Was ist Edge Computing?

Edge Computing ist neben Cloud Computing ein wichtiges Thema im IIoT Umfeld. Vor einigen Jahren gab es einen ausgeprägten Trend zur Cloud als die bevorzugte Lösung zur Datenspeicherung sowohl im privaten als auch im industriellen Umfeld. Die Cloud ist einfach einsetzbar und skalierbar. Doch mit wachsenden Datenmengen steigen auch die Kosten für den breitbandigen Datentransfer sowie die Datenspeicherung. Auch die Datensicherheit ist durch Cyberkriminalität gefährdet und Anforderungen an das Echtzeitverhalten nehmen deutlich zu. Edge Computing gewinnt somit immer mehr an Bedeutung, weil es die Nachteile des Cloud Computing ausgleichen kann. Im folgenden Artikel erklären wir Ihnen:

- Was bedeutet Edge Computing?

- Welche Vorteile bringt es?

- Welche Nachteile hat es?

- Wie hängt Edge Computing mit KI zusammen?

- Die typischen Anwendungsszenarien 

Was bedeutet Edge Computing?

Edge Computing bezeichnet im engeren Sinne die quellennahe Datenverarbeitung. Im weiteren Sinne schließt es jegliche IT-Infrastruktur auf dem Firmencampus, wozu neben Industrierechnern auch Sensoren, Aktoren, Kommunikationsinfrastruktur wie Switche oder Router, sowie auch on-premise Cloud-Server gehören, mit ein. Das Edge (engl. Kante) bezeichnet dabei den Übergang vom Firmencampus zum öffentlichen Internet. Edge Computer findet man vorwiegend im industriellen Bereich in Werkhallen und Produktionsanlagen, doch sie werden auch in anderen Bereichen, zum Beispiel im Fahrzeug, eingesetzt. Es ist also ein sehr wichtiger Teil und eine Schlüsseltechnologie der Industrie 4.0.

Edge Computing Schaubild_zugeschnitten-1

Abbildung 1: Was ist Edge Computing

Vorteile des Edge Computing

Das Edge Computing bringt viele Vorteile mit sich, welche für unterschiedliche Branchen von Bedeutung sind.

  • Echtzeitanwendung

Durch Edge Computing können die Daten direkt vor Ort verarbeitet werden. Dank dieser quellennahen Datenverarbeitung im Gegensatz zur Verarbeitung in der Cloud sind die Latenzzeiten sehr gering. Latenzen bezeichnen dabei den Zeitraum, den ein Datenpaket vom Sensor zur Datenverarbeitungseinheit und wieder zurück zum Aktor inklusive der Verarbeitungszeit benötigt. Dies ermöglicht Echtzeitanwendungen, welche in vielen Bereichen essenziell sind. 

  • Kostenersparnis

Durch die lokale Datenverarbeitung und Speicherung können Sie die Kosten für den teuren Datentransfer und die Speicherung in der Cloud verringern. Sie können die beiden Lösungen Edge und Cloud verbinden: Die Daten werden vor Ort verarbeitet und aussortiert, sodass nur wichtige Daten in die Cloud zur Speicherung und Auswertung übertragen werden.

  • Ausfallsicherheit

Durch die Nutzung von Edge Computern können Sie die Ausfallsicherheit Ihrer Anlagen erhöhen. Industriell gefertigte Edge Computer zeichnen sich durch eine hohe Robustheit aus. Selbst, wenn sie hohen Temperaturen oder ständigen Vibrationen ausgesetzt sind, erreichen sie höchste Leistungen. Außerdem können sie durch Nutzung von Predictive Maintenance Konzepten helfen, den Ausfall anderer Maschinen vorzubeugen. Bei einer Cloud Lösung hingegen gibt es viele Gateways, Router oder Switche, welche auf dem Weg zur Cloud zwischengeschaltet sind und ausfallen können, denn die Verbindung zur Cloud läuft über öffentliche Netzwerkinfrastruktur. 

  • Datensicherheit

Durch die Verarbeitung und Verwaltung Ihrer Daten on-premise haben Sie die volle Kontrolle über deren Sicherheit. Durch die Speicherung auf dem Firmencampus können Sie eine höhere Datensicherheit gewährleisten, als im öffentlichen Internet. Zudem richten sich Cyberangriffe meist gegen größere Datensammelstellen, als gegen einzelne Unternehmen, was Ihnen ebenfalls eine höhere Datensicherheit bietet.

 

Nachteile des Edge Computing

  • Skalierbarkeit

Jedes System, welches man im Edge Computing einsetzt, ist durch seine Konfiguration begrenzt. Um steigende Datenmengen weiterhin schnell genug auswerten und speichern zu können ist oft ein Upgrade des Systems oder eine Neuanschaffung notwendig. Dies ist mit einer Investitionen in die entsprechende Hardware verbunden. Dagegen ist Cloud Computing vergleichsweise einfach skalierbar: hier können mit vergleichsweise wenig Aufwand die Speicherkapazitäten und die Performance erhöht werden. 

  • Zertifizierungen

Damit gewährleistet wird, dass Edge Computer im marktspezifischen Umfeld (z.B. Bahn, Gesundheitswesen, Aviation etc.) eigesetzt werden dürfen, braucht man für diese branchen- und meist auch länderspezifische Zertifizierungen. Diese können kostspielig sein und erfordern oft eine Revisionsgleichheit künftiger Ersatzmaschinen, da bei Veränderungen das System erneut zertifiziert werden muss.

KI in der Edge

Künstliche Intelligenz spielt im Bereich des Edge Computing zunehmend eine sehr wichtige Rolle. Durch die geringen Latenzen können die Daten direkt vor Ort ausgewertet werden und es liegen schnell Ergebnisse vor. Wenn ein Produktionsfehler erst sehr viel später bei der Auswertung in der Cloud erkannt wird, ist es meist schon zu spät diesen zu beheben. Dank KI in der Edge kann der Fehler in Echtzeit erkannt und aussortiert oder nachgebessert werden. 

Eine wichtige Voraussetzung für die Künstliche Intelligenz in der Edge ist das Industrial Internet of Things (IIoT). Es bezeichnet das Netzwerk zwischen den Objekten in der Industrie, wie Maschinen oder Systemen, welche durch Sensoren und Software miteinander vernetzt sind. Das IIoT erlaubt es den Maschinen miteinander zu kommunizieren und damit ohne menschliche Eingriffe Daten zu sammeln und Aktionen auszuführen.

Das rechenintensive Erstellen der Module, also das Machine Learning, wird gerne in die Cloud verlagert. Dabei werden meist Tausende von Daten von der KI erfasst und verarbeitet, damit diese lernt, Zusammenhänge zwischen Eingaben und Ergebnis zu erkennen. Das in der Cloud errechnete Modell wird von einem Inferenz-Rechner (hier Edge Computer), lediglich "angewendet", d.h. es verarbeitet neue Daten nach dem vorher erlernten Muster. Dies erfordert viel weniger Rechenleistung, was den Einsatz der KI in vielen verschiedenen Bereichen ermöglicht.


Typische Anwendungsszenarien

  • In der Industrie

Ein Beispiel für die Anwendung des Edge Computing im industriellen Bereich ist eine Sortierstraße im Paketzentrum. Dort werden die Pakete auf einem Laufband von Kameras in Hinsicht auf Abmessungen, Zielort, Zustand der Verpackung oder Lesbarkeit der Adresse gescannt. Die Daten werden von einem Embedded PC, wie zum Beispiel der Concepion-tXf-L-v3 ausgewertet und die Pakete zu den richtigen Stellen weitergeleitet. Um eine hohe Transport- und Sortiergeschwindigkeit zu gewährleisten ist eine hohe Reaktionsgeschwindigkeit der Maschinen erforderlich. Hierzu müssen die Daten schnell ausgewertet werden, damit die Signale an die Aktoren rechtzeitig geschickt werden. Dies wird mit den geringen Latenzzeiten des Edge Computing erreicht. 

  • Predictive Maintenance

Ein weiteres typisches Anwendungsszenarium für das Edge Computing ist das sogenannte Condition Monitoring, d.h. die Erfassung aller Umgebungs- und Fertigungsparameter, und die Möglichkeit der vorausschauenden Anlagen- und Maschinenwartung (Predictive Maintenance), die sich durch Auswertung dieser Daten ergibt. Damit entsprechende Aktionen, wie die Benachrichtigung über eine anstehende Wartung, eingeleitet werden können, ist es essenziell, dass die über Sensoren gesammelten Daten (z.B. Qualitätsparameter, Maschinenzustand) kontinuierlich erfasst und rechtzeitig verarbeitet werden. Auf diese Weise können das Normverhalten der Anlagen ermittelt, Abweichungen überwacht und Fehler vorhergesagt werden. Die hierzu benötigten Rechen- und Verarbeitungskapazitäten können sowohl lokal innerhalb der Edge, als auch über die Cloud, bereitgestellt werden.

  • Im Automotive Bereich

Auch in der Automotive Branche findet Edge Computing seine Anwendung. Hoch performante Systeme können beispielsweise in Fahrzeugen zur Fahrbahninspektion eingesetzt werden. Dabei nehmen Kameras die Fahrzeugumgebung auf und der Edge Computer wertet diese mithilfe von Künstlicher Intelligenz hinsichtlich Abweichung vom Sollzustand wie Unregelmäßigkeiten der Fahrbahnmarkierungen, Leitplanken oder anderer Störfaktoren, wie Objekten auf der Fahrbahn, aus.

 

Entdecken Sie jetzt unsere neuesten Edge Computer!

Zum Produktportfolio

Aleksandra Szlejter

Aleksandra Szlejter

Aleksandra Szlejter ist Marketing Assistentin bei der InoNet und unterstützt das Marketing-Team bei diversen Aufgaben.