Edge & Cloud Computing im IoT: Ein prägnanter evolutionärer Überblick

Edge Computing wird im Internet of Things (IoT) zunehmend entscheidend. 2018 rangierte es unter den führenden Technologietrends und untermauert die nächste Generation digitaler Unternehmen. Gleichzeitig haben das schiere Datenvolumen und der Drang, Compute-Effizienz zu maximieren, die Migration von Workloads in die Cloud verstärkt.

Edge und Cloud Computing sind nicht inhärent antagonistisch; stattdessen verbinden die ambitioniertesten IoT-Deployments routinemäßig beide Paradigmen. Um die moderne IoT-Landschaft zu würdigen – und wie Edge und Cloud sich ergänzen – revisieren wir ihre historische Entwicklung.

Quelle: Bosch.IO

Die Entwicklung von Kommunikation und verteilten Systemen offenbart, dass Edge Computing dem Begriff selbst vorausgeht. Unser Diagramm verfolgt seine Evolution und endet mit einem zukunftsgerichteten Modell, das Edge und Cloud für optimalen Wert verschmilzt.

Ursprünge dezentralen Computings

Die Wurzeln von Edge Computing reichen zurück in die 1990er, als Akamai sein Content Delivery Network (CDN) pionierte. Die Strategie: Nodes näher an Endnutzer deployen, um gecachte Medien – Bilder, Video und mehr – zu servieren und so Latenz zu reduzieren.

1997 veröffentlichten Nobel und Kollegen „Agile application-aware adaptation for mobility“, zeigten, dass ressourcenbeschränkte mobile Geräte Tasks – wie Web-Browsing, Video-Playback oder Spracherkennung – an leistungsstarke Remote-Server (Surrogate) auslagern konnten. Ziel war, Gerätelast zu verringern und Akkulaufzeit zu verlängern. Moderne Spracherkennungsdienste von Google, Apple und Amazon folgen einem ähnlichen Prinzip.

Bis 2001 erweiterten Satyanarayanan et al. das Konzept in „Pervasive computing: vision and challenges“, rahmten es als Pervasive Computing ein. Im selben Jahr entstanden skalierbare, dezentrale verteilte Applikationen, die Peer-to-Peer Overlay-Netzwerke (Distributed Hash Tables) nutzten. Diese selbstorganisierenden Topologien ermöglichten effizientes Routing, Fehlertoleranz und Load Balancing, während sie Netzwerkproximität nutzten, um Latenz zu senken und globalen Traffic zu reduzieren.

Cloud Computing entsteht

Cloud Computing – ein essenzieller Katalysator für Edge-Evolution – gewann 2006 mit Amazons Launch von Elastic Compute Cloud Prominenz. Die Plattform erschloss beispiellose Compute-, Storage- und Visualisierungsfähigkeiten. Doch für latenzsensitive Domänen wie autonome Fahrzeuge und Industrial IoT konnte Cloud allein den Bedarf an sofortiger, lokaler Entscheidungsfindung nicht befriedigen.

Cloudlets und Fog Computing

2009 führte Satyanarayanan den Begriff „Cloudlet“ in „The case for VM-based cloudlets in mobile computing“ ein. Cloudlets sind Low-Latency, geografisch verteilte Nodes, die einen High-Latency, zentralen Cloud ergänzen. Sie bieten Just-in-Time Compute und Storage für nahe mobile Geräte, während sie nur einen Soft State wie gecachte Daten behalten.

2012 prägte Cisco „Fog Computing“, um eine verteilte Cloud-Infrastruktur zu beschreiben, die die massive Skala von IoT-Geräten und Echtzeitverarbeitung von Big Data unterstützt.

Hybride Edge-Cloud-Strategien für Enterprise-Scale IoT

Heute spannen umfassende IoT-Lösungen ein breites Spektrum an Anforderungen. Die meisten Organisationen adoptieren einen hybriden Ansatz: Cloud-Ressourcen handhaben Storage, schwere Analytik und globale Telemetrie-Visualisierung, während Edge-Nodes Low-Latency-Verarbeitung, autonome lokale Aktionen, bandbreitenbeschränkten Traffic und sensible Datenverarbeitung managen.

Neugierig, wie Unternehmen Edge und Cloud für IoT nutzen? Erkunden Sie unseren Leitfaden „Edge Computing für IoT“.

Whitepaper herunterladen