Da Unternehmen immer mehr Daten aus vernetzten Geräten, Sensoren und Maschinen generieren,
Edge Computing ist zu einer wichtigen Strategie geworden, um Bandbreite, Zeit und Geld zu sparen.Anstatt jeden Datenpunkt in die Cloud zu senden, verarbeitet Edge Computing Informationen näher an ihrem Entstehungsort – indem Daten lokal gefiltert, analysiert und verarbeitet werden. Dieser Ansatz reduziert den Netzwerkverkehr erheblich, senkt die Kosten für Cloud und Konnektivität und ermöglicht eine schnellere Entscheidungsfindung in Echtzeit.
Edge Computing(auch Edge Compute genannt) ist die Praxis, Datenverarbeitung am Rand des Netzwerks durchzuführen, in der Nähe der physischen Geräte, Anlagen oder Systeme, die überwacht oder gesteuert werden. Indem sie latenzempfindliche und umfangreiche Daten am Rand speichern, können Unternehmen ihre betriebliche Effizienz verbessern, die Zuverlässigkeit erhöhen und sofort auf kritische Ereignisse reagieren – ohne sich ausschließlich auf zentralisierte Rechenzentren oder Cloud-Infrastrukturen zu verlassen.
Weiter zu:
Edge Computing ist ein leistungsfähiges Konzept, das sich gerade erst durchzusetzen beginnt. Viele Unternehmen wissen vielleicht nicht einmal, dass sie Edge Computing benötigen. Sie wollen einfach nur Herausforderungen lösen, und ob sie mit dem Konzept vertraut sind oder nicht, Edge Computing ist die Antwort. Lassen Sie uns über drei der wichtigsten Treiber sprechen.
Nr. 1: Verwalten von Daten, die Sie nicht sehen müssen
Der erste Treiber ist die Verwaltung von IoT Implementierungen, bei denen ein großes Datenvolumen am Rande erfasst wird. Möglicherweise steht nur eine begrenzte Bandbreite zur Verfügung, um all diese Daten zu übertragen, oder das Unternehmen möchte seine Bandbreite aufgrund von Kostenproblemen oder Nutzungsobergrenzen bei Mobilfunk Datenplänen sparsam einsetzen. Und ein Großteil dieser Daten kann tatsächlich ignoriert werden.
Im Durchschnitt handelt es sich bei den meisten Überwachungsdaten um Standard-"Heartbeat"-Daten, d. h. um Informationen, die im Wesentlichen besagen: "Ich bin betriebsbereit." Edge-Geräte senden oft die gleiche Nachricht jedes Mal, wenn sie zum Aufwachen und Melden programmiert sind. Ein Edge-Compute-Gerät kann automatisch zwischen den unveränderlichen "Heartbeat"-Daten und Ausreißerdaten, die Aufmerksamkeit erfordern, unterscheiden. So kann es das Datenvolumen minimieren, das eine Mobilfunk Verbindung erfordert. Wenn mehr Details benötigt werden, können Sie den Status einfach abfragen. Ansonsten werden die Heartbeat-Daten nicht übertragen.
Nr. 2: Abläufe automatisieren
Mit einer Edge-Computing-Lösung kann ein intelligentes Edge-Gerät eine Entscheidung treffen und Maßnahmen ergreifen. In einem Einsatz, in dem ein Edge-Gerät beispielsweise einen Wassertank überwacht, der ständig von einer Pumpe befüllt wird, kann das Gerät feststellen, ob der Tank voll ist und die Pumpe ordnungsgemäß funktioniert. Wenn das Wasser einen bestimmten Füllstand erreicht, kann das Edge-Gerät die Pumpe abschalten und den Füllstand melden.
Lokale Informationseingänge, egal ob es sich um einen oder 100 Eingänge handelt, liefern die Intelligenz, um zu bestimmen, welche Maßnahmen ergriffen werden sollten. Diese Eingänge können Dinge wie Tankfüllstand, Temperatur oder Spannungswerte sein, die darauf hinweisen, dass die Batterie schwach wird. In diesem Fall könnte das Edge-Gerät einen Generator einschalten, um die Stromversorgung aufrechtzuerhalten, bis die Batterie ersetzt wird. Intelligente Geräte am Netzwerkrand haben die Fähigkeit, Prozesse zu starten und andere Geräte ein- und auszuschalten. Es ist erwähnenswert, dass Schalter, Relais und Aktoren unterschiedliche Mechanismen sind, die alle den gleichen grundlegenden Zweck in der Edge-Umgebung erfüllen.
Normalerweise gibt es in einer entfernten Kommandozentrale eine gewisse Übersteuerungsmöglichkeit. Aber im Idealfall kann das Gerät Maßnahmen ergreifen, ohne dass ein entferntes System einen Befehl senden muss. Das ist das Schöne am Edge Computing: Das Personal kann seinen wichtigen Aufgaben nachgehen, und niemand muss in ein Servicefahrzeug steigen, um zu einem entfernten Standort zu fahren. Es kümmert sich einfach um sich selbst.
Nr. 3: Sichtbarkeit am Rande gewinnen
Der dritte Treiber ist die Notwendigkeit, Einblick in den Status von Geräten und Prozessen sowie in wichtige Ereignisse im gesamten Netzwerk zu erhalten. Unabhängig davon, ob Sie Edge-Geräte haben, die Frostbedingungen, Bodenbedingungen, Wettermuster oder andere wichtige Daten überwachen, benötigen Systemmanager auf einen Blick Informationen über diese Bedingungen und kritische Benachrichtigungen, die ein Eingreifen erfordern.
Es gibt viele Beispiele, aber eines unserer Favoriten ist Wake, Inc.ein Unternehmen, das Sensoren für die Betonaushärtung in schweren Bauprojekten anbietet. Mit Digi Connect Sensor und Digi Remote Manager®Wake bietet eine komplette Überwachungslösung, die Projektmanager über Hunderte oder Tausende von Betongüssen hinweg über alle kritischen Probleme informiert. Wenn der Beton eine Temperatursanierung benötigt, können Teams Benachrichtigungen erhalten und schnell Erwärmungs- oder Kühlstrategien anwenden, um sicherzustellen, dass der Beton richtig aushärtet und die Spezifikationen erfüllt.
Wie wir bereits angedeutet haben, erfordert die Verwaltung von Anlagen, die sich über weite Gebiete erstrecken, wie z. B. ein Ölfeld, ein Solar- oder Windpark oder eine Großbaustelle, besondere Überlegungen. Es wäre kostspielig und nahezu unmöglich, jede Installation von Mitarbeitern überprüfen zu lassen, um sicherzustellen, dass die Prozesse und Geräte jederzeit ordnungsgemäß laufen. Edge Computing ist eine Schlüsselfunktion, um diese großen IoT Installationen kosteneffektiv zu machen.
Es gibt auch einige wirklich unternehmenskritische Anwendungsfälle, bei denen Maschinen oder Anlagen möglicherweise ernsthafte Schäden erleiden oder zu Umweltkatastrophen führen können, ohne dass ein sofortiges Eingreifen durch die nahezu in Echtzeit erfolgende Reaktionsfähigkeit von Edge Computing möglich ist.
So kann beispielsweise ein Feuchtigkeitssensor, der an ein Edge-Gerät angeschlossen ist, schnell einen Prozess zum Abschalten der Stromversorgung einleiten, um elektrische Geräte an einem überschwemmungsgefährdeten Ort zu schützen. Ein weiteres Beispiel sind Stromversorgungsunternehmen, die in brandgefährdeten Gebieten tätig sind. Versorgungsunternehmen implementieren Edge-Computing-Lösungen zum Abschalten von Transformatoren, um die Brandgefahr zu verringern. In solchen Fällen werden die relativ bescheidenen Kosten für die Bereitstellung einer Edge-Computing-Lösung leicht durch den potenziellen Verlust von Geräten und die daraus resultierende Betriebsunterbrechung aufgewogen.
Anwendungen, die Edge Computing nutzen können, um Zeit, Geld und Bandbreite zu sparen
Die Anwendungsmöglichkeiten für Edge-Computing sind vielfältig, insbesondere im Bereich der Industrie IoT (IIoT), wo Bereitstellungen groß sein können, sich über weite Bereiche erstrecken und unterschiedlichen Bedingungen ausgesetzt sind, die ein Eingreifen erfordern können.
Wir haben bereits einige Anwendungsfälle erwähnt. Werfen wir nun einen Blick auf einige gängige Anwendungen für Edge-Computing in verschiedenen Branchen, in denen die Optimierung von Zeit, Geld und Bandbreite von entscheidender Bedeutung ist.
Öl und Gas
In der Öl- und Gasindustrie kann ein Gerät mit Edge Computing Schwellenwerte, Inline-Druck, Temperatur und Durchflussraten überwachen. Das Ziel ist es, Öl- oder Gaslecks zu erkennen oder hoffentlich zu verhindern. Lecks sind in dieser Branche ein großes Problem, sowohl aus Sicherheits- und Umweltgründen als auch wegen möglicher Geldstrafen und Sanierungskosten. Wenn zum Beispiel ein an einen Gaszähler angeschlossenes Edge-Computing-Gerät eine ungewöhnlich hohe Durchflussrate feststellt, kann es die Gasleitung automatisch abschalten und möglicherweise eine Explosion verhindern - und zwar schneller, als das Personal auf die Warnungen reagieren könnte.
Bewässerung und Landschaftspflege
In einem Landschaftsbewässerungssystem können Sie die Edge-Computing-Intelligenz nutzen, um automatisch einen Regenmesser oder Bodenfeuchtesensor zu überprüfen, bevor Sie die Sprinkler einschalten. Ein Edge-Gerät könnte sogar mit dem nationalen Wetterdienst verbunden werden, so dass das Edge-Gerät die Regner ausschaltet, wenn an einem bestimmten Tag eine 70-prozentige Regenwahrscheinlichkeit besteht oder wenn es zu kalt ist und die Gefahr des Einfrierens besteht. Unternehmen, die kommerzielle Bewässerungssysteme und kommerzielle Rasenbewirtschaftungsdienste herstellen, fügen jetzt Temperatur- und Feuchtigkeitsüberwachungsfunktionen hinzu, insbesondere bei Anwendungen mit hohem Wasserverbrauch wie Golfplätzen und in chronischen Dürregebieten im Südwesten der USA.
Wind- und Solarfarmen
Heute sind viele grüne Technologieanwendungen wie Wind-, Solar- und Wasserkraftanlagen und sogar Müll- und Recyclingsysteme IoT-fähig. Sensoren, Funkgeräte und Gateways sammeln und übermitteln Daten über verschiedene Bedingungen und können dann Prozesse in Gang setzen. Dazu gehört zum Beispiel die Anpassung der Neigung von Solarzellen oder die Abschaltung von Windturbinen, wenn diese durch extreme Windverhältnisse gefährdet sind.
Gebäudeautomatisierung
Edge-Computing wird in vielen Smart-Building-Anwendungen wie Aufzügen und HLK-Systemen eingesetzt. Aufzüge verfügen über Edge-Computing-Geräte, um sich bei höherer Auslastung durch mehr Personen in der Kabine neu zu kalibrieren und anzupassen. Edge-Computing spielt auch eine Rolle bei der vorausschauenden Wartung, wo es automatisch einen Wartungsauftrag generieren kann, wenn potenzielle Probleme erkannt werden, wie z. B. ein Motor, der mit hoher Impedanz läuft, was darauf hindeuten könnte, dass der Motor langsam verschleißt. Das Erkennen und Lösen von Problemen, um Betriebsunterbrechungen zu vermeiden und den Zeit- und Kostenaufwand für Wartungspersonal zu reduzieren, kann Unternehmen jährlich enorme Kosten einsparen.
Viele Bürogebäude nutzen Edge-Computing in HLK-Systemen, um die Heizung und Kühlung je nachdem, ob sich Personen im Gebäude befinden oder nicht, zu steuern. Sie verfügen außerdem über intelligente Beleuchtungssteuerungen mit Sensoren, um die Beleuchtungsstärke anzupassen und sogar Jalousien zu öffnen oder zu schließen, um das natürliche Licht zu nutzen oder im Sommer den Wärmegewinn zu reduzieren. Diese Systeme können zwar ferngesteuert werden, aber es ist bequemer und effizienter und damit kostengünstiger, wenn sie direkt am Rand ohne menschliches Eingreifen gesteuert werden können.
Solche Edge-Computing-Systeme können den Gebäudeeigentümern im Laufe der Zeit erhebliche Kosteneinsparungen bringen. Gebäudeautomationssysteme mit Edge-Computing-Funktionen sind auch ein gutes Beispiel für "grüne Technologie". Sie können energieeffiziente Best Practices ermöglichen, die Gebäudeeigentümern helfen, die Management in Energy and Environmental Design (LEED)-Zertifizierung für ihre Immobilien zu erhalten. Die LEED-Zertifizierung wiederum kann ein wettbewerbsfähiges Unterscheidungsmerkmal bei der Vermarktung an potenzielle Mieter sein, die ihr Umweltbewusstsein fördern wollen.
Fertigungsautomatisierung
Edge Computing kommt häufig in Anwendungsfällen der Fertigungsautomatisierung zum Einsatz, beispielsweise in Fertigungsstraßen, in denen jeder Roboter oder jede Maschine über eine eigene künstliche Intelligenz (KI) verfügt, selbstständig arbeitet und Daten an einen Aufzeichnungsserver sendet. Edge Computing kann erkennen, wenn bestimmte Bedingungen nicht den Spezifikationen entsprechen oder Maßnahmen ergriffen werden müssen, um einen reibungslosen und sicheren Betrieb der Maschinen zu gewährleisten. Maschinenfehler, Qualitätsabweichungen und Sicherheitsvorfälle können sofort erkannt und behoben werden – ohne die Latenzzeiten einer cloudbasierten Verarbeitung. Diese schnellere Reaktionszeit minimiert ungeplante Ausfallzeiten, verbessert den Durchsatz und trägt zum Schutz von Geräten und Personal bei.
Automatisierte Systeme generieren kontinuierliche Datenströme von SPSen, Sensoren, Robotern und Bildverarbeitungssystemen. Edge-Computing verarbeitet diese Daten lokal in der Fabrikhalle, sodass nicht jeder Datenpunkt in die Cloud übertragen werden muss. Durch das Filtern und Analysieren der Daten am Rand des Netzwerks reduzieren Hersteller den Bandbreitenverbrauch erheblich und vermeiden unnötige Kosten für die Datenübertragung.
Heutzutage werden KI, maschinelles Lernen und Computer-Vision-Systeme zunehmend in Verbindung mit Edge Computing eingesetzt. Wenn Sie eine Edge-Computing-Lösung verwenden, um eine Reihe von Werten oder Schwellenwerten zu überwachen, können Sie diese mit Hilfe von maschinellem Lernen im Laufe der Zeit verfeinern und abstimmen. Diese Kombination aus Edge Computing und maschinellem Lernen kann die Qualität und Konsistenz in der Fertigung erheblich verbessern.
Aus Kostensicht senkt Edge Computing die Betriebs- und Infrastrukturkosten, indem es den Bedarf an Cloud-Speicher reduziert, die Abhängigkeit vom Netzwerk begrenzt und vorausschauende Wartungsmaßnahmen ermöglicht, die kostspielige Ausfälle verhindern. Das Ergebnis ist ein effizienterer, widerstandsfähigerer und skalierbarer Fertigungsbetrieb, der messbare Einsparungen bei Bandbreite, Zeit und Gesamtbetriebskosten ermöglicht.
Sehen Sie weitere Beispiele für Edge Computing in verschiedenen Branchen.
Holen Sie sich unser eBook
Erfahren Sie mehr über Industrie 4.0-Technologie
PDF herunterladen
Digi unterstützt Ihre Edge-Computing-Anforderungen in der gesamten Industrielandschaft mit kompletten Mobilfunk Lösungen wie Digi IX20, Digi IX30, und Digi IX40 die die Fernüberwachung und -verwaltung von Geräten mit Digi Remote Manager® - die Kommandozentrale Ihres verteilten Netzwerks.
Digi IX40 ist eine industrielle 5G-Edge-Computing-Routerlösung IoT , die für die schnelle Verarbeitung, Analyse und Integration von Anlagendaten in Industrie 4.0-Anwendungen entwickelt wurde. Diese leistungsstarke Lösung unterstützt die 5G-Konnektivität und Edge-Intelligenz, die für eine Vielzahl von Anwendungen benötigt wird, von der vorausschauenden Wartung und Anlagenüberwachung bis hin zu maschinellem Lernen und fortschrittlicher Robotik.
Digi Connect® Sensor XRT-M ist eine unserer führenden Lösungen mit Edge-Computing-Funktionen. Connect Sensor+ kann regelmäßige Sensormessungen vornehmen und ist in der Lage, Maßnahmen zu ergreifen, z. B. durch Betätigung eines Schalters zum Abschalten einer Öl- oder Gasleitung, wenn ein vordefinierter Schwellenwert erreicht wird.
Digi Connect Sensor XRT-M wird häufig für Randbereiche gewählt, da er wie alle Digi Mobilfunk Router der IX (Industrie)-Serie über Alarm- und Triggerfunktionen verfügt. Viele Kunden entscheiden sich für die IX-Router, weil sie industrietauglich sind und den extremen Temperaturen und Feuchtigkeitsbedingungen standhalten, die in vielen industriellen Außenbereichen anzutreffen sind.
Und wenn Sie Produkte entwerfen und bauen IoT , hat Digi Sie auch hier mit einer vollständigen Suite von Embedded-Lösungen abgedeckt. Digi XBee® Geräte, wie zum Beispiel die Digi XBee 3 Mobilfunk Modemsintegrieren MicroPython und können so programmiert werden, dass sie verschiedene Funktionen am Rand ausführen.
Diese Geräte können die Fähigkeit haben, in regelmäßigen Abständen aufzuwachen und Messungen vorzunehmen oder den Sensor aufzufordern, einen bestimmten Datenwert zu liefern, und dann in den Ruhezustand zu wechseln. Digi XBee RF-Module, die mit den Gateways von Digi IoT verbunden sind, können ebenfalls eine ähnliche Aktion auslösen.
Darüber hinaus bieten die Digi ConnectCore® System-on-Module eine komplette OEM-Plattform für die Entwicklung intelligenter Edge-Geräte. Dieses komplette Ökosystem umfasst Entwickler-Kits für Prototyping und Tests, SOM-Lösungen mit integrierten Betriebsumgebungen, eine Reihe von Entwickler-Tools für eine schnelle Entwicklung und eine kurze Markteinführungszeit sowie Mehrwertdienste für die Fernüberwachung von Endgeräten und ein laufendes Sicherheitsmanagement - Digi ConnectCore Cloud Services und Digi ConnectCore Security Services.
Siehe unsereSeite zur Edge-Computing-Technologie und die Sammlung von Blogbeiträgen in unserer Reihe zum Thema Edge-Computing:
Wie reduziert Edge Computing die Bandbreitennutzung?
Durch die lokale Verarbeitung von Daten und die Übertragung nur relevanter oder kritischer Informationen in die Cloud reduziert Edge Computing die über das Netzwerk übertragenen Datenmengen erheblich. Dies minimiert Netzwerküberlastungen und senkt die Kosten für Datenpakete – besonders wichtig für große IoT mit begrenzter oder kostspieliger Bandbreite.
Inwiefern spart Edge Computing Zeit?
Edge Computing ermöglicht Entscheidungen in Echtzeit oder nahezu in Echtzeit, indem Daten am Rand analysiert und verarbeitet werden. Dadurch wird die Latenz (die Verzögerung zwischen Datengenerierung und Reaktion) im Vergleich zur reinen Cloud-Verarbeitung erheblich reduziert, was zu schnelleren Abläufen und einer verbesserten Reaktionsfähigkeit führt.
Wie spart Edge Computing Zeit und verbessert die Reaktionsfähigkeit in industriellen Betrieben?
Durch die lokale Verarbeitung von Entscheidungen entfällt die Roundtrip-Latenz, die beim Senden von Daten an eine entfernte Cloud und beim Warten auf eine Antwort entsteht. In Anwendungen, in denen schnelles Handeln wichtig ist – wie beispielsweise beim Abschalten einer Pumpe, beim Erkennen abnormaler Messwerte oder beim Steuern von Geräten – ermöglicht der Edge-Ansatz eine Reaktion nahezu in Echtzeit.
Wie hilft Edge Computing Unternehmen dabei, Geld zu sparen?
Unternehmen, die Edge-Computing-Technologie einsetzen, können Geld sparen, indem sie:
- Geringere Kosten für den Datentransport durch weniger versendete Megabytes, weniger Mobilfunk-Nutzungsgebühren
- Weniger Lkw-Fahrten oder physische Besuche vor Ort, da die lokale Automatisierung ohne menschliches Eingreifen funktionieren kann.
- Vermeidung von Geschäftsverlusten aufgrund verzögerter Reaktionen oder Systemausfällen aufgrund langsamer Datenverarbeitung.
- Bessere Betriebszeit der Anlagen und geringere Ausfallkosten durch frühzeitige Erkennung und lokale Steuerung
Welche Arten von Anwendungen oder Anwendungsfällen profitieren am meisten von der Effizienz des Edge-Computing?
Einige aussagekräftige Beispiele für Anwendungsfälle, die von der verbesserten Effizienz des Edge-Computing profitieren, sind:
- Ferninstallationen (Öl- und Gasindustrie, Solar-/Windparks), bei denen die Konnektivität eingeschränkt und die Latenzzeit kritisch ist
- Überwachungssysteme, bei denen große Mengen an Sensordaten vor der Weiterleitung reduziert werden müssen
- Intelligente Infrastruktur (z. B. Gebäudeautomation, Beleuchtung, HLK), bei der lokale Steuerung Energie und Kosten spart
Was sollten Unternehmen bei der Planung einer Edge-Computing-Implementierung beachten?
Wichtige Überlegungen:
- Beurteilen Sie, welche Daten tatsächlich in die Cloud gesendet werden müssen und welche lokal verarbeitet werden können/sollten.
- Stellen Sie sicher, dass das ausgewählte Edge-Gerät oder Gateway über ausreichende Rechenleistung, Speicher und E/A verfügt, um lokale Analysen durchzuführen.
- Planen Sie Konnektivität und Netzwerkbedingungen – Edge hilft, wenn Verbindungen eingeschränkt, unterbrochen oder teuer sind.
- Sicherstellung der Fernverwaltung, Sicherheit (Firmware-Updates, Authentifizierung) und Lebenszyklus-Support für verteilte Geräte
- Definieren Sie klare Kennzahlen für Ihre Bereitstellung: Einsparungen bei den Bandbreitenkosten, Verbesserungen der Reaktionszeiten, Reduzierung der Standortbesuche
Wie verbessert Edge-Computing die Zuverlässigkeit?
Da Edge-Systeme Daten lokal verarbeiten, können sie auch dann weiterarbeiten, wenn die Cloud-Verbindung eingeschränkt oder unterbrochen ist. Dies erhöht die Zuverlässigkeit und reduziert Ausfallzeiten – insbesondere in abgelegenen oder verteilten Umgebungen.
Bringt Edge Computing nur Vorteile für IoT ?
Während IoT (wie Sensorüberwachung und automatisierte Steuerung) die größten Nutznießer von Edge-Computing sind, kann jede Anwendung, die eine schnelle Verarbeitung, reduzierte Datenübertragung und effiziente Netzwerknutzung erfordert – wie beispielsweise intelligente Gebäude, industrielle Automatisierung und Videoanalyse – davon profitieren.
Nächste Schritte
Hinweis: Dieser Blogbeitrag wurde ursprünglich im Mai 2021 veröffentlicht und im Mai 2024 sowie erneut im November 2025 überarbeitet.