der „Edge Devices“ (IoT-Sensoren und Co.) oder eines „Edge Gateways“ voraus.
Datenbasierte Entscheidung
Auf Basis der laufend verarbeiteten Informationen können vor allem zeitkritische Entscheidungen ohne wesentliche Verzögerungen getroffen werden. So kann die Datenanalyse im / am Gerät etwa die Anzeichen eines Herzinfarkts bei einem Patienten erkennen und Alarm auslösen. Oder Fertigungsprozesse stoppen, wenn plötzliche Abweichungen im Ablauf registriert werden.
Datenaustausch mit Cloud
Während der Edge Computing-Ansatz die wichtigsten Entscheidungen auf die Device-Ebene „delegiert“, findet gleichzeitig auch der Austausch mit der übergeordneten Cloud statt. Dank der Vorverarbeitung der Daten auf Geräte-Ebene werden nur die objektiv wichtigen Daten / Informationen als Aggregat zur zentralen Datenverarbeitung weitergeleitet.

Was sind Edge Devices / Edge-Geräte?

Ein wesentlicher Faktor in diesem Prozess der dezentralen Datenverarbeitung sind die „Edge Devices“ – diese generieren sämtliche Daten. Je nach Umgebung werden die Daten dann entweder bereits auf Geräteebene verarbeitet oder – wie häufig in IoT-Umgebungen – an ein „Edge Gateway“ weitergeleitet.

Diese übernehmen dann die gebündelte Verarbeitung aller eingehenden Daten. Typische Beispiele dafür sind folgende Geräte:

IoT-Sensoren (Fertigung / Logistik / etc.)
Kamerasysteme / Bilderfassungssysteme
Smarte Thermostate / Smart Home-Devices
Intelligente Verkehrsampeln / Verkehrsleitsysteme
Wearables / Smartwatches

Diese und viele weitere Geräte machen Edge Computing in der heutigen Form erst möglich. Die immense Menge an täglich anfallenden Daten – sowohl in privaten Kontexten als auch in der Industrie – ließe sich ohne diese zusätzliche Rechenkapazität kaum bearbeiten, geschweige denn sinnvoll und in Echtzeit auswerten.

Darstellung der Edge-Computing-Ebenen als Pyramide

Die Vorteile von Edge Computing

Die Möglichkeiten, die der Edge Computing-Ansatz mit sich bringt, sind für eine Vielzahl von Unternehmen interessant. Dementsprechend befinden sich heute schon zahlreiche Geräte, die für diese Form einer Cloud-Infrastruktur ausgelegt sind, branchenübergreifend im Einsatz. Dabei sind gerade diese Vorteile des Edge Computings von praktischer Relevanz:

Geringe Latenz
Mit Hilfe von Edge Computing können Latenzzeiten erheblich reduziert werden. Da die Daten direkt lokal verarbeitet und nicht zuerst an die Cloud gesandt werden müssen, entsteht an dieser Stelle kein Zeitverlust.
Schonende Nutzung der Bandbreite
Da die beteiligten Edge Devices lediglich aggregierte und vorverarbeitete Daten an die zentrale, übergeordnete Cloud weiterleiten, benötigen diese Geräte erheblich weniger Bandbreite als solche, die in ständigem Austausch miteinander stehen. Dies ist besonders in Regionen / Arealen mit schlechter Netzverbindung vorteilhaft.
Höheres Sicherheitsniveau
Da die Edge Computing-Infrastruktur auf einer dezentralen Verarbeitung von Daten beruht, hat ein (vorübergehender) Ausfall der Cloud keine unmittelbaren Auswirkungen auf die Funktionsfähigkeit der Geräte. Diese arbeiten autonom weiter, sodass keine Sicherheitslücken (etwa in Überwachungssystemen) entstehen.
Stärkerer Datenschutz
Tauschen Geräte und Rechenzentren laufend (personenbezogene) Daten aus, stellt dies einen potenziellen Angriffspunkt für Cyberkriminelle dar. Da große Mengen der anfallenden Daten vollständig lokal verarbeitet werden, reduziert sich das Risiko von Datendiebstählen bzw. Datenschutzverstößen allgemein erheblich.
Bessere Service-Qualität
Aufgrund der Tatsache, dass die Funktionsfähigkeit der Edge Devices (wie Wearables und Co.) nicht an eine durchgehend stabile Internetverbindung gekoppelt ist, arbeiten diese Geräte auch aus Sicht der Nutzer / Unternehmen deutlich zuverlässiger. Dies wiederum wirkt sich positiv auf die Produktzufriedenheit aus.

Wichtig in der Betrachtung der Technologie ist, dass sie das klassische Cloud Computing nicht ersetzt, sondern technisch ergänzt. Eine Übersicht der wesentlichen Vorteile des Cloud Computings finden Sie hier.

Wo Edge Computing zum Einsatz kommt – Use Cases

In diversen Branchen und Industrien ist das Konzept Edge Computing bereits seit vielen Jahren erfolgreich im Einsatz – häufig auch, ohne dass dies für Kunden und Nutzer unmittelbar ersichtlich ist. Dabei wäre eine ganze Bandbreite an Prozessen ohne diese Technologie heute praktisch nicht denkbar bzw. zu anfällig, um tatsächlich von Nutzen zu sein. Hier einige beispielhafte Anwendungen für Edge Computing-Technologie.

Industrie 4.0

In der industriellen Fertigung liefern IoT-Sensoren einen kontinuierlichen Fluss an Daten, die Rückschlüsse auf aktuell laufende Prozesse zulassen. Im Rahmen dieser Betriebsdatenerfassung werden prozessrelevante Daten erhoben und häufig direkt an ein Edge Gateway weitergeleitet, wo sie dann ausgewertet und verarbeitet werden.

Diese orts- und zeitnahe Datenanalyse mittels Edge Computing ermöglichen es zum Beispiel, Unregelmäßigkeiten zu erkennen oder Wartungsbedarfe vorherzusagen (Predictive Maintenance). Solche Technologien sind für die Industrie 4.0 sowie das Konzept der „Smart Factory“ (LINK) von zentraler Bedeutung.

Autonomes Fahren

Fahrzeuge erzeugen pro Sekunde riesige Mengen an Sensordaten (z. B. via Lidar / Radar / Kameras), die unmittelbar verarbeitet werden müssen. Edge Devices im Fahrzeug analysieren diese Daten lokal, treffen Entscheidungen (z. B. Bremsen, Ausweichen) und kommunizieren nur wichtige Ereignisse oder Zustände an zentrale Systeme wie etwa eine Cloud.

Dieses Verfahren nutzen etwa fahrerlose Transportsysteme (FTS) in der Lager- oder Produktionslogistik. Hier transportieren autonome Flurfahrzeuge Materialien zwischen Maschinen hin und her, ganz ohne manuelles Eingreifen. Die Fahrzeuge erkennen selber Hindernisse, können ihnen aktiv ausweichen, steuern selbstständig zu ihrem Ziel und bleiben gleichzeitig im Austausch mit dem örtlichen Steuer- und Leitsystem.

Einzelhandel

In der Sparte Einzelhandel / Retail versetzt Edge Computing Geschäfte in die Lage, große (kundenbezogene) Mengen an Daten direkt vor Ort zu verarbeiten. So können etwa Kameras und Sensoren das Kundenverhalten analysieren, ohne dass personenbezogene Daten die Filiale verlassen müssen.

Hier können Werbedisplays dynamisch an das Verhalten der Kunden oder andere Einflüsse (Tageszeit etc.) angepasst werden, Sensoren in Kühlregalen überwachen automatisch deren Temperatur, die Menge an Waren im Regal wird laufend mit dem Lagerbestand abgeglichen – von Möbelhäusern über Modegeschäfte bis hin zu Drogerie- und Lebensmittelläden sind die Anwendungsmöglichkeiten nahezu endlos.