Definition Was ist Edge Computing?

Edge Computing beschreibt ein Computing-Konzept, bei dem die Verarbeitung der Daten nicht zentral, sondern am Rand des Netzwerks stattfindet. Ziel ist es, die Datenverarbeitung möglichst nah an den Ort der Datenentstehung heranzurücken. Anwendungsbereiche sind beispielsweise das Internet der Dinge (IoT), autonomes Fahren oder die Industrie 4.0.

Anbieter zum Thema

Paessler AG

Cradlepoint GmbH

Southern Tech GmbH

Edge Computing ist ein Design-Ansatz der Datenverarbeitung, bei dem die Ressourcen am Rand (Edge) des Netzwerks bereitgestellt werden. Im Vergleich zu herkömmlichen zentralen Datenverarbeitungskonzepten müssen die Daten dabei nicht zu zentralen Rechenzentren oder Cloud-Data-Centern übertragen werden, sondern ihre Prozessierung findet möglichst nah an ihrem Entstehungsort statt.

Edge Computing ist eine Alternative zu klassischem Cloud Computing mit zentralisierten Servern. Anwendungen wie das Internet der Dinge (IoT), die automatisierten Prozesse der Industrie 4.0 oder autonomes Fahren werden dank des Edge Computings echtzeitfähig. Große Mengen an Daten lassen sich mit minimalen Latenzzeiten lokal verarbeiten und die Ergebnisse ohne großen Zeitverzug zurückmelden. Die Ressourcen des Netzwerks werden geschont.

Trotz dezentraler Datenverarbeitung versucht das Edge Computing vom Cloud Computing zu profitieren, indem Edge Devices oder Edge Gateways die Daten, die für zentrale Dienste vorgesehen sind und nicht in Echtzeit prozessiert werden müssen, selektieren und sie über das Netzwerk an Cloud-Rechenzentren weiterleiten.

Funktionsweise des Edge Computings

Grundsätzlich besagt das Prinzip des Edge Computings, dass die Datenverarbeitung am Rand des Netzwerks stattfindet. Welches Gerät letztendlich für die Prozessierung der Daten zuständig ist, kann sich abhängig von der Anwendung und der Umsetzung des Konzepts aber unterscheiden.

So kann die Auswertung der Daten beispielsweise direkt von den Sensoren geleistet werden, die die Daten erheben. In anderen Szenarien schicken die Sensoren ihre Daten an lokale Verarbeitungsgeräte. Diese prozessieren einen Teil lokal und schicken Daten, die für zentrale Prozesse vorgesehen sind, per Netzwerk an zentrale Server.

Begriffe, die im Rahmen des Edge Computings häufig fallen, sind Edge Device und Edge Gateway. Ein Edge Device ist ein Gerät an der Netzwerkperipherie, das Daten generiert, selbst verarbeitet oder weiterleitet. Beispiele für Edge Devices sind Smartphones, autonome Fahrzeuge, Sensoren oder IoT-Geräte wie Feuermelder.

Ein Edge Gateway ist zwischen dem Edge Device und dem Netzwerk installiert. Es nimmt Daten von Edge Devices entgegen, prozessiert bestimmte Daten lokal oder selektiert und verschickt die Daten an andere Services oder zentrale Rechenzentren, die nicht in Echtzeit verarbeitet werden müssen oder für zentrale Dienste wie die zentrale Speicherung vorgesehen sind. Edge Gateways besitzen drahtlose oder kabelgebundene Schnittstellen zu den Edge Devices und zu den Kommunikationsnetzen für private oder öffentliche Clouds.

Vorteile des Edge Computings

Das Konzept des Edge Computings bietet gegenüber zentralisierten Computing-Modellen einige Vorteile. Dadurch, dass die Verarbeitung der Daten in der Nähe der Datenquelle stattfindet, sind Übertragungszeiten und Antwortzeiten minimiert. Die Kommunikation ist nahezu in Echtzeit möglich. Gleichzeitig reduzieren sich der Datendurchsatz und die Bandbreitebelegung im Netz, da nur bestimmte nicht lokal zu prozessierende Daten an zentrale Data Center zu übertragen sind. Engpässe auf dem Weg zum Data Center werden vermieden.

Viele Funktionen lassen sich zudem auch dann noch aufrechterhalten, wenn das Netzwerk oder Teile des Netzwerks ausfallen. Ein weiterer Vorteil ist, dass sensible Daten nicht über Netzwerke versendet werden müssen, sondern in einem begrenzten Bereich verbleiben. Die Performance des Edge Computings ist flexibel skalierbar, indem mehr intelligente Geräte an der Netzwerkperipherie bereitgestellt werden.

Nachteile des Edge Computings

Das Konzept der dezentralen Datenverarbeitung bietet neben den Vorteilen auch einige Nachteile. Durch die vielen teilnehmenden Geräte und die verteilte Struktur erhöht sich die Komplexität der Architektur. Die Computing-Umgebung setzt sich aus vielen unterschiedlichen Geräten verschiedener Hersteller zusammen. Es können Probleme mit Schnittstellen oder mit der Kompatibilität von Protokollen auftreten.

Im Gegensatz zum zentralisierten Cloud Computing mit der hochperformanten Soft- und Hardware in professionell betriebenen Data Centern benötigt Edge Computing viele lokal zu installierende Geräte und Anwendungen. Die Wartung, die Administration und der Betrieb der lokalen Umgebungen kann deutlich aufwendiger sein.

Zwar bietet das Edge Computing durch die lokal begrenzte Datenhaltung ein mehr an Sicherheit, doch ist dies nur der Fall, wenn entsprechende Sicherheitskonzepte für die dezentralen Geräte vorhanden sind. Durch die Heterogenität und die Vielzahl verschiedener Geräte steigt der Aufwand zur Umsetzung der Sicherheitskonzepte.

Abgrenzung der Begriffe Edge Computing und Fog Computing

Edge Computing und Fog Computing sind beides dezentrale Datenverarbeitungskonzepte. Die Konzepte lassen sich voneinander abgrenzen. Das Edge Computing versucht die IT-Ressourcen so nah wie möglich an den Entstehungsort der Daten zu bringen. Dies kann soweit reichen, dass die Daten direkt auf den generierenden Sensoren prozessiert werden.

Fog Computing fügt zwischen den Edge Devices und der Cloud einen weiteren Layer mit den so genannten Fog Nodes ein. Dabei handelt es sich um kleine, lokale Rechenzentren in den Zugangsbereichen der Cloud. Diese Fog Nodes sammeln die Daten der Edge Devices. Sie selektieren die lokal oder dezentral zu prozessierenden Daten und leiten sie zu zentralen Servern weiter oder verarbeiten sie direkt selbst. Oft sind die Konzepte des Cloud, Edge und Fog Computings miteinander kombiniert, um von den jeweiligen Vorteilen zu profitieren.

Anwendungsbereiche des Edge Computings

Edge Computing bietet ideale Bedingungen für Anwendungen mit großen zu generierenden Datenmengen, die in Echtzeit mit minimalen Latenzzeiten verarbeitet werden müssen. Typische Anwendungsbereiche sind beispielsweise:

• das Internet der Dinge (Internet of Things, IoT)

• die automatisierten Prozesse der Industrie 4.0

• das autonome Fahren

• das Management von Energienetzen

• Anwendungen der Künstlichen Intelligenz (KI) und des maschinellen Lernens

Für viele dieser Anwendungen wie das autonome Fahren ist das Edge Computing eine Voraussetzung zur Realisierung. Die großen Datenmengen, die die Sensoren der selbstfahrenden Fahrzeuge erheben, sind binnen kürzester Zeit zu verarbeiten, um schnell und angemessen auf die verschiedenen Situationen zu reagieren.

Die Übertragung zu zentralen Servern erzeugt zu hohe Latenzzeiten. Zudem wäre die Sicherheit der Fahrzeuge und der mitfahrenden Personen von der Verfügbarkeit zentraler Services abhängig. Edge Computing erlaubt die direkte Kommunikation zwischen den Fahrzeugen und die Verarbeitung wichtiger Daten durch die Fahrzeuge selbst. Die weniger zeitkritischen Daten lassen sich dennoch zentral verwalten.

Ein weiteres Anwendungsbeispiel ist das Management von modernen Stromnetzen. Die Masse der dezentralen Stromerzeuger nutzt verteiltes Computing, um die Energieeinspeisung an die Leistungsschwankungen im Netz in Echtzeit anzupassen und die Netze stabil zu halten.

(ID:45884421)