Edge Computing: Der Beginn der autonomen Dinge

Mit der 5G-Technologie, verbesserter Hardware zu reduzierten Preisen und günstigen Speichermöglichkeiten werden die „Dinge“ im IoT-Kontinuum jeden Tag smarter. In der Tat wird prognostiziert, dass etwa 5,6 Mrd. IoT- Geräte, die sich im Besitz von Unternehmen und staatlichen Stellen befinden, in 2020 Edge Computing für die Datenerhebung und-Verarbeitung nutzen werden. Wichtige Akteure in der Geräteherstellung, Netzwerkbetreiber, im Cloud-Computing und in der Endverbraucher-Erfahrung investieren in großem Maßstab proaktiv auf diesem Gebiet. Werfen wir einen kurzen Blick auf das, was Edge Computing ist, warum es benötigt wird und wie es heute in Ihrer Organisation genutzt werden kann.

Was ist Edge Computing und warum brauchen wir es?

Der Cloud-Only-Ansatz einer IoT- Lösung schiebt alle Daten durch eine Fat Pipe in die Cloud. Hierbei handelt es sich um einen zentralisierten Ansatz, bei dem die Sensordaten durch mehrere Ebenen und Schichten von Verarbeitungseinheiten weitergegeben werden, bevor Probleme mit eingehenden Daten endlich dem Endverbraucher gemeldet werden, der dann typischerweise entsprechende Maßnahmen ergreift. Dies geschieht durch ein Rechenzentrum, das mindestens hunderte Kilometer von den Sensoren entfernt ist, mit einer anschließenden Verzögerung als Reaktion auf die Ereignisse. „Dumme“ Sensoren und intelligente Cloud-Lösungen können in einigen Szenarien gut funktionieren, aber in Fällen eingeschränkter Konnektivität wird diese Lösung problematisch, da die Sensoren nicht nur die Lese-(Zahlen-) Daten, sondern auch Bilder und Videos für die Echtzeitverarbeitung senden. Bei derartigen Szenarien führt der Verlust der Konnektivität in einer typischen IoT-Lösung zu Ausfallzeiten oder Datenverlusten.

Um diese Art der Verarbeitung zu ändern, müssen wir die Geräte intelligenter machen. Ein Gerät, das die gesammelten Daten mit Entscheidungs-, Speicher- und belastbaren Netzwerkfähigkeiten aufnehmen, verarbeiten und damit agieren kann, wird als autonomes Ding bezeichnet. Es ist der Wandel hin zu autonomen Dingen, der zum Ziel hat, diesen langwierigen Prozess zu verkürzen, um mit Intelligenz zu agieren, indem er diese Fähigkeiten zu den Geräten oder in deren Nähe bringt.

Abbildung 1: Edge Computing

Eine derartige Lösung vermeidet eine Fat Pipe für die Übertragung, reduziert die Bandbreiten-Kosten, was in abgelegenen Gebieten sehr nützlich sein kann. Darüber hinaus erfordert es keine oder nur minimale Ausfallzeiten von kritischen Funktionalitäten im Fall von unterbrochener Cloud-Konnektivität, wodurch die Abhängigkeit von der Cloud für kritische Intelligenz verringert wird. In solchen Lösungen sind Cloud-Rechenzentren in der Regel für eine nachträgliche Synchronisation der relevanten aggregierten Daten verantwortlich, die für Schulungs- und Lernzwecke weiter genutzt werden können. Diese Intelligenz wird wiederum kontinuierlich mit den Dingen synchronisiert, was sie zu Echtzeit- Entscheidungen befähigt. Aufgrund der immer geringeren Kosten für Hardware sind solche Geräte heute keine in der Zukunft liegende Wunschvorstellung, sondern eine verfügbare Realität. Die Bereitstellung von Anwendungen und Lösungen für solche autonomen Geräte, um die Leistungsfähigkeit des IoT- Kontinuums durch die Cloud zu verbessern, wird als Edge Computing oder Cloud-gestütztes Internet der Dinge oder Cloud-of-Things bezeichnet.

Edge Computing kann dabei helfen, Lösungen zu realisieren, die für allgemeine Szenarien wie Datenverarbeitung in Echtzeit, smarte Geräte und vieles mehr bisher nicht ohne weiteres zur Verfügung standen. Datenverarbeitungskapazität in der Nähe von Geräten kann dazu beitragen, die Robustheit und schnelle Entscheidungsfindung unter kritischen Bedingungen zu erhöhen.

Nachstehend einige Vorteile von Edge Computing, die von jeder Organisation genutzt werden können:

Im geschäftlichen Umfeld

1. Onboarding von alten und neuen entfernten Anlagen für die “digitale Reise”
2. Wiederverwendung von vorhandenen Maschinen/ Geräten für die Gewinnung von Rohdaten
3. Kritische Entscheidungsfindung in Echtzeit.
4. Daten und Anlagen aus der Ferne bestimmen und kontrollieren.
5. Gewährleistung von Sicherheit und Compliance (automatisch für vor Ort befindliche Anlagen).
6. Ermöglichung reduzierter Präsenz bei Cloud-Diensten und somit Kosteneinsparung.

Für die Technologie

1. Einhaltung von Industrie- Protokollen wie CAN bus, Modbus oder OPC zur Verbindung von Anlagen innerhalb des Edge- Standorts.
2. Die Verwendung von standardisierten Technologien wie Docker zur Anpassung an verschiedene Plattform Architekturen wie ARM, x64 und x86. Es unterstützt auch bei der Code-Wiederverwend-barkeit und Easy-Bereitstellung.
3. Bereitstellung von eingebauten Resilienz- und Fehlertoleranzmechanismen bei der Verarbeitung.
4. Ermöglichung intelligenter Datenaggregation, um die Bandbreite vor allem an abgelegenen Standorten wie Ölplattformen oder Staudämmen effizient zu nutzen.
5. Nutzung der lokalen Datenverarbeitung für die Bereitstellung von maschinellen Lern- und Analysefähigkeiten, falls vorhanden.
6. Ermöglichung eines großflächigen IoT- Einsatzes auf globaler Ebene sowie die Bereitstellung von Over The Air (OTA)-Updates für Runtime und Computing-Upgrades.

Abbildung 2: Aspekte des Edge Computing

Fazit

Der Einstieg in die Edge-Computing-Reise erfordert die Beachtung verschiedener Aspekte: von den Hardwarelieferanten, die die Chipsätze entwerfen, bis hin zu den Anbietern von Endverbraucher- Erfahrung, die auf Dashboards und anderen Medien die relevanten Informationen für die Endverbraucher darlegen. Dies ist wiederum eine Matrix, die sich aufgrund der Anforderungen ändert, die in der Edge-Umgebung ausgeführt werden sollen.

Unternehmen müssen strategisch agieren, um Edge-Computing-Fähigkeiten unter Nutzung von Cloud- Enablern zu entwickeln, die über ihre jeweiligen Edge-Erwartungen verfügen, wie AWS Greengrass, Azure IoT Edge, and IBM Edge Analytics. Darüber hinaus gibt es neu auftretende Open-Source-Micro-Kernel-Style Runtimes wie Apache Edgent, EdgeX Foudry und Liota die auch beachtet werden sollten, um verschiedene Edge-Computing-Erwartungen gemäß Anforderungen zu erfüllen.

Edge Computing erfordert erhebliche Anstrengungen, um Gerätesicherheit, Einsatz, Multiple-Device-Integration, Datenorchestrierung, Wartung und Gesundheitsüberwachung, Offline-Speicherung und Datensynchronisation, Ausfall- und Resilienz-Strategien in der Produktion bereit zu stellen. Diese Überlegungen helfen dabei, durch eine wahrhafte IoT- Befähigung die Erfüllung der Kerngeschäftsziele von Organisationen zu erreichen.