Edge Computing für IoT

Heute ist Edge Computing zu einer unverzichtbaren ergänzenden Technologie im IoT geworden, die dazu beiträgt, die Datenverarbeitung zu verkürzen, die Latenz zu reduzieren und die Sicherheit einer Vielzahl von IoT-Geräten zu verbessern.

Viele moderne Anwendungen brauchen für ihre Funktionalität Edge Computing im IoT. So auch vernetzte Geräte, die es medizinischem Fachpersonal ermöglichen, Patienten aus der Ferne zu überwachen. Sensoren optimieren den Verkehrsfluss in stark befahrenen Gebieten und Systeme steuern Wasserkraftwerke – es gibt zahlreiche und vielfältige Anwendungsfälle.

In einem aktuellen Bericht wurde prognostiziert, dass die Zahl der IoT-Geräte bis Ende 2025 weltweit 18 Milliarden erreichen wird, was einem Anstieg von 1,6 Milliarden im Vergleich zu den zwei Jahren zuvor entspricht.¹

Edge Computing ist entscheidend, damit die von diesen Geräten generierten Daten am Edge und nicht in der Cloud verarbeitet werden, wo Netzwerke wie das Internet erheblich verlangsamt werden würden.

Laut Fortune Business Erkenntnis wurde der globale Markt für Edge Computing vor zwei Jahren auf etwas mehr als 10 Milliarden US-Dollar geschätzt. Es wird erwartet, dass sie in den nächsten sechs Jahren 182 Milliarden USD erreichen wird – eine durchschnittliche jährliche Wachstumsrate von 38,2 %.²

Edge Computing ist ein verteiltes Framework zur Datenverarbeitung, das Unternehmensanwendungen (Apps) näher an die Datenquellen bringt, von denen sie für ihre Funktionalität abhängig sind, wie z. B. Edge-Computing-Geräte.

Durch die Verlagerung der Anwendungen näher zur Quelle trägt Edge Computing dazu bei, die Zeit bis zur Gewinnung von Erkenntnissen zu verkürzen. Außerdem werden die Reaktionszeiten verbessert und die Bandbreite erhöht. Mit der Verbreitung von 5G-Netzwerken können Geräte mit Internetverbindung riesige Datenmengen erzeugen.

Edge Computing ermöglicht neuere Technologien wie Cloud Computing und künstliche Intelligenz (KI), die auf diese Daten angewiesen sind, um sich zu entfalten.

Das Internet der Dinge (IoT) bezieht sich auf ein Netzwerk von physischen Geräten, oft als „smarte“ Geräte bezeichnet, die mit Sensoren und Software ausgestattet sind. Diese Geräte sind mit einem Netzwerk wie dem Internet verbunden, wodurch sie große Datenmengen sammeln und teilen können.

Beispiele für IoT-Geräte sind Smart-Home-Geräte wie Kühlschränke und Thermostate sowie fortschrittlichere Systeme wie Windturbinen, Staudämme und Drohnen.

Edge Computing verbessert die Effizienz von IoT-Geräten erheblich, indem es die von ihnen gesammelten Daten näher an der Quelle verarbeitet. Mit diesem Ansatz wird vermeiden, die Daten zunächst in ein zentrales Rechenzentrum zu senden.

Durch die Verarbeitung der Daten näher am Ort ihrer Erfassung verkürzt Edge Computing die IoT-Datenverarbeitungszeiten erheblich, was die Technologie effizienter macht und die Anzahl der Anwendungsfälle und Anwendungen erhöht.

Beim IoT Edge Computing werden Geräte und Sensoren durch ein System geleitet, verarbeitet und gespeichert – und das alles, ohne sie an ein Rechenzentrum senden zu müssen. Durch die Verteilung der Workload auf mehrere Geräte stellt IoT Edge Computing sicher, dass kein einzelnes Gerät jemals überlastet wird. Hier betrachten wir den Prozess genauer.

1. Datenerfassung: Ein Sensor auf einem IoT-Gerät sammelt Daten. Beispiele hierfür sind die Geschwindigkeit und Richtung des Windes bei einer Turbine oder die Umgebungstemperatur bei einem intelligenten Thermostat.
2. Lokale Verarbeitung: Die Daten werden lokal durch ein Edge-Gerät verarbeitet, in der Regel ein Gateway oder ein Server in der Nähe, der sie mithilfe lokaler Rechenressourcen analysiert.
3. Datenfilterung: Das Edge-Gerät filtert die erfassten Rohdaten, verwirft unwichtige Informationen und verarbeitet die relevanten.
4. Automatisierung: Edge Computing ist vielleicht der wichtigste Schritt im gesamten Prozess und ermöglicht einigen IoT-Geräten die automatisierte Entscheidungsfindung. Sensoren können so programmiert werden, dass sie auf der Grundlage von Echtzeitdaten bestimmte Aktionen durchführen, z. B. das Abschalten einer Maschine, die überhitzt, oder das Wenden eines autonomen Fahrzeugs, um einen Unfall zu verhindern.
5. Cloud-Verarbeitung: Der letzte Schritt des Prozesses umfasst die Identifizierung von Daten, die zur weiteren Verarbeitung, Speicher und Datenanalyse in die Cloud gesendet werden müssen. Zum Beispiel, wenn es Erkenntnisse über Business Intelligence liefern oder zu Schulungszwecken dienen sollte.

IoT-Geräte und Edge-Geräte sind sich so ähnlich, dass die beiden Begriffe oft synonym verwendet werden. Es gibt jedoch einige beachtenswerte Unterschiede. Im Großen und Ganzen sind IoT-Geräte Komponenten, die mit einem Netzwerk verbunden sind und über einen oder mehrere Sensoren Daten generieren. Auch Edge-Geräte sind Hardwareteile. Im Gegensatz zu IoT-Geräten sind sie darauf ausgelegt, Daten zu erfassen, zu verarbeiten und darauf zu reagieren – und nicht nur zu speichern.

In der Regel sind Edge-Geräte komplexer als IoT-Geräte und enthalten mehr Teile. Einige Edge-Geräte verfügen sowohl über Leistung als auch über Ressourcen.

Wenn ein Edge-Gerät stark in ein IoT-Gerät integriert ist, kann es als Komponente des Geräts selbst und nicht als separates System betrachtet werden. Zum Beispiel, wenn ein IoT-Gerät mit einem Datenspeicher und ausreichend Rechenleistung ausgestattet ist, um einfache Entscheidungen mit geringer Latenz zu treffen.

Maschinelles Lernen (ML), eine Art von KI, die sich darauf konzentriert, Computern beizubringen, wie Menschen zu lernen, spielt in den meisten Edge-Computing- und IoT-Anwendungen eine wichtige Rolle.  

Mit Hilfe von ML können IoT- und Edge-Geräte darauf trainiert werden, auf der Grundlage der erfassten, gespeicherten und verarbeiteten Daten Vorhersagen zu treffen und Initiate® Reaktionen zu initiieren.  

ML-Anwendungsprogrammierschnittstellen (APIs) sammeln Daten von IoT-Edge-Geräten und verwenden ML-Algorithmen, um Muster, Änderungen der Umgebungsbedingungen und mehr zu erkennen. Anhand dieser Informationen kann das Edge-Gerät lernen, bestimmte Bedingungen oder Anomalien zu erkennen und automatisierte Prozesse auszulösen.

Beispielsweise kann ein mit ML ausgestattetes IoT-Edge-Gerät, das an Wasserdurchflusssensoren angeschlossen ist, so programmiert werden, dass es Abflusskanäle öffnet oder schließt, damit das Wasser in verschiedene Richtungen fließen kann und so Überschwemmungen verhindert werden.

Über ein als IoT-Gateway bekanntes Gerät können sich Edge-Computing- und IoT-Geräte mit modernen Cloud-Computing-Umgebungen verbinden, um Funktionen wie Datenfilterung und -analyse zu verbessern. IoT-Gateways sind kleine Geräte, die IoT-Geräte mit der Cloud verbinden, indem sie Kommunikationsprotokolle übersetzen und Daten lokal sammeln und verarbeiten.

IoT-Gateways tragen dazu bei, einen zuverlässigen, sicheren Datenfluss zwischen dem IoT- oder Edge-Gerät und Cloud-basierten Systemen und Services zu gewährleisten, wodurch die Effizienz verbessert und die allgemeine Netzwerksicherheit erhöht wird. IoT-Gateways verwenden eine Reihe von Verschlüsselung -Funktionen, um Daten unlesbar zu machen, wenn sie zwischen Geräten, Benutzern und der Cloud übertragen werden, sodass nur autorisierte Benutzer sie sehen können.

Über IoT-Gateways ermöglichen IoT-Geräte eine Vielzahl von Cloud-Services wie Smart Homes und Cities, Remote Facilities Management und Lieferkette-Management.

Die Kombination der Leistungsfähigkeit von Edge Computing mit der Vielseitigkeit und Vielfalt der Anwendungen, die IoT-Geräte bieten, hat zahlreiche Vorteile. Hier sind einige der häufigsten.

Edge Computing im IoT hat die Art und Weise verändert, wie Unternehmen die Leistung ihrer wertvollsten Assets überwachen und Daten erfassen, speichern und verarbeiten. Vom sicheren Betrieb autonomer Fahrzeuge über die Steigerung der Sicherheit in Städten bis hin zur Optimierung komplexer Fertigungssysteme – hier sind fünf der überzeugendsten Anwendungsfälle.

Mitarbeiter im Gesundheitswesen nutzen IoT-Sensoren und Edge Computing, um Patienten aus der Ferne zu überwachen und eine Vielzahl von Erkrankungen zu behandeln. Sei es das Einsehen der Vitalparameter oder Senden von Warnmeldungen über Veränderungen bei chronischen Erkrankungen wie Diabetes und Herzgeräuschen spielt Edge Computing im IoT eine wichtige Rolle bei der Fernüberwachung von Patienten. Es hat den Prozess sowohl für die Patienten als auch für ihre Leistungserbringer sicherer und einfacher gemacht.

IoT-Lösungen und Edge-Computing-Funktionen ermöglichen es autonomen Fahrzeugen, von selbstfahrenden Autos bis hin zu Flugzeugen ohne Piloten und Waffensystemen, verschiedene Aufgaben sicher und effektiv zu erledigen. Flugzeuge, Drohnen und Autos müssen nahezu in Echtzeit auf Veränderungen in ihrer Umgebung reagieren.

Fortschritte beim Edge Computing für IoT haben dazu geführt, dass autonome Fahrzeuge weniger auf Cloud Computing angewiesen sind, sodass Daten nun am Edge eines Netzwerks statt in einem Rechenzentrum verarbeitet werden können.

Das industrielle IoT (iIot) beinhaltet das Hinzufügen von IoT-Sensoren zu den komplexen und teuren Maschinen, die in vielen industriellen Fertigungsprozessen verwendet werden. Diese Edge- und IoT-Sensoren analysieren einen konstanten Strom von Daten und wenden fortschrittliche ML-Lernalgorithmen an, um Verbesserungsmöglichkeiten zu erkennen.

IoT-Sensoren können auch an schwachen oder anfälligen Teilen eines Fertigungssystems angebracht werden, damit Ingenieure schneller sehen, was eine Störung verursacht.

Smarte Städte, vernetzte Stadtgebiete, die auf Technologie zur Erfassung und Analyse von Daten angewiesen sind, um die Lebensqualität der Bürger zu verbessern, sind in hohem Maße von Edge Computing- und IoT-Technologien abhängig.

In Smart Citys verlassen sich die Regierung auf Sensoren, die an Straßen, Fahrzeugen, Kraftwerken und mehr angebracht sind, um Echtzeitinformationen über die Bedingungen zu liefern. Diese Informationen helfen ihnen, Stromnetze, Verkehrssysteme, Notfallsysteme und andere wichtige Teile der Infrastruktur zu optimieren.

Dank IoT-Technologie können die meisten Aspekte moderner Lieferketten aus der Ferne verwaltet werden. Sensoren, die zum Zeitpunkt der Herstellung an den Waren angebracht werden, liefern beispielsweise Echtzeit-Status- und Standortinformationen. Diese Daten bieten den Benutzern ein Echtzeitbild ihres Bestands und ermöglichen es ihnen, den Warenfluss zu optimieren.

In fortschrittlicheren Anwendungen haben Unternehmen Edge Computing in IoT-Systemen genutzt, um Aspekte des Bestandsmanagements zu automatisieren und so Ressourcen für andere Zwecke bereitzustellen.