Der Hauptgrund für das Wachstum von Edge Computing ist die Effizienz. All diese gesammelten Daten müssen irgendwo verarbeitet werden. Und da das Datenvolumen IoT zugenommen hat, findet ein immer größerer Teil der Verarbeitung im Edge-Bereich statt. Vernetzte Geräte sind heute intelligenter und ermöglichen die Programmierung von "Edge AI" - künstliche Intelligenz am Rande - ein wachsender Trend im Bereich der Edge Intelligence.
Mit jahrzehntelanger Erfahrung in der sich schnell entwickelnden Branche IoT verfügt Digi über ein komplettes Produktangebot zur Optimierung von IoT Anwendungen mit Edge-Compute-Funktionalität.
Liefern Sie nur die wichtigen Daten
Unter IoT werden am Rande des Netzes riesige Datenmengen gesammelt, die jedoch nicht alle von Nutzen sind. Im Durchschnitt handelt es sich bei den meisten Überwachungsdaten um Standard-"Heartbeat"-Daten. Wenn sich die Daten nicht wesentlich ändern, bedeutet das, dass die Dinge gut funktionieren. Es wäre zum Beispiel nicht sinnvoll, stundenlang Daten an ein weit entferntes Rechenzentrum zu senden, die zeigen, dass sich die Lebenszeichen einer Maschine nicht verändert haben.
In der Vergangenheit haben die Unternehmen alle ihre Überwachungsdaten zur Verarbeitung, Analyse und Speicherung in die Cloud oder in ein unternehmenseigenes Rechenzentrum geschickt. Mit dem Wachstum von IoT ist dieser Ansatz jedoch aufgrund des Datenvolumens unpraktisch geworden. An dieser Stelle kommt Edge Compute ins Spiel.
Edge Compute führt die Verarbeitung in der Nähe des Ursprungsortes der Daten durch. Das kann die Kosten für die Bandbreite, die für die Übertragung in die Cloud oder das Rechenzentrum des Unternehmens benötigt wird, erheblich reduzieren oder sogar eliminieren. Einige Anwendungen müssen die Daten am Edge untersuchen. Ein intelligenter oder KI-fähiger Edge-Compute-Prozess kann dann sofort beurteilen, ob die Situation eine Reaktion in Echtzeit erfordert, oder die Daten zur Analyse an das Rechenzentrum weiterleiten.
Die am Rande erfassten Daten lassen sich grob in drei Typen einteilen:
- Es bedarf keiner weiteren Aktion und muss nicht gespeichert werden
- Es sollte für spätere Analysen und/oder Aufzeichnungen aufbewahrt werden
- Es erfordert eine sofortige Reaktion
Die Aufgabe des Edge Computing ist es, zwischen diesen Datentypen zu unterscheiden, zu erkennen, welche Reaktion erforderlich ist und entsprechend zu handeln. In den meisten Fällen ist es viel effizienter, diese Funktionen direkt am Rand auszuführen, wo die Daten gesammelt werden.
Wenn Ausreißerdaten auftauchen, müssen möglicherweise Maßnahmen ergriffen werden. Edge-Computing kann dank seiner physischen Nähe und der daraus resultierenden geringen Latenzzeit nahezu in Echtzeit auf lokale Ereignisse reagieren. Es ist kein Round-Trip der Daten vom Edge zur Cloud und wieder zurück erforderlich. Darüber hinaus kann der reduzierte Datenfluss über das Netzwerk zu erheblichen Einsparungen bei der Bandbreite und damit zu deutlich niedrigeren Netzwerkkosten führen, insbesondere bei drahtlosen Mobilfunk Verbindungen.