Anstatt Daten an die Cloud zu senden, warum nicht die Cloud an den Edge senden?

Adi Hirschtein von Iguazio

Im Zeitalter des IoT verlangen Unternehmen zunehmend, dass kritische Entscheidungen in Sekundenbruchteilen getroffen werden. Aber in den zeitsensibelsten Situationen, sagt Adi Hirschstein, Director of Product bei Iguazio ,  Die Latenz beim Senden ihrer Daten an eine zentralisierte Cloud und zurück stellt erhebliche Hürden für Effizienz und Wirtschaftlichkeit dar.

Wie können Unternehmen von heute die Vorteile des IoT nutzen und gleichzeitig das lästige Latenzproblem vermeiden? Steigen Sie ein in intelligentes Edge-Computing – die Lösung, die die Bereitstellung von Daten drastisch beschleunigen kann, indem sie näher an der Quelle verarbeitet wird.

Der Edge-Computing-Markt, der 2017 auf knapp 80 Millionen $ (69,55 Millionen €) geschätzt wurde, wird bis 2025 allein in den USA voraussichtlich auf mehr als 1 Milliarde US-Dollar (0,87 Milliarden €) ansteigen, da immer mehr Unternehmen aus allen Sektoren versuchen, seine Vorteile zu nutzen . Business Insider prognostiziert, dass bis 2020 5,6 Milliarden IoT-Geräte in Unternehmen und im öffentlichen Sektor Edge-Computing für die Erfassung und Verarbeitung ihrer Daten nutzen werden – eine fast neunfache Steigerung gegenüber 2015.

Davon abgesehen geht die Cloud noch nirgendwohin. Durch die Arbeit mit Hybridplattformen können Unternehmen die Vorteile nutzen, um schnellere und intelligentere Entscheidungen zu treffen und Bandbreitenkosten zu senken, während sie gleichzeitig eine hohe Konnektivität zu öffentlichen Clouds für historische Daten und Elastic Computing genießen. Bei der Kombination der beiden werden Machine-Learning-Modelle in der Cloud entwickelt und automatisch am Edge bereitgestellt, um maximale Leistung zu erzielen.

Ein dringendes Bedürfnis

Betrachten Sie einige beispielhafte Anwendungsfälle, in denen der zeitaufwändige Prozess des Hin- und Hersendens von Daten an eine zentralisierte Cloud die Leistung und öffentliche Sicherheit von Unternehmen gefährden könnte.

Sollte die lokalisierte Intelligenz in einer Industrieanlage einen Geräteausfall im industriellen IoT (IIoT) vorhersagen oder erkennen, müssen Fabriken den Betrieb so schnell wie möglich einstellen und selbstheilende Aktoren auslösen, um eine weitere Zerstörung von Maschinen zu vermeiden, und was noch wichtiger ist, wenn schwere Industrieanlagen in Bewegung sind – um das Leben der Mitarbeiter nicht zu gefährden.

Der dringende Bedarf an Edge-Computing-Lösungen in industriellen Umgebungen erklärt, warum die Fertigung im Jahr 2025 mit 306 Millionen $ (266,04 Millionen €) den größten Anteil am US-amerikanischen Edge-Computing-Markt ausmachen soll.

In der Telekommunikation dient Edge Computing als wichtiges Werkzeug zur Überwachung und Vorhersage des Netzwerkzustands in Echtzeit. Dies kann nur erreicht werden, indem ein hoher Nachrichtendurchsatz aus mehreren Streams verarbeitet wird, der mit historischen Daten am Edge korreliert wird. Ohne die Fähigkeit von Edge Computing, unterschiedliche Datenströme in Echtzeit zu verarbeiten und darauf zu reagieren, wäre der Analyseprozess viel ineffizienter und zeitaufwändiger, was die Wahrscheinlichkeit größerer Zellnetzausfälle dramatisch erhöhen würde.

Diese Ausfälle können, wenn sie durch Naturereignisse oder Cyberangriffe verursacht werden, die betroffene Region in die Knie zwingen, was die Bedeutung der Fähigkeit eines Telekommunikationsunternehmens, Ausfälle schnell zu erkennen und zu beheben, noch verstärkt. Im Hinblick auf die öffentliche Sicherheit sind Effizienz und Zeit der Schlüssel zur Aufklärung von Straftaten. Die gesamte Technologie, die den Strafverfolgungsbehörden zur Verfügung steht – um die Falllösung zu beschleunigen – wird verschwendet, wenn die Cloud-Verarbeitung die Datenanalyse erheblich verzögert.

In extremen Fällen sind es genau diese zusätzlichen drei Minuten, die die Fähigkeit der Strafverfolgungsbehörden, die Sicherheit der Öffentlichkeit zu gewährleisten, ausmachen oder unterbrechen. Nur eine Edge-Lösung kann Daten aus mehreren unstrukturierten und strukturierten Datenquellen schnell korrelieren, um der Polizei den Weg zu ebnen, kriminelle Aktivitäten aufzudecken und zu verhindern. Wie bei anderen hochsensiblen Anwendungsfällen, in denen Entscheidungsträger schnellen Zugriff auf umsetzbare Analysen benötigen, ist hyperlokalisierte Datenverarbeitung die einzige Antwort.

Datenmanagement neu denken

Inmitten der Einführung des IoT in praktisch jeden Aspekt des Geschäfts haben Unternehmen eine beispiellose Nachfrage nach dem Zugriff auf und der Analyse riesiger Datenmengen erzeugt. In diesem Klima haben Unternehmen zwei Möglichkeiten:Sie können entweder alle ihre Daten zur Verarbeitung in die Cloud senden oder sich dafür entscheiden, ihre kritischsten, zeitsensibelsten Daten lokal verarbeiten und analysieren zu lassen, während sie die Cloud für das Training und die Elastizität von Machine Learning-Modellen nutzen .

Ersteres macht Unternehmen anfällig für Verzögerungen aller Art und verursacht erhebliche Kosten und Risiken. Letzteres bietet Unternehmen den Vorteil, den sie benötigen, um die Reaktionszeiten zu verkürzen. All dies wirft eine wichtige Frage auf:Anstatt alle Daten in die Cloud und zurück zu senden, warum nicht diese Cloud selbst an den Edge verschieben? Unternehmen scheinen sich das zu fragen und stimmen zu.

Laut einem Gartner Analyse werden bis 2022 drei Viertel der Unternehmensdaten außerhalb zentralisierter Rechenzentren verarbeitet und analysiert, verglichen mit weniger als 10 % im Jahr 2017. Da immer mehr Unternehmen den Intelligent Edge-Ansatz übernehmen, bedeutet dies mehr Einfachheit, Leistung und Sicherheit – die Vorteile des IoT für mehr Unternehmen und Regierungen nutzbar zu machen, ohne unnötige Zeit- und Geldkosten zu verursachen.

Edge Analytics ermöglicht es Unternehmen nicht nur, in ihren jeweiligen Branchen wettbewerbsfähiger zu sein, sondern auch ihre Aufgaben in Echtzeit effektiv auszuführen, was in unserer vernetzten Realität unerlässlich ist.

Der Autor dieses Blogs ist Adi Hirschstein, Director of Product bei Iguazio