Mit Edge Computing werden Daten direkt an der Quelle bearbeitet

Edge Computing ist ein Framework für die verteilte Datenverarbeitung, bei dem Unternehmensanwendungen näher an Datenquellen wie IoT Geräte oder lokale Edge-Server rücken. Diese Nähe zu den Daten an ihrer Quelle kann erheblichen geschäftlichen Nutzen mit sich bringen: schnellere Erkenntnisse, kürzere Reaktionszeiten und bessere Bandbreitenverfügbarkeit.

Schätzungen von Gartner zufolge werden 75 Prozent der Daten bis 2025 außerhalb des traditionellen Rechenzentrums oder der Cloud verarbeitet.¹

Warum Edge Computing?

Das explosionsartige Wachstum und die zunehmende Rechenleistung von IoT Geräten haben zu noch nie dagewesenen Datenvolumen geführt. Diese Datenvolumen werden weiter wachsen, da sich durch die 5G Netze die Anzahl der angeschlossenen mobilen Geräte erhöhen wird.

 In der Vergangenheit versprachen die Cloud und KI, Innovationen durch die Gewinnung von handlungsrelevanten Informationen aus Daten zu automatisieren und zu beschleunigen. Durch diese bisher unbekannte Größenordnung und Komplexität der in angeschlossenen Geräten generierten Daten können die bisher verfügbaren Netzwerke und Infrastrukturen nicht mehr mithalten.

Wenn alle von den Geräten generierten Daten an ein zentrales Data Center oder in die Cloud gesendet würden, würde dies zu Bandbreiten- und Latenzproblemen führen. Edge Computing bietet hier eine effizientere Alternative: Daten werden näher am Ort ihrer Erstellung verarbeitet und analysiert. Da die Daten zur Verarbeitung nicht über ein Netz in eine Cloud oder ein Rechenzentrum übertragen werden, sinkt die Latenzzeit deutlich. Edge Computing – und Mobile Edge Computing in 5G -Netzen – ermöglichen eine schnellere und umfassendere Datenanalyse. Dies bringt Vorteile wie fundiertere Einblicke, kürzere Reaktionszeiten und bessere Kundenerlebnisse mit sich.

Geräte an der Edge: Ausschöpfung des gesamten Potenzials

Von vernetzten Fahrzeugen bis zu intelligenten Bots in der Fabrik – die Menge an Daten, die weltweit von Geräten generiert wird, ist größer denn je, doch die meisten dieser IoT Daten werden nicht verwertet oder überhaupt genutzt. Eine Studie von McKinsey & Company kam beispielsweise zu dem Ergebnis, dass auf einer Offshore-Ölplattform 30.000 Sensoren Daten generieren. Doch weniger als 1 Prozent dieser Daten wird derzeit für die Entscheidungsfindung eingesetzt.²

Edge Computing nutzt die zunehmende geräteinterne Rechenleistung, um nahezu in Echtzeit detaillierte Einblicke und vorausschauende Analysen zu ermöglichen. Diese bessere Analysefähigkeit in Edge Geräten kann Innovationen ermöglichen, die Qualität und Nutzen verbessern. Daraus gehen natürlich auch wichtige strategische Fragen hervor: Wie verwalten Sie die Implementierung von Workloads, über die diese Arten von Aktionen ausgeführt werden, wenn mehr Rechenkapazität zur Verfügung steht? Wie können Sie die integrierte Intelligenz in den Geräten nutzen, um operative Prozesse für Ihre Mitarbeiter, Ihre Kunden und Ihr Unternehmen besser zu beeinflussen? Um einen maximalen Nutzen aus diesen Geräten zu ziehen, müssen erhebliche Rechenvolumen in die Edge Umgebung verschoben werden.

Ihre Journey zum Edge Computing: Darauf müssen Sie achten

Edge Computing hilft Ihnen, das Potenzial der riesigen ungenutzten Datenmengen, die von angeschlossenen Geräten erzeugt werden, zu erschließen. Sie können neue Geschäftschancen ermitteln, die betriebliche Effizienz steigern und für ein schnelleres, zuverlässigeres und konsistentes Kundenerlebnis sorgen. Die besten Edge Computing Modelle sind diejenigen, die Ihnen helfen, das Leistungsverhalten zu verbessern, indem Sie Daten lokal analysieren. Ein gut durchdachtes Konzept für Edge-Computing trägt dazu bei, Workloads anhand von vordefinierten Richtlinien zu aktualisieren, Datenschutz aufrechtzuerhalten und die Gesetze und Bestimmungen im Hinblick auf den Data Storage Ort einzuhalten.

Aber dieser Prozess ist mit Herausforderungen verbunden. Bei einem effektiven Edge Computing Modell müssen Faktoren wie Risiken bei der Netzwerksicherheit, komplexes Management und Einschränkungen bei Latenzzeiten und Bandbreiten berücksichtigt werden. Ein funktionsfähiges Modell kann in vielen Bereichen helfen:

  • Cloud- und geräteübergreifendes Workload-Management
  • Zuverlässige, nahtlose Implementierung von Anwendungen an jeder Stelle der Edge
  • Erhaltung von Offenheit und Flexibilität zur Anpassung an die sich wandelnden Anforderungen
  • Mehr Sicherheit und Zuverlässigkeit beim Betrieb

Die wichtigsten Merkmale des Edge Computing

Ganz gleich, welche Spielart des Edge-Computing für Sie von Interesse ist, ob Cloud-basiert, IoT-orientiert oder mobil – suchen Sie nach einer Lösung, mit der Sie Folgendes erreichen können:

Verwaltung von Softwareverteilungen im großen Stil

Reduzieren Sie die Zahl unnötiger Administratoren, sparen Sie damit Kosten ein und implementieren Sie Software, wo und wann sie benötigt wird.

Nutzung von Open Source Technologien

Verwenden Sie eine Edge Computing Lösung, mit der die Innovationsfähigkeit steigt und die ganze Vielfalt von Anlagen und Geräten auf dem heutigen Markt nutzbar ist.

Sicherheitsbedenken ausräumen

Gewinnen Sie die Gewissheit, dass die richtigen Workloads zur richtigen Zeit auf der richtigen Maschine ausgeführt werden. Achten Sie auf einfache Möglichkeiten, die Unternehmensrichtlinien zu steuern und durchzusetzen.

Zusammenarbeit mit einem vertrauenswürdigen Partner mit fundiertem Branchenwissen

Suchen Sie nach einem Anbieter mit einer bewährten Multicloud-Plattform und einem umfassenden Portfolio an Services, das darauf ausgerichtet ist, bei Ihren Edge-Implementierungen die Skalierbarkeit zu erhöhen, die Leistung zu optimieren und die Sicherheit zu verbessern. Fragen Sie Ihren Anbieter nach erweiterten Services, mit denen sich geschäftsrelevantes Wissen und Leistung an der Edge maximieren lassen.

¹„What Edge Computing Means for Infrastructure and Operations Leaders“, Rob van der Meulen, Gartner Research, Oktober 2018 (Link außerhalb von IBM)

²„The Internet of Things: Mapping the Value Beyond the Hype“, McKinsey Global Institute, McKinsey & Company, Juni 2015 (Link befindet sich außerhalb von IBM)