9. Edge Computing
Das Edge Computing ist eine Ergänzung des zentralen Cloud-Computing-Ansatzes um eine dezentrale Komponente. Während Cloud Computing sämtliche Funktionen von einem zentralen Data Center aus bereitstellt, verlagert das Edge Computing die Bearbeitung von Daten an den Rand (Edge) einer IoT-Installation.
Edge-Computing-Devices gibt es in jeder denkbaren Ausprägung, von kleinen Controllern und Ein-Platinen-PCs über einfache Industrie-PCs und leistungsstarke Server bis hin zum Mini-Data-Center. Wichtig ist in jedem Fall, dass Rechenleistung möglichst nah am Entstehungsort der Daten bereitgestellt wird. Die Nähe zu den Datenquellen verkürzt die Übertragungswege zu einer Instanz, die für eine erste Bearbeitung oder Aggregation sorgt.
Das ist in Umgebungen wichtig, in denen keine oder nur eine schmalbandige, leistungsschwache Netzanbindung besteht oder Echtzeitdatenverarbeitung gefordert ist. Dafür sind die Latenzzeiten, die auf dem Weg der Daten in die Cloud oder ein anderes zentrales Rechenzentrum und wieder zurück entstehen, zu groß. Edge Devices übernehmen je nach Leistungsfähigkeit der Prozessoren erste Analyseaufgaben auf Basis lokal gesammelter Daten oder konsolidieren, sortieren und komprimieren diese Informationen, so dass weniger Datenverkehr zum zentralen Data Center anfällt.
Der Bedarf an Edge Computing steigt mit wachsender IoT-Penetration, mit zunehmender Vernetzung von Geräten und Maschinen und mit der Verbreitung von Smart Products. Ein anschauliches Beispiel ist das selbstfahrende Auto, das mit sehr viel Intelligenz an Bord aufwartet, um in Echtzeit auf sich verändernde Verkehrssituationen reagieren zu können. Zudem besteht eine ständige Verbindung zu zentralen Data Centern, um etwa Wetter- und Verkehrsdaten zu beziehen oder Fahrzeugdaten zu übermitteln. Weitere Anwendungsfelder des Edge Computings ergeben sich zum Beispiel in der Produktion, wo Maschinendaten lokal vorverarbeitet werden.
Einen Extraschub wird das Edge Computing mit dem nächsten Mobilfunkstandard, 5G, bekommen. 5G ebnet den Weg für eine größere Verbreitung von Smart Products, so dass beispielsweise KI-Dienste wie Sprach- und Gesichtserkennung vor Ort bearbeitet und Ergebnisse mit einer zentralen Instanz abgeglichen werden können.