Was ist Edge Computing?

Unternehmen, die Edge Computing nutzen, haben meist Schwierigkeiten mit Latenzzeiten bei der Übertragung von Daten an ein Rechenzentrum und müssen Daten daher lokal in Echtzeit verarbeiten. Moderne Produktionsanlagen sind ein Beispiel hierfür. Da ein modernes Werk mit 2.000 Anlagen etwa 2.200 Terabyte an Daten im Monat erzeugt, ist es schneller und billiger, all diese Daten näher an den Anlagen zu verarbeiten, als sie zuerst an ein entferntes Rechenzentrum zu übertragen.

Autonom fahrende Fahrzeuge sind ein weiteres Beispiel, da in diesem Fall Sensordaten im Fahrzeug verarbeitet werden können, während das Fahrzeug mit einem zentralen Standort verbunden bleibt, um OTA-Softwareupdates (Over the Air) zu erhalten.

Im Einzelhandel ermöglicht Edge Computing den Einsatz von Sensoren und Kameras, die dazu beitragen, die Bestandsgenauigkeit zu erhöhen, die Effizienz von Lieferkette und Produktentwicklung durch Automatisierung zu verbessern und das Kundenverhalten nahezu in Echtzeit zu analysieren, um das Einkaufserlebnis zu verbessern. Ein konkretes Beispiel aus der Praxis ist die videobasierte KI-Lösung von Sensormatic, die die Personenzahl nachverfolgte und das Social Distancing in Geschäften überwachte und letztlich dazu beitrug, dass Einzelhändler während der COVID-19-Pandemie wieder sicher öffnen konnten.

5G steckt zwar weltweit noch in den Kinderschuhen – sowohl bei der Netzabdeckung als auch bei der Verfügbarkeit 5G-fähiger Geräte – doch die Beziehung zwischen 5G und Edge Computing besteht bereits. Bei mobilen Geräten ist beispielsweise der nächstgelegene mobile Edge der Mobilfunkmast. Wenn Unternehmen also die Edge-Verarbeitung am Funkmast nutzen können, können sie die Leistung für den Endnutzer deutlich verbessern.

Trotz der momentanen Einschränkungen von 5G preisen Analysten schon seit einigen Jahren die kombinierte Leistung von 5G und Edge Computing. Und es ist zu erwarten, dass sich 5G und Edge Computing in Zukunft ergänzen werden: 5G wird wahrscheinlich die nächste Welle intelligenter Geräte verbinden, was innerhalb der nächsten fünf Jahre zu einem exponentiellen Anstieg der Daten im Edge führen wird. Die erwartete Zunahme der Daten wird Unternehmen die Möglichkeit bieten, ihre Prozesse zu verbessern und neue Kundenerlebnisse zu schaffen. Doch wegen der Latenz wird ein zentralisierter Datenansatz nicht ausreichen, sodass Unternehmen angesichts seiner Kosten- und allgemeinen Effizienz auf Edge Computing setzen werden, um von neuen, mit 5G-verbundenen Datenquellen zu profitieren.

Dank seiner höheren Verarbeitungsleistung und geringeren Latenz verringert Edge Computing viele der Herausforderungen und Hindernisse von Blockchain und bietet damit eine praktikable Infrastruktur für Blockchain-Nodes zum Speichern und Überprüfen von Transaktionen. Derzeit erfordern Blockchain-Algorithmen und -Transaktionen eine immense Verarbeitungsleistung, für die universelle Server und Prozessoren nicht ausreichen. Die Edge Computing-Infrastruktur stellt eine Lösung für diese Herausforderungen dar, da sie Grafikprozessoren (GPUs) und Hochleistungsprozessoren bereitstellt, die die umfangreichen Verarbeitungsanforderungen der Blockchain erfüllen.

Ein weiterer neuralgischer Punkt von Blockchain, bei dem Edge Computing Abhilfe schaffen kann, ist die Latenz. Bei der Blockchain-Technologie müssen Daten durch das gesamte Netzwerk und wieder zurück gesendet werden, wenn ein Blockchain-Knoten mit einem anderen kommuniziert. Edge Computing verhindert jedoch, dass die Daten durch das Kernnetzwerk strömen, und ermöglicht stattdessen eine direkte Kommunikation von Server zu Server.

Mehr zu Splunks Blockchain-Lösungen.

Edge Computing kann die Latenzzeiten bei der Kommunikation zwischen IoT-fähigen Geräten und den sie verbindenden, zentralen IT-Netzen dramatisch senken. Unter IoT (Internet of Things) versteht man die Verbindung alltäglicher Dinge mit dem Internet, von Glühbirnen in Privathaushalten über medizinische Geräte in Krankenhäusern bis hin zu persönlichen, am Körper tragbaren, smarten Geräten.

Die ständig wachsende Zahl von IoT-Geräten und die enormen Datenmengen, die sie zusammen erzeugen, verstärken die Notwendigkeit von Edge Computing zusätzlich. Die exponentielle Zunahme der Datenmenge macht es Unternehmen schwer, die Daten zu verwalten, zu analysieren und zu speichern, besonders da Netzwerke immer häufiger überlastet sind. Edge Computing hilft, diese Herausforderungen zu meistern, indem es Unternehmen ermöglicht, Daten näher am Ort ihrer Erfassung zu analysieren und nicht erst, nachdem sie in die Cloud gesendet wurden.

Edge, Cloud und Fog Computing sind Arten von Distributed Computing, die jeweils die physische Bereitstellung von Rechen- und Speicherressourcen in Bezug auf verschiedene Edge-Standorte bzw. Datenerzeugungsorte beschreiben. Der Unterschied zwischen den drei Arten liegt darin, wo sich die Ressourcen befinden.

Beim Edge Computing stellen Unternehmen Rechen- und Speicherressourcen dort bereit, wo die Daten erzeugt werden (z. B. Edge-Server und Speicher, die auf einer Windkraftanlage installiert werden, um von Sensoren im Inneren erzeugte Daten zu sammeln und zu verarbeiten).

Beim Cloud Computing werden die Rechen- und Speicherressourcen an verschiedenen verteilten Standorten bereitgestellt. Die nächstgelegenen Cloud-Anlagen sind in der Regel Hunderte von Kilometern vom Ort der Datenerfassung entfernt, und die Verbindungsqualität hängt von der Internetkonnektivität ab.

Fog Computing stellt eine dritte Möglichkeit dar, wenn Cloud-Rechenzentren zu weit entfernt sind und die Ressourcen für die Edge-Bereitstellung begrenzt oder zu weit verstreut sind. Wenn die Sensor- und IoT-Datensätze zu groß sind, um als „Edge“ zu gelten, bietet Fog Computing Rechen- und Speicherleistung „innerhalb“ der Daten. Smarte Städte sind ein gutes Beispiel für Fog Computing-Umgebungen, da sie zu viele Daten für die Verarbeitung durch einzelne Edge-Installationen erzeugen. Stattdessen setzen sie auf Bereitstellungen von Fog-Knoten zur Erfassung, Verarbeitung und Analyse von Daten innerhalb der Umgebung. Manchmal werden die Begriffe „Fog Computing“ und „Edge Computing“ synonym verwendet, sie unterscheiden sich jedoch deutlich in der Größenordnung.

Mit Edge Computing sind eine Reihe von Anforderungen hinsichtlich Computerhardware und Monitoring verknüpft. Was die Computerhardware angeht, so ist es zwingend notwendig, dass Edge-Computer robust und lüfterlos sind. Die Hardware muss unter unbeständigen Bedingungen sowie in Umgebungen funktionieren, in denen sie Staub, Schutt, Erschütterungen und extremen Temperaturen ausgesetzt ist. Das lüfterlose Design ist wichtig, damit keine Lüftungsöffnungen notwendig sind. Ein komplett geschlossenes Hardwaresystem verhindert, dass Staub, Schmutz und andere Verunreinigungen in das System eindringen und es beschädigen.

Unabhängig davon, für welche Softwareplattform sich ein Unternehmen für eine Edge Computing-Umgebung entscheidet, muss sie vollständige Transparenz und Kontrolle über die Remote-Infrastruktur bieten, was umfassende Monitoring-Möglichkeiten notwendig macht. Beim Auslegen dieser Bereitstellungen sollten zudem die Aspekte Resilienz, Selbstheilungsmöglichkeiten und Fehlertoleranz berücksichtigt werden. Die Monitoring-Tools sollten sich einfach bereitstellen und konfigurieren lassen und mit umfassenden Benachrichtigungs- und Berichtsfunktionen ausgestattet sein.

Zu den Hauptvorteilen von Edge Computing gehören schnellere, stabilere Services, kürzere Latenzzeiten und Entscheidungsfindung in Echtzeit. Zu den größten Herausforderungen zählen der hohe Overhead, die mangelnde Transparenz aufgrund der Remote-Verwaltung und physische Sicherheitsrisiken.

Zu den Vorteilen gehören:

• Schnellere, stabilere Services: Die Benutzererfahrung ist schneller und konsistenter, während Unternehmen und Serviceanbieter von Echtzeit-Monitoring und Apps mit geringer Latenz und hoher Verfügbarkeit profitieren.
• Kürzere Reaktionszeiten: Dies ist vor allem für hochmoderne Anwendungen wie AR (Augmented Reality) und VR (Virtual Reality) notwendig. VR als Technologie bietet Use Cases für Gaming, Zusammenarbeit und mehr, die eine extrem niedrige Latenz für Reaktionen nahezu in Echtzeit erfordern.
• Entscheidungsfindung in Echtzeit: Das macht Edge Computing durch seine Fähigkeit möglich, Analysen und Aggregierungen vor Ort durchzuführen.
• Mehr Sicherheit: Edge Computing ermöglicht Unternehmen, Rechenleistung lokal zu nutzen und so die Wahrscheinlichkeit zu senken, dass sensible Daten offengelegt werden. Die Nutzung lokaler Rechenleistung erleichtert zudem die Umsetzung von Sicherheitsverfahren und die Einhaltung gesetzlicher Vorschriften (einige Kunden und Behörden verlangen sogar, dass Daten in dem Land verbleiben, in dem sie erstellt wurden). Im Gesundheitswesen schränken HIPAA-Auflagen sowie lokale und regionale Compliance-Vorschriften die Speicherung und Übertragung personenbezogener Gesundheitsdaten ein.
• Verbesserte Konnektivität: Während Cloud Computing auf eine einheitliche Internetverbindung angewiesen ist, wird Edge-to-Cloud Computing durch mehrere Arten von Konnektivität ermöglicht. 5G bietet eine Verbindung mit hoher Bandbreite und niedriger Latenz für Datenübertragungen und die Service Delivery vom Edge.
• Verbessertes Datenverkehrsmanagement: Edge Computing reduziert die Datenmenge, die über das Netz und in die Cloud gesendet wird, und verringert so die damit verbundene Bandbreite sowie die Kosten für Übertragung und Speicherung.
• Schnellere Datenanalyse und -erkenntnisse: Der Einsatz von KI an der Datenquelle ermöglicht eine schnellere Verarbeitung und Gewinnung von Erkenntnissen.

Die Edge-Infrastruktur bringt allerdings auch verschiedene Herausforderungen mit sich, wie etwa:

• Größerer Overhead: Für Edge Computing sind Server an mehreren kleinen Standorten erforderlich, was komplizierter ist als die Erweiterung eines einzelnen Rechenzentrums um die entsprechende Kapazität. Außerdem erhöht Edge Computing den Overhead an den physischen Standorten, besonders bei kleineren Unternehmen.
• Mangel an technischem Fachwissen: Kleine Unternehmen oder verteilte Niederlassungen verfügen oft nur über begrenzte oder gar keine technischen Fachkenntnisse vor Ort. Falls eine Fehlerbehebung notwendig wird, müssen sich die Standorte oftmals auf nicht-technische und/oder Remote-Mitarbeiter verlassen, um schwerwiegendere Probleme zu lösen.
• Mangel an standardisierten Prozessen: Die Standortmanagementprozesse der einzelnen Edge-Standorte müssen im Prinzip standardisiert und stark reproduzierbar sein, um die Verwaltung zu vereinfachen und die Fehlerbehebung zu optimieren. Edge-Implementierungen sind nicht mit einer zentralen Datenplattform verbunden, was die Verteilung standardisierter Software-Updates und den Austausch von Daten, die Prozesse standortübergreifend verbessern könnten, erschwert, was wiederum die Verwaltung beeinflusst.
• Weniger physische Sicherheit: Die physische Sicherheit an Edge-Standorten ist oft niedriger als an zentralen Standorten.

Beim Edge Computing werden Speicher und Server dort eingesetzt, wo sich die Daten befinden. Es ist also möglich, dass die nötige Hardware, um Daten lokal zu aggregieren und zu verarbeiten, für den Betrieb in einem Remote-LAN nicht einmal einen ganzen Serverschrank belegt. Für die Computing-Hardware ist sehr wahrscheinlich ein abgeschirmtes oder abgedichtetes Gehäuse nötig, um sie vor Umgebungsbedingungen wie extremen Temperaturen oder Feuchtigkeit zu schützen.

Für das Edge Computing ist eine gemeinsame horizontale Infrastruktur erforderlich, die sich über die Edge-Standorte und die IT-Infrastruktur als Ganzes erstreckt, um alle verteilten Datenquellen und Datenspeicher effektiv zu verwalten. Einige Unternehmen können eine Infrastruktur, die mehrere geografische Standorte umfasst, effektiv verwalten, doch Edge Computing bringt zusätzliche Herausforderungen mit sich.

Unternehmen benötigen eine Edge Computing-Lösung, die folgende Kriterien erfüllt:

• Sie kann mit denselben Tools und Prozessen verwaltet werden wie die zentralisierte Infrastruktur, damit Hunderte (wenn nicht gar Zehntausende) von Standorten mit minimalem (oder ganz ohne) IT-Personal automatisch bereitgestellt, verwaltet und orchestriert werden können.
• Sie kann den funktionalen Bedarf verschiedener Edge-Ebenen decken, die unterschiedliche Anforderungen stellen, z. B. in Bezug auf die Größe des Hardwareeinsatzes und der Kosten.
• Sie bietet die nötige Flexibilität für hybride Workloads.
• Sie ist interoperabel mit Komponenten verschiedener Anbieter.

Die Kosten im Zusammenhang mit Edge Computing hängen von Größe und Skalierung der Bereitstellung, der Menge an erfassten und verarbeiteten Daten sowie der geografischen Lage der Edge Computing-Bereitstellung ab.

Edge Computing ist meist teurer als Cloud Computing. Laut einer aktuellen Schätzung kostet lokales Edge Computing etwa 35-55 % mehr als Cloud Computing in Kernbereichen, wobei sowohl die Kosten im Vorfeld als auch Betriebskosten für drei Jahre berücksichtigt werden.

Zusätzliche Kosten entstehen u. a. durch erhebliche Immobilienkosten, Kühlungsaufwand und Wartungspersonal. Unternehmen haben zudem die Wahl zwischen der Einrichtung eigener Edge-Clouds oder der Nutzung einer bereits vorhandenen Plattform wie AWS Outpost für die lokale Einrichtung einer Cloud-Instanz. Ersteres kann bis zu 90 % teurer sein, da eine individuelle Lösung unter Umständen mehr Kosten verursacht als die Ausgaben für die Serverhardware und Softwarelizenzen.

Sehr wahrscheinlich wird Edge Computing sehr bald zu einer natürlichen Erweiterung von Unternehmensumgebungen. Große Cloud-Anbieter bringen sich strategisch bereits in Position für Edge-Infrastrukturen: AWS bietet jetzt Edge-Services an, während Google seine Google Distributed Cloud angekündigt hat, die an Edge-Standorten betrieben werden kann. Das Aufkommen von 5G und die wachsende Rechenleistung werden gemeinsam dafür sorgen, dass sich Edge Computing noch stärker durchsetzt. Einige Experten gehen sogar davon aus, dass IoT-Geräte und Edge Computing die Remote Monitoring-Möglichkeiten von CO2-erzeugenden Quellen verbessern und unnötige Kohlenstoffemissionen verhindern können.

In vielerlei Hinsicht gibt es das Mainstream Edge Computing bereits: Unsere Telefone, Wearables, Laptops und mehr sind allesamt Edge-Geräte. Wenn von „Edge Computing“ die Rede ist, geht es meist um industrielle Use Cases und Unternehmensinitiativen, doch es werden Verbrauchergeräte wie digitale Assistenten sein, die die Technologie vorantreiben. Sobald die Technologieunternehmen beweisen, dass Edge Computing in großem Maßstab im Consumer-Bereich eingesetzt werden kann, wo die Benutzer nicht so hohe Anforderungen an niedrige Latenzzeiten oder Zuverlässigkeit stellen wie in der Industrie, wird sich Edge Computing wahrscheinlich in der Geschäftswelt durchsetzen.

Edge Computing hat seinen Weg in unsere Taschen, Wohnungen und Autos gefunden. Es wird aber wahrscheinlich noch ein paar Jahre dauern, bis Edge Computing sich über Verbraucheranwendungen hinaus in die Infrastrukturen aller Branchen verbreitet. Diese Entwicklung wird mit den Fortschritten bei anderen Spitzentechnologien wie 5G und Blockchain Hand in Hand gehen.

Edge Computing ist die einzige Möglichkeit, wie Unternehmen mit der enormen Datenexplosion um uns herum Schritt halten können. Da das Cloud Computing durch das exponentielle Datenwachstum bereits an seine Grenzen stößt, ist die Nutzung von Edge Computing der nächste logische Schritt für Unternehmen und andere Organisationen, die sich keine Latenzzeiten leisten können. Aus diesem und vielen anderen Gründen wird sich die Edge-Technologie durchsetzen. Außerdem wird Edge Computing das Instrument sein, das wir nicht nur zum Auswerten von Daten brauchen, sondern auch, um in diesen Zeiten weiterhin Erfolg zu haben.