Intelligent Edge – Technologie der Zukunft

Autor / Redakteur: Dr. Mehrdad Jalali-Sohi* / Sebastian Human

Mit der zunehmenden Vernetzung von Geräte und Anlagen steigt auch der Bedarf nach leistungsfähiger Datenverarbeitung – und das in Echtzeit. Hierbei kommt intelligentem Edge Computing eine Schlüsselrolle zu. Wie kann ein solcher Ansatz das funktionieren?

Firmen zum Thema

Edge Computing ermöglicht die dezentrale Datenverarbeitung am Netzwerkrand und kann von KI-Technologien zusätzlich profitieren – gerade wenn es um das Thema Echtzeit geht.
Edge Computing ermöglicht die dezentrale Datenverarbeitung am Netzwerkrand und kann von KI-Technologien zusätzlich profitieren – gerade wenn es um das Thema Echtzeit geht.
(Bild: gemeinfrei / Unsplash)

IoT und intelligente Systemlandschaften der Zukunft benötigen Datenverarbeitung in Echtzeit. Die IoT-Geräte sind intelligent in dem Sinne, dass sie eingebettete Überwachungs- und Erfassungsfunktionen haben und gleichzeitig Sensordaten von anderen Quellen abrufen können, die für den Zweck des Geräts zusammengeführt werden.

IoT-Geräte besitzen üblicherweise einen zweiten „intelligenten“ Teil – und zwar die verteilte „Intelligenz“, die sich außerhalb des Gerätes befindet. Dieser zweite Teil kann die Informationen der von IoT-Geräten überwachten Ereignisse analysieren und hat Zugriff auf (analysierte) Daten.

Dieser zweite Teil der Intelligenz- und Rechenkapazität wird in der IoT-Welt in Edge-Servern ausgelagert, von denen jeder einem bestimmten Zweck gewidmet ist. Zudem werden das IoT und das für die Industrie 4.0 relevante IIoT in Zukunft große Datenmengen erzeugen, die in Echtzeit verarbeitet und sicher übertragen werden müssen. Zentrale Speichereinrichtungen wie Rechenzentren können das schon alleine durch die Entfernung zwischen deren Standort und dem der Endgeräte nicht leisten. Genau an diesem Punkt setzt Edge Computing an.

Edge Computing

Die Abbildung 1 zeigt einen allgemeinen Überblick über die typische Architektur-Hierarchie des Edge-Computing-Paradigmas bestehend aus vier verschiedenen Schichten. Diese sind IoT-Geräte und Sensoren, Edge und Clouds sowie Anwendungen on Top. Über dieser Hierarchie spielt die Cloud nach wie vor eine wichtige Rolle für die Durchführung einer zentralisierten Datenverarbeitung und -analyse, wie maschinelles Lernen, weiteren KI-Anwendungen und Datenspeicherung.

Die Aufgabe von Edge Computing bei IoT Smart Umgebungen ist es, die Berechnungen am Rand des Netzwerks (Edge), also nah zu den IoT-Geräten, für Downstream-Daten im Auftrag von Cloud-Diensten und Upstream-Daten im Namen von IoE-Geräten durchzuführen (Siehe Abbildung 1). Das ressourcenintensive Training von Algorithmen kann in der Cloud-Schicht durchgeführt und dann an den Edge verteilt werden, wo leichtere Funktionen ausgelagert sind.

In der Mitte fungiert das Edge-Computing als regionales Zentrum für geoverteilte Anwendungen, in denen ein erheblicher Teil der Datenverarbeitungsarbeit auf Hardware verschiedener Typen ausgeführt wird, bei denen es sich um Mikrodatencenter, Router oder Basisstationen handeln kann.

Alle Geräte mit Sensoren, die Daten von den Benutzern und der Umgebung erfassen, wie Kameras, Temperatur und Lichtsensoren, Smartphones, Laptops oder einer Dash-Kamera im Fahrzeug, müssen in der Lage sein, mit den Geräten und Applikationen in der Edge-Schicht zu kommunizieren, was Kompatibilität und standardisierte Protokolle voraussetzt.

Der Schlüssel zum heutigen Erfolg dieser Edge-Technologie liegt im massiven Wachstum von IoT-Anwendungen in allen Branchen und allen Bereichen des täglichen Lebens. Abbildung 2 gibt die Wachstumsprognose für verteilte IoT-Geräte für die nächsten Jahre wieder.

Intelligent Edge

Die Kombination aus speziellen Chips und KI-Funktionen macht den Edge intelligent. Anwendungsfälle wie Computer Vision, Datenanalyse und Deep Learning verkürzen und beschleunigen die Entscheidungsprozesse. Insbesondere ist Intelligent Edge auch komplementär zu Cloud-AI, mit schnellen Reaktionen am Edge und Lernen in der Cloud-Schicht. Das ressourcenintensive Training von Algorithmen kann in der Cloud-Schicht durchgeführt und dann an den Edge verteilt werden, wo leichtere Funktionen schnell auf Daten aus den IoT-Geräten reagieren können.

Edge Computing im Context von IoT und Cloud
Edge Computing im Context von IoT und Cloud
(Bild: Adesso SE)

Die Geschwindigkeit, mit der IoT in Kombination mit Künstlicher Intelligenz beziehungsweise maschinellem Lernen wächst, ist nicht nur auf Servern, Smartphones, Haushaltsgeräten und Unternehmenssoftware zu beobachten, sondern in jedem Auto, jedem Gebäude, jedem medizinischen Gerät. Es wird schnell ein Punkt erreicht, an dem KI im alltäglichen Leben unverzichtbar wird. Wir können bereits Wachstumsmuster erkennen: Smart Apps sind allgegenwärtig, AIaaS (Artificial Intelligence as a Service) und KI APIs sind in diversen Branchen wie dem Gesundheitswesen und in der Logistik auf dem Vormarsch. Auch automatisiertes und personalisiertes Marketing ist ohne KI überhaupt nicht möglich.

In Kombination mit 5G am Edge wird die Anwendung von IoT-Geräten und Anwendungen intelligenter Sensoren exponentiell zunehmen. Dies führt nicht nur zu einem enormen Datenvolumen, sondern löst gleichzeitig eine steigende Nachfrage nach umsetzbaren Anwendungen, die innerhalb von weniger als einer Millisekunde die Steuerung IoT-fähiger Geräte gewährleisten. Der intelligente Edge kombiniert hohe Rechenleistung, KI-Technologie, Datenanalyse und erweiterte Konnektivität (Siehe Abbildung 3).

Edge Business Case

Edge Computing erstreckt sich über mehrere Technologiebereiche, einschließlich Informationstechnologie, Kommunikationstechnologie sowie zahlreiche Branchen in der Industrie sowie Software- und Hardwareplattformen, Datenaggregation, Chip-, Sensor- und etliche Industrieanwendungen. Deshalb ist zu erwarten, dass Edge Computing eine entscheidende Rolle bei der Realisierung einer Reihe von Anwendungsfällen spielen wird. Die Aussichten für Serviceinnovationen und neue Marktchancen wie Business to Business (B2B) und Business to Consumer (B2C), die von Edge in Verbindung mit 5G vorangetrieben werden, sind sehr positiv – dank Funktionen wie extrem geringer Latenz, Echtzeitverarbeitung und -verwaltung von Daten sowie lokalisiertem Zwischenspeichern von Inhalten. Daher werden die technischen Merkmale, kommerziellen Perspektiven und Implementierungsstrategien für Edge Computing in 5G-Netzwerken, einschließlich der Entwicklung von Architekturen und Schlüsseltechnologien im Zusammenhang mit 5G und intelligenten Geräten, intensiv diskutiert.

Wachstum der Anzahl von IoT Devices weltweit
Wachstum der Anzahl von IoT Devices weltweit
(Bild: Statista)

Das Geschäftsmodell von Edge Computing wird nicht nur auf von Anwendern genutzte Dienste und Geräte beschränkt, sondern wird sich auch auf die anfallenden Daten erstrecken. Hierbei fordern die Interessenten die Benutzerdaten vom Dateneigentümer an und das Cloud Center oder der Edge-Dateneigentümer liefert den Interessenten das verarbeitete Ergebnis zurück. Auf diese Weise wird das Geschäftsmodell von der Beziehung zwischen einzelnen Zentren und Benutzern in multilaterale Beziehungen zwischen Zentren und Benutzern umgewandelt. Die Entwicklung des multilateralen Edge-Computing-Geschäftsmodells und Erweiterung des vorhandenen Cloud-Computing-Geschäftsmodells ist eines der offenen Probleme in der Community.

Sicherheit und Datenschutz bei Edge Computing

Intelligent Edge an der Schnittstelle der aktuellen Technologietrends
Intelligent Edge an der Schnittstelle der aktuellen Technologietrends
(Bild: Adesso SE)

Edge Computing wird sehr viele neue Möglichkeiten zu Innovation eröffnen und die vorhandenen Cloud-basierten Lösungen erweitern. Um das volle Potenzial auszuschöpfen und die breite Akzeptanz von Edge-Computing-Lösungen zu erreichen, liegt ein Schwerpunkt auf der Sicherung der Systemkomponenten und der Gewährleistung des Datenschutzes für Benutzer- und Organisationsdaten.

Aufgrund der wachsenden Bedeutung von Edge Computing ist es wichtig, die möglichen Bedrohungen früh zu identifizieren und Lösungen zu realisieren. Aufgrund der spezifischen Attribute wie Heterogenität, geringe Latenz, enorme Kommunikationsraten, Standorterkennung, räumliche Verteilung und Mobilität, ist es eventuell nicht möglich, die derzeit verfügbaren Tools und Methoden für Sicherheit und Datenschutz im Cloud-Computing für Edge-Computing direkt zu nutzen. Obwohl einige dieser Probleme mit vorhandenen Sicherheitsschemata behoben werden können, treten aufgrund der oben genannten besonderen Merkmale des Edge-Computing neue Probleme auf.

Zusammenfassung und Ausblick

Edge Computing ist derzeit eines der heißesten Themen bei den Technologietrends. Noch mehr im Fokus des Interesses sind Anwendungen, die Edge-Computing und maschinelles Lernen kombinieren, um neue Arten von User Experience und neue Möglichkeiten in unterschiedlichen Branchen zu ermöglichen, die von Mobile und Connected Home bis hin zu Sicherheit, Überwachung und Automobilindustrie reichen.

Um den Anforderungen an Wachstum und Komplexität gerecht zu werden, wird der Bedarf an intelligenten Lösungen, die Anwendungen am Edge ermöglichen, explodieren. Die hier zu berücksichtigende Realität ist, dass sich Sicherheits- und Datenschutzlösungen für Edge-Computing noch im Anfangsstadium befinden und daher erhebliche Anstrengungen unternommen werden müssen, um die möglichen Herausforderungen zu analysieren und diesen zu begegnen.

Dieser Beitrag stammt von unserem Partnerportal Industry Of Things.

* Dr. Mehrdad Jalali-Sohi arbeitet als Management Berater, Architekt, Team- und Projektleiter bei der Adesso SE.

(ID:47015108)