Was ist Edge Computing?

Ein herkömmlicher zentralisierter IT-Rahmen besteht aus zwei Hauptelementen. An der Peripherie gibt es mehrere Endpunkte, deren Hauptaufgabe darin besteht, Daten zu erfassen und Anweisungen zu verarbeiten. Die Daten dieser Peripheriegeräte werden an das zweite Element des Rahmens übertragen: einen zentralen Server. Auf diesem Server findet praktisch die gesamte Schwerstarbeit des Systems statt, d. h. die Daten werden verarbeitet, konsolidiert, analysiert und umgesetzt.

Beim Edge Computing wird ein dezentraler und kein zentraler Ansatz verfolgt. Anstatt dass alle Berechnungen auf einer zentralen Serverebene stattfinden, werden so viele Verarbeitungsaufgaben wie möglich an der Peripherie, so nah wie möglich an der Datenquelle, durchgeführt. Wenn mehr Datenverarbeitung am Rande des Netzes stattfindet, verringert sich der Bedarf an Langstreckenkontakten zwischen peripheren Geräten und dem zentralen Server.

In vielen Edge-Frameworks finden die wichtigsten Rechenaufgaben auf der Ebene der IoT-Geräte statt. Nehmen wir zum Beispiel einen industriellen Sensor. In einem zentralisierten Rahmen erfasst der Sensor lediglich Daten und sendet sie an den Server zurück. Bei einem Edge-Ansatz kann das Sensorgerät diese Daten an Bord verarbeiten und bei Bedarf automatisch bestimmte Aktionen auslösen, ohne dass eine Interaktion mit dem Server erforderlich ist.

Zusätzlich oder alternativ zur Verarbeitung auf Geräteebene könnte der Rahmen auch den Einsatz von Edge-Computern oder -Servern umfassen. Anstatt dass alle Peripheriegeräte Daten an eine zentrale Stelle übermitteln, werden diese Daten an Computer gesendet, die sich physisch wesentlich näher befinden (z. B. in der Fabrikhalle). Spezifische, zeitabhängige Berechnungen können viel näher am Ort des Bedarfs durchgeführt werden, was sowohl Zeit als auch Kosten für die Datenübertragung über große Entfernungen spart.

Ein Beispiel für Edge Computing wäre ein Videoüberwachungssystem. Solche Systeme enthalten zunehmend eine relativ hoch entwickelte Videoverwaltungssoftware (VMS) mit Funktionen wie Bewegungserkennung und automatischer Überwachung der Anzahl der Personen.

In einem zentralisierten System wird das gesamte Videomaterial an einen zentralen Server gesendet, wo es von der VMS analysiert wird. Bei der Edge-Architektur kann die unmittelbare Analyse direkt an der Kamera vorgenommen werden. Eine intelligente Kamera beginnt beispielsweise nur dann mit der Übermittlung von Videomaterial an einen Server, wenn eine Bewegung erkannt wird, und ist in der Lage, selbst digitale Auslösedrähte zu aktivieren. Dieser Ansatz reduziert die teure Bandbreite, die für die Weiterleitung von Videomaterial an den Remote-Server erforderlich ist, erheblich.

Der Hauptzweck besteht in der Regel darin, die Latenzzeit zu verringern. Bei sensiblen IoT-Anwendungen, zum Beispiel bei industriellen Prozessen oder Verfahren im Gesundheitswesen, zählt jede Sekunde oder Millisekunde. Wenn Sie die Verarbeitung und Berechnung so nah wie möglich an den Rand verlagern, können Sie die Zeitspanne zwischen dem Auftreten einer kritischen Situation und dem Ergreifen geeigneter Maßnahmen erheblich verkürzen.

Die Nutzung von Edge-Computing ist eher als Ergänzung zum Cloud-Computing zu sehen und nicht als Ersatz dafür. Um Daten von mehreren IoT-Geräten zu sammeln und die unternehmensweite Effizienz, Nutzungstrends und Leistung zu überwachen, müssen die Daten nach wie vor zentral verarbeitet und analysiert werden, und zwar am ehesten in der Cloud. In der Zwischenzeit kann die zeitkritische, gerätespezifische Verarbeitung am Netzwerkrand stattfinden.

Reaktionsfähigkeit
Große räumliche Entfernungen, Netzwerküberlastungen und Übertragungsausfälle können dazu führen, dass sich die Zeit, die ein System benötigt, um auf kritische Situationen zu reagieren, verlängert. Mit Edge Computing müssen Sie keine Daten an ein entferntes Analysezentrum senden, um Entscheidungen zu treffen, sodass Ihre IoT-Geräte schneller reagieren können.

Kosten
Wenn die Daten auf Geräteebene verarbeitet oder an Edge-Server weitergeleitet werden, kann die Datenmenge, die an weit entfernte Zentren übertragen werden muss, erheblich reduziert werden.

Das bedeutet geringere Bandbreitenanforderungen, weniger Staus im Netz und niedrigere Kosten für die Datenübertragung. Außerdem bedeutet dies zusätzliche Edge-Computing-Ressourcen, entweder im Gerät oder in einem Edge-Computer, was zusätzliche Kosten verursacht, weshalb die Systemarchitektur wichtig ist.

Hardware-Erweiterungen
Wenn an der Netzperipherie mehr Datenverarbeitung stattfinden soll, müssen Ihre Edge-Geräte für diese Aufgabe entsprechend ausgestattet sein. Dies kann erhebliche Ausgaben für die Aufrüstung oder den Austausch von Geräten bedeuten. Je nach Ihrem Rahmenmodell müssen Sie auch die Kosten für zusätzliche Edge-Server einkalkulieren.

Konnektivität
Edge Computing verringert den Bedarf an Datenübertragungen über große Entfernungen erheblich, macht sie aber nicht völlig überflüssig. Sie müssen immer noch über einen geeigneten Kanal nachdenken, der zumindest ein Mindestmaß an Kommunikation mit dem zentralen Server ermöglicht.

Sicherheit
Die Verbesserung der Fähigkeiten Ihrer Edge-IoT-Geräte kann auch zu zusätzlichen Möglichkeiten für Angreifer führen. Ein robuster Ansatz für das Gerätemanagement ist unerlässlich, einschließlich der Verteilung von Patches und einer geeigneten Verschlüsselung der übertragenen Daten.