Edge-Computing ist eine Technik für das Internet der Dinge (IoT), die dazu beiträgt, die Herausforderungen zu lösen, die mit Latenz und Ineffizienz bei der Übertragung von Daten zwischen Millionen von angeschlossenen Geräten und der Cloud oder dem Rechenzentrum verbunden sind. Die Hauptidee hinter Edge Computing ist die Verwaltung von Daten an dem Punkt, an dem sie erzeugt werden, anstatt sich auf den Upload zu einer zentralen Ressource zu verlassen, wo die Daten traditionell verarbeitet werden. Mit dem Wachstum des Internets der Dinge wird Edge Computing immer wichtiger, um die Effizienz bei der Erfassung, Verarbeitung und Weiterleitung von Daten zu steigern.
Edge Compute nähert sich einem Wendepunkt. Laut dem Analystenhaus Gartner werden heute weniger als 10 Prozent der Unternehmensdaten am Edge erstellt und verarbeitet. Aber bis 2025 erwartet Gartner, dass diese Zahl 75 Prozent erreichen wird.
1
Die Bedeutung von Edge Computing lässt sich durch drei wesentliche Punkte zusammenfassen: Routing-Effizienz, reduzierte Latenzzeit und Datenmanagement.
Routing-Effizienz: Die überwiegende Mehrheit der Geräte, die in einer IoT Anwendung Daten erzeugen, befindet sich am "Rand" des Netzwerks und nicht in einem Rechenzentrum, das für die Verarbeitung großer Datenmengen ausgelegt ist. Es ist ineffizient, alle Daten zwischen dem Edge und dem Rechenzentrum hin und her zu leiten. Es ist sinnvoller, die Daten in unmittelbarer Nähe der IoT Lösung zu verarbeiten und zu entscheiden, ob sie hochgeladen werden müssen oder nicht.
Reduzierte Latenzzeit: In vielen Anwendungen von IoT müssen Daten schnell verarbeitet werden, damit bei Bedarf sofort Schutzmaßnahmen ergriffen werden können. So könnten beispielsweise Latenzprobleme in einer unternehmenskritischen Industrieanwendung dazu führen, dass Anlagen wie Tanks oder Pumpen überfüllt werden, trocken laufen oder ausfallen.
Datenverwaltung: Während einige der Daten, die von Millionen verteilter Geräte generiert werden, in einem Rechenzentrum oder in der Cloud gespeichert, verarbeitet und analysiert werden müssen, ist dies bei einem Großteil der Daten nicht erforderlich. Während es z. B. in einigen Anwendungen wichtig sein kann, Kontrolldaten darüber zu senden, ob ein Gerät normal arbeitet, ist es für viele Anwendungen nur dann wichtig, Daten an die Zentrale zu leiten, wenn das Gerät außerhalb seiner Norm arbeitet.
In diesem Blog werden wir einige der Vorteile von Edge Computing untersuchen und das Lösungsportfolio von Digi für die Integration von Edge Computing in Ihre IoT Bereitstellung vorstellen.
Verwaltung von Randdatenvolumen und Bandbreitenproblemen

Viele von der Kante abgeleitete Daten zeigen einfach an, dass alles reibungslos läuft - allgemein bekannt als "Heartbeat-Daten". Ein Beispiel hierfür könnte eine Pumpe oder ein Motor sein, der in 99,999 % der Zeit mit der gleichen Drehzahl läuft. Es mag von minimalem Wert sein, Millionen von identischen Datenwerten zu sammeln, während die Monate vergehen. Wenn jedoch Ausreißerdaten auftreten, sollten diese so schnell wie möglich erkannt und darauf reagiert werden, um eine potenzielle Katastrophe zu vermeiden. Dies ist die Art von Situation, in der Edge Computing von unschätzbarem Wert ist.
In den meisten Fällen ist es am effizientesten, wenn die Rechenaufgaben am Netzwerkrand ausgeführt werden, in der Nähe der stattfindenden Ereignisse und Prozesse. Wie ein Branchenbeobachter in Anlehnung an das uralte Sprichwort über die Schwierigkeit, eine Nadel im Heuhaufen zu finden, sagte, ermöglicht Edge Computing "die Verkleinerung des Daten-'Heuhaufens' und macht es damit wahrscheinlicher, die 'Nadel' mit verwertbaren Informationen viel effizienter zu finden." 2
Glücklicherweise nehmen Geräteintelligenz und Rechenleistung zu. "Intelligente" Geräte verfügen jetzt über eine größere Funktionalität für die Abwicklung von Prozessen, die früher die Unterstützung eines traditionellen Computer-Stacks erforderten. Intelligente Edge-Geräte können beispielsweise so programmiert werden, dass sie Daten entschlüsseln, die sonst einen menschlichen Eingriff erfordern, und sie dann an den nächsten Empfänger weiterleiten.
Die wachsende Datenmenge ist nicht die einzige Herausforderung, die das Wachstum des Edge-Computing vorantreibt. Mit der Vervielfachung der Anwendungen auf IoT ist die verfügbare Bandbreite immer begrenzt. Edge Computing ermöglicht es den Geräten, eigenständig Entscheidungen zu treffen und so die wachsende Menge an Datenverarbeitung, die unweigerlich anfallen wird, zu bewältigen.
Vorteile von Edge Computing
Hier sind einige wichtige Vorteile, die Edge Computing für eine Reihe von Anwendungen attraktiv machen:
- Geringere Latenzzeit: Edge-Computing ermöglicht eine schnellere Reaktion auf lokale Ereignisse, da die Daten nicht vom Edge zur Cloud hin und her reisen müssen. Mit Edge Computing kann die Latenzzeit auf nahezu Null reduziert werden.
- Geringere Kosten: Der reduzierte Datenfluss über das Netzwerk führt zu geringeren Netzwerkkosten, insbesondere bei drahtlosen Mobilfunk Verbindungen.
- Erhöhte Sicherheit und Datenschutz: Mit Edge Computing müssen sensible Daten, wie z. B. medizinische Bilder, das Gerät nicht verlassen. Und die Anwendung kann Regeln und Verschlüsselung einrichten, um nur bestimmte, benötigte Daten sicher zu identifizieren und zu übertragen.
- Fähigkeit, offline zu arbeiten: Ein Edge-Compute-Gerät kann eigenständig Daten sammeln, speichern und verarbeiten. Eine permanente Verbindung zum Netzwerk ist nicht erforderlich. Neben der Unterstützung geringerer Latenzzeiten können die Vorteile auch das Batteriemanagement für Edge-Geräte sowie die Sicherheit umfassen.
- Programmierbar: Programmierbare Geräte verlängern die Lebensdauer von Investitionsgütern, da sie sich mit der Entwicklung der Hardware, in die sie eingebettet sind, weiterentwickeln können und so neue Anwendungen, neue Funktionen und erweiterte Sicherheitsfunktionen widerspiegeln.
Anwendungsfälle für Edge Computing

Technisch gesehen ist Edge Computing bereits überall um uns herum im Einsatz, von den Fingerabdrucklesern auf Smartphones bis hin zur Echtzeit-Verkehrsüberwachung an Kreuzungen. Die folgenden Anwendungsfälle stellen nur einen Ausschnitt aus dem wachsenden Spektrum der Edge-Computing-Anwendungen dar.
- Adaptive Diagnose: Die Maschinen- und Anlagenverfügbarkeit kann verbessert werden, was die Service- und Garantiekosten senkt. Von Edge-Computern generierte Fehlercodes, kombiniert mit historischen Reparaturinformationen, können auch Kontext für Techniker liefern und so die Zeit für die Fehlersuche und Reparatur verkürzen.
- Offshore-Ölbohrplattformen: Basierend auf ihrem Wert werden Daten zur Aufzeichnung gespeichert und Leistungsanalysen erkannt und aufbewahrt. Edge-Geräte können eine Sicherheitsüberwachung durchführen und die Ausrüstung automatisch abschalten, wenn voreingestellte Grenzwerte überschritten werden.
- Fertigung: Industrielle Sensoren überwachen Fabrikanlagen, um Leistungseinstellungen beizubehalten, die Effizienz zu steigern und den Reparaturbedarf vorherzusagen.
- Smart Cities: Verkehrskameras und -signale verbessern die Sicherheit und den Verkehrsfluss. Öffentliche Gebäude können für mehr Effizienz bei Beleuchtung, Heizung und mehr überwacht werden.
- Gesundheitswesen: Wearable-Geräte speichern Informationen wie Herzfrequenz und Temperatur und bieten Erinnerungen für die Medikation. Andere medizinische Wearables senden spezifische Daten an den Arzt des Patienten zur Analyse oder senden Alarme, falls ein Patient gestürzt ist.
- Landwirtschaft: Landwirte verwenden Sensoren, um den Feuchtigkeitsgehalt im Boden und andere Feldbedingungen zu verfolgen. Die Anwendung kann dann automatisierte Prozesse auslösen und alle kritischen Daten zur Analyse an eine Management-Schnittstelle wie den Digi Remote Manager® senden.
Das dramatischste Beispiel für Echtzeit-Edge-Verarbeitung wird mit dem Aufkommen von vernetzten und autonomen Fahrzeugen kommen, bei denen eine Latenzzeit von nahezu Null entscheidend ist. Entscheidungsfindung in Echtzeit ist in dieser Umgebung, in der selbst Verzögerungen von Millisekunden über Leben und Tod entscheiden können, eine wesentliche Fähigkeit. Selbstfahrende Autos werden auch Informationen aufzeichnen und sich regelmäßig mit der Cloud verbinden, um Leistungsdaten hochzuladen und Software-Updates herunterzuladen.
Edge-Computing-Lösungen
Um Edge Computing zu entwickeln und optimal zu nutzen, benötigen Teams, die IoT Anwendungen einsetzen, unterstützende Hardware, Software und Tools. Ein Beispiel: