Was ist Edge Computing?

Diese Nähe zu den Daten an der Quelle kann für erhebliche geschäftliche Vorteile sorgen, z. B. schnellere Einblicke, verbesserte Reaktionszeiten und höhere Bandbreitenverfügbarkeit.

Das explosive Wachstum und die zunehmende Rechenleistung von IoT-Geräten – von Smartphones bis zu autonomen Fahrzeugen – haben zu enormen Datenmengen geführt. Diese Datenmengen wachsen stetig weiter, parallel zur zunehmenden Verbreitung von vernetzten Geräten und Systemen, die die Echtzeit-Datenanalyse und die KI-Workloads ermöglichen.

Das Senden all dieser gerätegenerierten Daten an ein zentrales Rechenzentrum oder in die Cloud verursacht Bandbreiten- und Latenzprobleme. Edge Computing löst dieses Problem, indem es Daten am Ursprungspunkt verarbeitet und analysiert, was eine schnellere und umfassendere Datenanalyse ermöglicht, beispielsweise durch mobiles Edge Computing in 5G-Netzen. Dieser Schritt schafft die Möglichkeit für tiefere Einblicke, schnellere Reaktionszeiten und bessere Customer Experiences.

Heute spielt Edge Computing eine entscheidende Rolle bei Hybrid-Cloud-Strategien. Angesichts der Umwandlung von Hybrid-Cloud-Umgebungen in verteilte Hybridinfrastrukturen durch Unternehmen ist Edge Computing für die lokale Ausführung komplexer Workloads unerlässlich geworden.

Darüber hinaus treibt die Integration von Edge- und KI-Computing zur Ausführung von Aufgaben des maschinellen Lernens (ML) direkt auf verbundenen Edge-Geräten ein großes Wachstum voran. Eine Studie von Fortune Business Insights schätzt den Edge-KI-Markt im Jahr 2025 auf 35,81 Milliarden USD und prognostiziert, dass er bis 2034 385,89 Milliarden USD erreichen wird, bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 29,9 %. ¹

Im Gegensatz zu Cloud Computing, das auf Remote-Zugriff auf Ressourcen wie Rechenleistungen, Speicher und Netzwerke über das Internet angewiesen ist, verarbeitet Edge Computing Daten lokal dort, wo Geräte sie sammeln. Edge Computing ist zwar deutlich anders, erweitert aber die Funktionen des Cloud-Modells auf Edge-Standorte. Beide teilen zugrunde liegende Technologien wie Virtualisierung, Container und Microservice, die alle eine wichtige Rolle bei Edge-Bereitstellungen spielen.

Das Edge-Computing-Modell basiert auf mehreren grundlegenden Komponenten:

• Edge-Geräte
• Edge-Gateways
• Netzwerkinfrastruktur
• Software und Analysen
• Edge-Server, Cluster und Virtual Servers
• Cloud oder zentralisiertes Rechenzentrum

Edge-Geräte sind Hardware, die Daten direkt an der Quelle erfasst, verarbeitet und darauf reagiert. Diese breite Kategorie umfasst Computerhardware, die sich an der Netzwerkgrenze befindet, sowie IoT-Edge-Geräte, also physische Komponenten, die über einen oder mehrere Sensoren mit einem Netzwerk verbunden sind und Daten erzeugen. IoT-Edge-Geräte reichen von industriellen Edge-Anwendungen (zum Beispiel Smart Cities und Industrieroboter) bis hin zu Verbrauchergeräten (zum Beispiel Smartphones oder Heimalarmanlagen).

Eine Studie von Statista prognostiziert, dass sich die Zahl der IoT-Geräte weltweit von 19,8 Milliarden im Jahr 2025 auf 40,6 Milliarden bis 2034 mehr als verdoppeln wird.²

Ein Computer-Gateway ist ein Rechenknoten, wie ein Router, Server oder ein Software-defined Wide-Area Network (SD-WAN)-Gerät, das als sicherer Vermittler zwischen Edge-Geräten und der Cloud oder dem zentralen Rechenzentrum fungiert.

Diese Komponente verwaltet den Datenverkehr und die Kommunikation zwischen den beiden Umgebungen.

Diese Konnektivitätsschicht verbindet Komponenten wie Controller, Ethernet-Adapter, Gateways und andere Ressourcen über ein Edge-Netzwerk, von Edge über Cloud bis zu On-Premises. Diese Verbindung ermöglicht den Datenfluss zwischen verteilten Standorten und zentralen Systemen.  

Edge-Netzwerkinfrastruktur wird häufig in Kombination mit 5G eingesetzt und unterstützt hohe Bandbreite sowie geringe Latenz.

Zur Edge-Computing-Infrastruktur gehören Softwareplattformen, Analysetools und Managementsysteme, die Workloads in Edge-Umgebungen verarbeiten, analysieren und orchestrieren.

Führende Cloud-Computing-Dienstleister (zum Beispiel IBM, Red Hat, Microsoft, Google) bieten Edge-Computing-Lösungen an, die für die Integration in Hybrid-Cloud-Umgebungen konzipiert sind und KI-Workloads unterstützen.

Ressourcen wie Edge-Server, Cluster und Virtual Servers (typischerweise VMware), die am Edge bereitgestellt werden, bewältigen lokale Verarbeitungs- und Speicheranforderungen für Workload, die eine Reaktion mit geringer Latenz erfordern.

Diese zentrale Umgebung, in der sich größere Workload, Speicher und tiefere Analyse befinden, arbeitet mit Edge-Standorten als Teil einer breiteren verteilten hybriden Infrastruktur zusammen.

Diese Infrastruktur umfasst Private-Cloud- und Public-Cloud-Umgebungen, abhängig von der Strategie des Unternehmens.

Edge Computing hilft Unternehmen, schneller auf ihre Daten zuzugreifen und darauf zu reagieren, bevor sie jemals ein zentrales Rechenzentrum erreichen. Im Folgenden sind einige der wichtigsten Vorteile aufgeführt:

• Verbesserte Leistung: Durch die Reduzierung der Latenz und die Erhöhung der Geschwindigkeit bietet Edge Computing eine bessere Leistung und höhere Zuverlässigkeit bei weniger Ausfallzeit.
• Optimierte Entscheidungsfindung: Datenanalysen, die am Netzwerk-Edge stattfinden, bedeuten einen schnelleren Zugang zu Erkenntnissen. Heute können Unternehmen KI/ML-Analyse und komplexe Algorithmen einsetzen, um die Entscheidungsfindung in Echtzeit zu verbessern und die Customer Experience zu optimieren, etwa im Einzelhandel.
• Stärkere Sicherheit und Compliance: Wenn Daten lokal bleiben, haben Unternehmen mehr Kontrolle darüber, wie sie geschützt werden. Diese Lokalisierung verringert die Sicherheitsrisiken und erleichtert die Erfüllung von Compliance-Anforderungen und Datensouveränitätsverpflichtungen in verschiedenen Regionen.
• Skalierbarkeit: Softwarebasierte Lösungen unterstützen Netzwerk-Automatisierung am Edge, sodass Unternehmen ihre Bereitstellungen bei Bedarf verwalten und skalieren können, einschließlich hochfrequenter Ereignisse wie Flash-Verkäufe.
• Erhöhte operative Effizienz: Wenn Edge-Geräte die Datenverarbeitung lokal abwickeln, verringern Unternehmen die Menge an Daten, die an zentrale Orte wie die Cloud gesendet werden, und nutzen mehr aus bestehenden Ressourcen.
• Kostensenkung: Durch die lokale Verarbeitung von Daten und die Übermittlung nur der notwendigen Daten an die zentralen Server On-Premises oder in der Cloud werden die Netzwerkbandbreitennutzung und die gesamten Infrastrukturkosten reduziert.

Edge Computing bietet klare Vorteile, ist jedoch nicht ohne Komplexität. Große Unternehmen können Tausende von Edge-Geräten haben (zum Beispiel Sensoren für vorausschauende Wartung in einer Fertigungshalle), was die Implementierung, Bereitstellung und Überwachung erschwert.

Edge-Geräte verfügen zudem über begrenzte Rechen- und Speicherressourcen, was die Art der von ihnen bearbeitbaren Arbeitslasten einschränken kann. Darüber hinaus kann eine zuverlässige Verbindung zwischen verteilten Standorten Probleme bereiten, insbesondere für Unternehmen, die an abgelegenen Standorten tätig sind, wo der Netzwerkzugang unzuverlässig sein kann.

Unternehmen können diese Herausforderungen mit Software und Managementplattformen von Edge-Service-Anbietern bewältigen, die die Bereitstellung automatisieren, die Sicherheit überwachen und Workloads in verschiedenen Umgebungen verwalten. Durch die Kombination von Edge-Computing mit 5G können Unternehmen ihre Systeme auch dann am Laufen halten, wenn herkömmliche Internetverbindungen unzuverlässig oder nicht verfügbar sind.

Da die Edge-Infrastruktur immer ausgereifter wird, kombinieren Unternehmen sie zunehmend mit maschinellem Lernen, um Daten direkt auf verbundenen Edge-Geräten zu verarbeiten und darauf zu reagieren.

Dieser Ansatz, bekannt als Edge-KI, verringert die Abhängigkeit von zentralisierter Cloud-Infrastruktur und hilft, Abläufe in komplexen Branchen (zum Beispiel Lieferkettenmanagement oder Fertigung) zu optimieren. Im Gegensatz zu cloudbasierten Ansätzen können Edge-KI-Geräte auch offline arbeiten, was sie für Anwendungen geeignet macht, die nicht auf eine kontinuierliche Internetverbindung angewiesen sind.

Edge Computing unterstützt eine Vielzahl von Branchen und Anwendungen. Von der Gesundheitsversorgung bis hin zu Finanzdienstleistungen setzen Unternehmen Edge-Computing-Anwendungsfälle ein, die Folgendes umfassen:

• Gesundheitswesen
• Transport
• Telekommunikation
• Finanzdienstleistungen
• Unterhaltung