Betrachten Sie das Molekül, das Atome in verschiedenen Bahnen enthält, die sich um einen Kern drehen. Nehmen wir nun an, das Molekül ist unsere Computerumgebung. In normalen Unternehmensfällen wird die Rechenleistung auf ein zentrales Rechenzentrum (den Kern) verteilt. Die Atome in den äußeren Umlaufbahnen um den Kern stellen Edge-Geräte dar, die ihre Anweisungen vom Rechenzentrum erhalten.

In Edge-Computing-Architekturen haben diese Edge-Geräte jedoch keine direkte Interaktion mit dem Rechenzentrum. Stattdessen finden die Interaktionen zwischen diesen umlaufenden Datenquellen an oder in der Nähe ihres physischen Standorts statt, d. h. an oder innerhalb der Grenze eines Zugangsnetzwerks, am Edge des Netzwerks. Da die Übertragungsdistanz dieser Daten drastisch verkürzt wurde, führt dies zu erheblich reduzierten Latenzraten.

Edge-Computing-Infrastrukturen werden in der Regel von verschiedenen Dienstanbietern verwaltet, die Rechenressourcen in oder innerhalb der Ausführungsschicht an der Grenze eines Zugangsnetzwerks platzieren. Die Ausführungsschicht ist ein Band, das sich in der Nähe des äußeren Randes einer Computerumgebung befindet und die Zuweisung, Leistung und Ausführung von Computing-Aufgaben verwaltet. Durch die Platzierung von Assets in der Nähe der Ausführungsschicht kann Edge-Computing eine schnellere Aufgabenausführung bieten.

Zu den verschiedenen Serviceanbietern, die zusammen ein digitales Ökosystem bilden, können Lieferanten, Apps und externe Datendienstanbieter gehören. Edge-Geräte können auch in On-Premises-Situationen eingesetzt werden.

Autonome Fahrzeuge (Autonomous Vehicles, AVs) sind selbstfahrende Autos und Lkws, die Edge-Computing nutzen, um Navigationssystemen im Auto dabei zu helfen, den endlosen Datenstrom zu erfassen und zu interpretieren, der von verschiedenen Sensoren (wie Radar, LiDAR und Verkehrskameras) bereitgestellt wird. Und da sich die Verkehrssituation ständig ändert, ist es wichtig, dass das Navigationssystem diese Daten in Echtzeit interpretieren und darauf reagieren kann.

Das Energieministerium definiert AVs als Fahrzeuge, die mit einer Technologie ausgestattet sind, die den Betrieb des Fahrzeugs ohne direkte Kontrolle durch den Fahrer ermöglicht. Mittlerweile haben mindestens 25 verschiedene Autohersteller bereits mit der Umsetzung von AV-Systemen begonnen. Zu der Gruppe gehören führende Hersteller wie BMW, Ford, Mercedes-Benz Group AG, Tesla und Cadillac.

Jetzt sind wir in der Phase der Implementierung eingetreten, in der die Hersteller ihre Prototypen testen. Es gibt zahlreiche Aspekte, die diese Phase der Entwicklung besonders schwierig machen.

Zum einen wurden und werden autonome Fahrzeuge unter realen Verkehrsbedingungen getestet, unter denen sich die Fahrbedingungen fast augenblicklich ändern können. Und jetzt, da Autohersteller Technologien einbauen, die sicherlich dazu führen werden, dass einige Fahrer weniger auf das eigentliche Fahren selbst achten, versuchen sie auch, Funktionen hinzuzufügen, um sicherzustellen, dass die Fahrer von AVs nicht zu sehr abgelenkt werden.

So hält das Mercedes Drive Pilot System eine Kamera am Armaturenbrett bereit, die auf das Gesicht des Fahrers gerichtet ist. Es stimmt also, dass sich der Fahrer mit einem echten Videospiel auf dem Armaturenbrett vergnügen kann. Wenn die Kamera jedoch erkennt, dass er den Fahrersitz verlassen hat oder anderweitig handlungsunfähig ist (z. B. durch Einschlafen), schaltet sich das System ab. Dieses System wird als Startprogramm in Nevada getestet, wo solche Autos gefahren werden dürfen, allerdings nur mit Geschwindigkeiten unter 65 km/h.

Ein weiterer wichtiger zu berücksichtigender Aspekt ist die heikle Frage des Verkehrsmanagements. Edge-Computing löst Probleme des Verkehrsmanagements durch die lokale Verarbeitung von Daten, die an Verkehrsknotenpunkten gesammelt werden. Dies hat mehrere Vorteile, wie z. B. mehr Sicherheit für Fußgänger, bessere Verkehrsbedingungen und eine reibungslosere Streckenführung für Einsatzfahrzeuge.

Edge-Computing unterstützt sogar das „Platooning“ von Lkw-Konvois, bei dem ein menschlicher Fahrer einen Leit-Lkw steuern kann, während die dahinter fahrenden Lkw über Steuersignale per Funk in einer virtuellen Daisy-Chain und im Gleichschritt verbunden bleiben.

Neben der Fähigkeit, Routen zu navigieren, müssen AVs darauf trainiert werden, sich die Straße zu teilen und vorübergehend Nachsicht gegenüber schlechtem Fahrverhalten von menschlichen Fahrern und anderen AVs zu üben. Darüber hinaus sollte beachtet werden, dass diese Technologie weitere Infrastrukturkosten mit sich bringt, wie z. B. die Kosten für die Nachrüstung von Verkehrselementen mit Edge-Geräten wie IoT-Sensoren, um sofort mit vorbeifahrenden AVs zu kommunizieren und sie über sich ändernde Verkehrsmuster, Baustellenaktualisierungen oder Wetterwarnungen zu informieren.

Edge-Computing verleiht Content Delivery Networks eine neue Dimension und hilft Künstlern und ihren Talenten, eine breitere Zielgruppe zu erreichen. Dies geschieht durch die Verwendung eines Caches, um ihre Webseiten, Musik und Streaming-Video-Inhalte im Edge-Bereich zu speichern. Auf diese Weise kann Edge Computing die Latenzzeiten verringern und eine bessere Wiedergabequalität von Video und Audio gewährleisten, wenn der Verbraucher Inhalte streamt.

Das gleiche Grundprinzip wird von Verlagen verwendet, die cloudbasierte Gaming-Erlebnisse anbieten, bei denen Spiele auf Remote-Servern gespielt werden, die das Spielgeschehen auf den Bildschirm des Spielers leiten. Diese Publisher und ihre Spiele profitieren auch von der geringeren Latenzzeit des Edge-Computing, was Virtual-Reality-Anwendungen (VR) sehr zugutekommt.

Die vielleicht wichtigste Anwendung von Edge Computing findet in Krankenhäusern und anderen medizinischen Einrichtungen statt, wo die Geschwindigkeit der Informationsverarbeitung buchstäblich über Leben und Tod entscheiden kann. Edge Computing wirkt der Latenz durch eine lokal basierte Datenverarbeitung entgegen, sodass wichtige Patientendaten sofort an medizinisches Fachpersonal weitergeleitet werden können, um Gesundheitsinformationen in Echtzeit zu analysieren.

Mit Edge-Computing können Ärzte die benötigten Echtzeitinformationen abrufen und das Pflegepersonal kann vollständige Dashboards für einzelne Patienten erstellen. Ein solcher Datenzugriff wird umso wichtiger, je schwerwiegender ein chirurgischer Eingriff ist. So verlassen sich Krankenhäuser bei ferngesteuerten Eingriffen, wie z. B. robotergestützten Operationen, auf Edge-Computing.

Edge Computing hat noch weitere gesundheitliche Vorteile. Derzeit gibt es in Krankenhäusern unzählige Situationen, in denen verschiedene Überwachungsgeräte und andere diagnostische Geräte nicht miteinander verbunden sind. Die Alternative für Gesundheitsdienstleister, um diesen stetigen Strom nützlicher Daten nicht zu verlieren, wäre normalerweise die Speicherung der Daten in einer Drittanbieter-Cloud.

Doch ein weiterer wichtiger Bereich, der sich in den letzten Jahren herauskristallisiert hat, ist der Patientendatenschutz. Die Gesetze und Standards, die durch die Protokolle des Health Insurance Portability and Accountability Act (HIPAA) (Link befindet sich außerhalb von ibm.com) durchgesetzt werden, wurden zum Teil entwickelt, um die Datenschutzrechte von US-Bürgern zu gewährleisten. Edge-Computing unterstützt diese Standards, indem es die lokale Verarbeitung von Daten ermöglicht, anstatt sie in einer Cloud eines Drittanbieters zu verarbeiten, die Sicherheitsrisiken bergen kann.

In Fertigungsbetrieben gibt es zahlreiche Möglichkeiten für den Einsatz von Edge-Computing. Es unterstützt bei der Koordinierung von Maßnahmen zur Automatisierung und stellt sicher, dass ausreichend Rohmaterialien für die Fertigung vorhanden sind.

Eine wertvolle Möglichkeit, wie Edge-Computing die Fertigung unterstützt, ist das maschinelle Lernen im kleinen Maßstab (tinyML), das vorausschauende Wartungspraktiken unterstützt, indem es Anomalien in der Fertigung erkennt. Zu den positiven Ergebnissen von tinyML gehören die frühzeitige Erkennung von erforderlichen Wartungsmaßnahmen, kürzere Ausfallzeiten, eine begrenzte Latenzzeit und geringere Betriebskosten.

Die tragbare Technologie ist auf Edge-Computing angewiesen, um Endbenutzer mit hochmoderner Kleidung auszustatten, die technische Funktionen erfüllt, wie z. B. Jacken, die Ladestationen für elektronische Geräte enthalten.

Die Landwirtschaft wird oft im Zusammenhang mit Nachhaltigkeit diskutiert, aber es gibt auch den Produktionsaspekt der Landwirtschaft. Edge Computing hilft landwirtschaftlichen Betrieben in ländlichen Gebieten, einen konsistenten Zugang zu Hochgeschwindigkeitsverbindungen zu erhalten, die sie dringend benötigen, um von fortschrittlichen Landwirtschafts-Apps zu profitieren. Edge-Computing ermöglicht es Landwirten, private drahtlose Netzwerke in ländlichen Gebieten zu nutzen, was den Einsatz von Automatisierung und Datenanalyse unterstützt. Indem Landwirten Echtzeitinformationen zur Verfügung gestellt werden, können die Ernteerträge maximiert und ihre Effizienz verbessert werden.

Wenn es darum geht, eine angenehme Customer Experience zu bieten, sind Einzelhändler immer auf der Suche nach einem Wettbewerbsvorteil. Edge Computing bietet Einzelhandelsanbietern mehrere Möglichkeiten, unvergessliche Benutzererlebnisse zu schaffen. Für viele Einzelhändler bietet das Grid Computing eine weitere Möglichkeit, der Konkurrenz einen Schritt voraus zu sein, insbesondere im E-Commerce-Bereich. Grid Computing ist eine Art der verteilten Datenverarbeitung, bei der eine Gruppe von Maschinen und/oder Netzwerken für einen gemeinsamen Rechenzweck zusammenarbeitet.

Außerdem gibt es eine neue Technologie, die es ermöglicht, Gesichtserkennungstechnologie bei Kunden einzusetzen. Bei vollständiger Integration wird diese Technologie den Geschäften einen zügigen Betrieb der Kassenbereiche ermöglichen.

Ein weiteres schlagkräftiges Argument für den Einsatz von Edge Computing sind die Bemühungen zur Wiederauffüllung der Bestände, um sicherzustellen, dass der Lagerbestand mit der Nachfrage in den Filialen Schritt hält. Dies kann durch den Einsatz von Kameras und RFID-Tags sowie den Einsatz von Objekterkennungssoftware in Verbindung mit vorhandenen Produktinformationen erreicht werden.

Darüber hinaus können diese Verbraucher beim Stöbern im Geschäft hilfreiche Erinnerungen und Produktempfehlungen zu früheren Einkäufen erhalten. Diese Liebe zum Detail trägt dazu bei, ein reichhaltigeres und persönlicheres Einkaufserlebnis zu schaffen.

Kein anderes Thema ist für die Datenverarbeitung so wichtig wie die Datensicherheit. Edge-Computing wurde speziell zur Verbesserung der Sicherheit entwickelt. Es beginnt am „Eingangstor“, indem es versucht, die Infektion von Computersystemen eines Unternehmens durch Malware zu verhindern. Dazu werden Cybersicherheitsprotokolle implementiert, die verhindern, dass Malware jemals ihre beabsichtigten Endgeräte innerhalb eines Systems erreicht.

Vermutlich in allen Branchen besteht zumindest ein gewisser Bedarf an zusätzlichen Cybersicherheitsmaßnahmen. Einige Branchen (z. B. Rüstungsunternehmen) haben jedoch ein besonderes Bedürfnis nach Sicherheit, das alle anderen Überlegungen übertrifft. Für Unternehmen, die in einem solchen Umfeld tätig sind, bietet Edge-Computing ein Höchstmaß an Sicherheit, indem es die lokale Datenverarbeitung nutzt, um sensible Informationen vor den potenziellen Risiken zu schützen, die durch Cloud Computing entstehen.

Natürlich ist auch für Finanzunternehmen eine erhöhte Sicherheit von entscheidender Bedeutung, und eine Möglichkeit, wie Edge-Computing Fintech-Unternehmen unterstützt, ist die Bereitstellung verbesserter Funktionen zur Betrugserkennung. Wenn die Datenverarbeitung näher an der ursprünglichen Quelle erfolgt, wird die Datenanalyse beschleunigt und betrügerische Transaktionen können schneller aufgedeckt werden.

Da Edge-Computing so viele potenzielle Vorteile für Unternehmen bietet, mag es überraschen, dass es auch der Umwelt zugutekommen kann. Eine Möglichkeit ist die Verwendung von Edge Computing zur Überwachung geschützter Wildtierarten, die in entlegenen Gebieten leben. Edge Computing kann Wildtierbeamten und Parkwächtern dabei helfen, Wilderei zu erkennen und zu stoppen, manchmal sogar, bevor diese Straftaten überhaupt begangen werden können.

Eine weitere äußerst wichtige Anwendung des Edge Computing ist das Energiemanagement. Edge Computing unterstützt die Nutzung intelligenter Stromnetze, die Energie effizienter bereitstellen und Unternehmen dabei helfen können, eine bessere CO2-Bilanz zu erzielen. Grid Computing ist eine Art verteiltes Rechnen, bei dem eine Gruppe von Computern und/oder Netzwerken für einen gemeinsamen Rechenzweck zusammenarbeitet. Ressourcen werden auf optimierte Weise genutzt, wodurch die Abfallmenge reduziert wird, die bei einem hohen Stromverbrauch entstehen kann.

Apropos Energiemanagement: Edge Computing unterstützt auch die Remote-Überwachung von Öl- und Gasvorkommen, und das ist keine Kleinigkeit, wenn man bedenkt, an welch rauen Orten Öl gefördert wird (z. B. auf dem Meeresboden). Edge Computing fördert die Nutzung von Echtzeitanalysen und bringt diese näher an das jeweilige Asset heran, wodurch der Bedarf an Cloud-Konnektivität begrenzt wird.

Immer mehr Bauingenieure, die Stadtentwürfe erstellen, beziehen Smart Cities in ihre Planung ein, um die Innovation in der Stadt und eine größere Nachhaltigkeit voranzutreiben. Aus dem gleichen Grund nutzen Stadtingenieure Edge Computing, um Messungen im Zusammenhang mit der vorausschauenden Wartung von Bauwerken zu berechnen, sowie Apps, die sich auf den allgemeinen baulichen Zustand beziehen.

Für Kommunen unterstützt Edge Computing lokale Regierungen, Verkehrsbehörden und verschiedene Verkehrsträger bei der Verwaltung ihrer städtischen Fahrzeugflotten, indem es die neuesten Echtzeitbedingungen nutzt. Edge-Computing-Plattformen können auch zur Analyse von Verkehrsmustern und zur Entlastung von Staus in diesen Gebieten eingesetzt werden.

Zusätzlich zu diesen Services können Edge-Geräte zur Verarbeitung von Nutzungsdaten vor Ort eingesetzt werden, wo immer diese vorhanden sind. Mitarbeiter der Stadtverwaltung können Edge-Geräte verwenden, um Daten aus der öffentlichen Infrastruktur, Stromnetzen und anderen Datenquellen zu erfassen, die darauf hindeuten, dass dringender Handlungsbedarf besteht.