Daten und Erkenntnisse sind für jedes Unternehmen ein wertvolles Gut. Heutzutage ist die datengestützte Entscheidungsfindung in jeden Aspekt unseres Lebens eingedrungen.
Traditionell sammeln Unternehmen Daten von verschiedenen IoT-Geräten und Sensoren, sammeln sie an einem zentralen Ort wie einem Data Lake oder Data Warehouse und führen Berechnungen durch, um daraus Erkenntnisse abzuleiten. Was wäre, wenn Unternehmen den Schritt der Zentralisierung/Integration der Daten eliminieren und direkt zur Berechnungsphase übergehen könnten? Dieser Ansatz, der als "Edge Computing" bezeichnet wird, ermöglicht es Unternehmen,:
autonomes Maschinenverhalten
Höherer Grad an Datensicherheit
Kosten der Datenübertragung reduzieren
Was ist Edge Computing?
Edge Computing ist eine Berechnungsmethode, bei der Berechnungen auf dezentralen Komponenten des Systems wie Sensoren, Schaltern und verschiedenen angeschlossenen Geräten durchgeführt werden. Mit anderen Worten: Erkenntnisse werden näher an der Datenquelle gewonnen, anstatt sich auf einen zentralen Standort in Tausenden von Kilometern Entfernung zu verlassen.
Mit dem Aufkommen der IoT-Technologie sammeln und berechnen Unternehmen immer größere Datenmengen. Die Übertragung von Daten an eine zentrale Stelle und die Weitergabe von Erkenntnissen an den Rand des Netzwerks nimmt jedoch Zeit in Anspruch. Edge Computing hingegen liefert Erkenntnisse am Rande des Netzwerks.
Warum ist Edge Computing wichtig?
Edge Computing ermöglicht eine schnellere Entscheidungsfindung, insbesondere in Situationen mit geringer Bandbreite. Edge Computing ist ein wichtiger Investitionsbereich für Tech-Giganten, da Unternehmen zunehmend auf automatisierte, datengesteuerte Entscheidungen angewiesen sind.
Branchen wie Einzelhandel, Energie, Sicherheit, Fertigung und Logistik können von der schnellen Entscheidungsfindung durch Edge Computing profitieren. Wenn beispielsweise ein selbstfahrendes Auto auf ein Hindernis auf der Straße stößt, muss es in Sekundenbruchteilen eine Entscheidung zum Bremsen treffen. In diesem Fall muss die Entscheidungsfindung schneller sein als jede Cloud-Computing-Lösung. Unternehmen setzen Sensoren und intelligente Geräte am Netzwerkrand ein, um Daten schneller verarbeiten zu können.
Beim Edge Computing geht es nicht nur darum, Entscheidungen innerhalb von Millisekunden zu treffen. Heutzutage nimmt die Menge der von verschiedenen Geräten und Sensoren gesammelten Daten rapide zu. Da die Bandbreite zwischen Servern und Edge-Geräten begrenzt ist, reichen die Datenübertragungsgeschwindigkeiten für zeitkritische Anwendungen möglicherweise nicht aus.
Edge Computing ist ein Bereich, in den die Tech-Giganten stark investieren:
Im Januar 2020 übernahm Apple Xnor.AI, ein auf künstliche Intelligenz fokussiertes Startup. Apple plant, Deep-Learning-Computing-Modelle auf Edge-Geräten wie Mobiltelefonen, IoT-Geräten, Kameras, Drohnen und eingebetteten CPUs einzusetzen.
Google Cloud und AWS haben beide Produkte, die sich auf das Internet der Dinge (IoT) konzentrieren.
Wie funktioniert das Edge Computing?
Der Arbeitsablauf von Edge-Computing-Tools folgt im Allgemeinen dem folgenden Muster:
Sensoren oder Geräte am Rande sammeln Daten
Geräteinterne Rechenfunktionen führen Berechnungen am Rande des Geräts durch
Wenn das Gerät Maßnahmen ergreifen muss, tut es dies auf der Grundlage der Berechnungen
Relevante Daten (aber nicht alle Daten) werden vom Edge an die Cloud übertragen, so dass Unternehmen das Gesamtbild verstehen können, indem sie die aggregierten Daten von Tausenden von Geräten (innerhalb der Bandbreitenbeschränkungen) zusammenfassen.
Wie unterscheidet sich Edge Computing vom normalen Computing?
Edge Computing hat ähnliche Fähigkeiten wie reguläre Computeranwendungen, nur dass die Berechnungen dort durchgeführt werden. Ein wesentlicher Unterschied besteht darin, dass Edge-Computing-Anwendungen auf Edge-Geräten mit begrenztem Speicher, begrenzter Verarbeitungsleistung oder begrenzter Kommunikation arbeiten müssen. Diese Anwendungen sind so optimiert, dass sie innerhalb dieser Einschränkungen arbeiten.
Was sind die Vorteile des Edge Computing?
Zu den Vorteilen des Edge Computing gehören:
Schnellere, autonome Entscheidungen, da die Erkenntnisse an der Datenquelle identifiziert werden und die Latenzzeit verringert wird
Reduziert die Kosten für die Speicherung und Verwaltung zentraler Daten, da weniger Daten zentral gespeichert werden
Die Datenübertragungskosten sind geringer, da weniger Daten an das zentrale Data Warehouse übertragen werden.
Bessere Sicherheit/Privatsphäre, da granulare Daten (z. B. Videoclips) nicht gespeichert oder übertragen werden
Anwendungsfälle für Edge Computing
Intelligente Überwachung: Unternehmen können die Sicherheit mit Echtzeit-Edge-Diensten zur Erkennung von Eindringlingen verbessern. Durch die Verwendung von Rohbildern von Sicherheitskameras kann Edge Computing jede verdächtige Aktivität erkennen und verfolgen.
Fernüberwachung und -wartung: In Branchen wie der Energiewirtschaft und dem verarbeitenden Gewerbe ist eine sofortige Reaktion erforderlich, wenn eine Maschine ausfällt oder gewartet werden muss. Ohne die Notwendigkeit, Datenberechnungen zu zentralisieren, können Unternehmen Anzeichen von Störungen schneller erkennen und Maßnahmen ergreifen, bevor es zu Engpässen im System kommt.
Berechnung des Kundenverhaltens im Einzelhandel: Einzelhändler können Daten von einer Reihe von Sensoren nutzen, z. B. Parkplatzsensoren, Einkaufswagenanhänger und Ladenkameras. Durch die Berechnung der von diesen Geräten gesammelten Daten können Einzelhändler ihren Kunden personalisierte Dienstleistungen anbieten.
Schlüsselwörter: Edge-Computing-Gateway
German 
English 
Russian 
Spanish 
Italian 
Portuguese 
French 
Dutch