Edge Computing für IoT, KI und neue Technologien nutzen

IoT, maschinelles Lernen, künstliche Intelligenz, 5G, Augmented Reality und Virtual Reality profitieren alle von erhöhter Edge-Rechenleistung.

Der Edge ist weit mehr als nur eine Sammlung vernetzter Geräte oder Sensoren. Da intelligente Geräte und Sensoren riesige Datenmengen erzeugen, müssen Unternehmen Technologieentscheidungen treffen, wie sie den maximalen Wert aus diesen Daten ziehen. Wird die Analyse auf dem Gerät, am Edge, in der Cloud oder im Rechenzentrum durchgeführt? Werden Daten aus regulatorischen Gründen oder zur Ursachenanalyse aufbewahrt? Werden neue Dienste wie 5G eine Rolle spielen?

Diese Fragen beschäftigen viele Unternehmen heute. Um Schlüsselstrategien zu identifizieren und die verschiedenen Ansätze zum Edge Computing und Internet of Things (IoT) zu sortieren, sprachen wir kürzlich mit Krish Iyer, Strategy Lead für Edge und ICV, und Calvin Smith, CTO für Emerging Technology Solutions; beide im Office of the Global CTO bei Dell Technologies.

Wir untersuchten die Rolle neuer Technologien, warum Edge und IoT heute so wichtig sind, Faktoren für die Entscheidung, wo Daten verarbeitet werden, Rechenanforderungen am Edge und was die Zukunft bringt. Hier ist eine Zusammenfassung unseres Gesprächs.

Neue Technologien

RTInsights: Was sind heute die neuen Technologien?

Iyer: Wir sehen einen Markteinbruch in mehreren neuen Technologien. Edge ist eindeutig ein Vorreiter neben IoT, KI und ML. Diese Technologien repräsentieren einen Markt, der beginnt, erhebliche Traktion zu gewinnen. Am wichtigsten ist die Traktion, bei der viele Kunden Edge als Erweiterung ihrer Cloud sehen und Edge als Möglichkeit betrachten, Workloads zu verteilen, die von ihrer Cloud-Infrastruktur nicht bewältigt werden können. Meiner Meinung nach ist das der wichtigste Treiber, der viele Organisationen dazu bringt, Edge in Betracht zu ziehen.

Smith: Interessant ist diese Vorstellung von Schnittstellen. Edge ist nicht aus dem Nichts entstanden. Viele frühe IoT-Anwendungsfälle werden nun leichter adressierbar, weil Technologien zusammenwirken. Krish nannte IoT, Edge, ML und KI. Dazu kommen 5G, Augmented Reality und Virtual Reality. Breiter gefasst: Da die Kosten für Rechenleistung sinken und GPUs am Edge eingesetzt werden, steigt die technologische Kapazität hinsichtlich der Automatisierung, die man ausführen kann.

Es ist erstaunlich, wie viele verschiedene Technologien dort ausgeführt werden, wo Daten entstehen – am Edge. Letztlich, selbst wenn die erstellten Edge-Daten zurück in die Cloud oder ins Rechenzentrum gehen, findet ein Großteil der Rückkopplung zu diesen Geräten ebenfalls am Edge statt. Es ist das neue Zentrum des Universums. Interessant, wie sich Dinge in Wellen bewegen: Vom PC und dezentralem Modell zum monolithischen Rechenzentrum, dann zum pseudo-monolithischen Cloud-Ansatz, und nun zurück zu einer verteilten Architektur. Faszinierend zu sehen, wie sich das über die Zeit entwickelt hat.

Iyer: Ja. Man kann Edge als Kombination heterogener Systeme betrachten. Edge ist nicht monolithisch, nicht homogen, sondern ein Satz verschiedener Funktionen. Diese Funktionen dienen typischerweise dem Sammeln, Verarbeiten und Speichern von Daten. Sie müssen Daten an andere Funktionen übertragen oder Aktionen basierend auf diesen Daten ausführen, um andere Funktionen wie Datenverarbeitung, Analytics etc. zu ermöglichen. Diese Funktionen müssen möglicherweise in anspruchsvollen Umgebungen ausgeführt werden – hohe Temperaturen, raues Gelände. Deshalb wird der Begriff „heterogen“ für Edge so kritisch sein.

Warum die ganze Aufmerksamkeit auf Edge & IoT?

RTInsights: Sie haben das etwas angerissen, aber warum die ganze Aufmerksamkeit auf Edge und IoT, und warum jetzt?

Iyer: Interessant. Wie Calvin sagte, ist Edge nicht neu. Edge war immer da. Verteilte Systeme waren immer da. Aber wir kommen wieder voll im Kreis. Die Marktverschiebung zeigt, dass einige Funktionen oder Anwendungen, die typischerweise auf zentralen Rechenzentren oder Kerninfrastrukturen liefen, Probleme erkennen. Unternehmen stellen fest, dass einige Anwendungen Bandbreiten- oder Latenzanforderungen haben, die mit einem zentralisierten Ansatz nicht erreichbar sind. Das erfordert, diese Anwendungen näher an den Datenursprung zu verlagern.

Wie Calvin sagte: Datenverarbeitung dorthin zu bewegen, wo Daten entstehen, weil die Gesetze der Physik nicht erlauben, einige dieser Anwendungen im Kern auszuführen. Es ist ein Lichtgeschwindigkeits-Problem. Ein natürliches Phänomen, das den Shift vom Kern zum Edge verursacht.

Siehe auch: Center for Edge Computing and 5G

Entscheidung: Wo Daten verarbeiten?

RTInsights: Das führt zur nächsten Frage: Welche Faktoren sollten Unternehmen berücksichtigen, wenn sie entscheiden, wo Daten verarbeitet werden? Besonders: Verarbeite ich am Edge oder nicht?

Iyer: Viele Faktoren sind technischer Natur, aber viele auch geschäftlicher, behördlicher und regulatorischer Art. Technisch gesehen ist die Lichtgeschwindigkeit ein großer Faktor. Selbst wenn Cloud-Anbieter versprechen, Daten im Kern so zu verarbeiten, dass dies die Anforderung erfüllt, wären die Kosten so hoch, dass Kunden sagen: „Da gibt es keine Chance, dass ich das bezahlen kann.“ Kunden werden dies als No-Brainer sehen: Verarbeitung an den Edge verlagern.

Zweitens: Latenz. Bei Anwendungsfällen wie autonomen Fahrzeugen (oder AR und VR) ist es Tatsache, dass wenige Millisekunden Verzögerung den Unterschied zwischen sicherem Fahren und Unfall ausmachen. Für Anwendungen, die Ergebnisse in Millisekunden oder schneller erfordern, ist Latenz entscheidend. Die Verarbeitung muss am Edge erfolgen.

Drittens: Bandbreitenmanagement. Die Kosten, die riesigen Datenmengen, die Calvin erwähnte, in die Cloud und zurück zu senden, sind teuer und ineffizient. Das treibt Kosten massiv in die Höhe – ein riesiger Abschreckungsfaktor für die meisten Kunden.

Ein weiterer wichtiger Faktor ist Sicherheit, besonders am Edge. Man kann potenzielle Sicherheitsprobleme isolieren, bevor Angriffe in das Kernrechenzentrum eindringen. Viele Organisationen können Angriffe am Edge erkennen und isolieren und diese Systeme abschalten, bevor das Problem den Kern erreicht. Man kann Früherkennung von Intrusion-Angriffen, Denial-of-Service etc. direkt am Edge durchführen, bevor sie die zentrale Infrastruktur erreichen.

Dann gibt es Skalierbarkeit. Man schaut auf Umgebungen, wo man zusätzliche Standorte oder Umgebungen hinzufügen kann, wenn Bedarf entsteht. Ob saisonal oder zusätzliche Funktionalität – Edge bietet hohe Skalierbarkeit.

Das sind einige technische Anforderungen auf hoher Ebene, aber es gibt auch regulatorische Anforderungen – etwa bei Gesundheitsanwendungen oder DSGVO-Compliance. In den meisten Fällen gibt es Vorgaben, dass Daten am Erzeugungsort gesammelt und nicht an ein zentrales Rechenzentrum übertragen werden dürfen. Viele Organisationen müssen diese Vorgaben einhalten.

Smith: Krish trifft den Nagel auf den Kopf. Ich würde hinzufügen: Es ist keine Dichotomie Edge versus Cloud oder Edge versus Kern. Es ist ein Spektrum, ein Kontinuum. Wir wissen, dass Workloads vom Edge, andere vom Kern oder aus der Cloud laufen. Es geht nur darum, die richtigen Workloads an den richtigen Orten zu platzieren und zur richtigen Zeit auszuführen. Die Vorstellung vor einem Jahrzehnt war, alles zu sammeln und zu speichern, egal welchen Kosten. Heute sind Daten immer noch der Schlüssel, aber die Analyse fügt den Wert hinzu – man sagt, Daten sind der neue Speck, das neue Gold, das neue Öl. Das stimmt, aber nicht, wenn es statische Informationen sind, die keinen Wert schaffen. Interessant wird es, wenn man basisfilterndes Machine Learning am Edge betreibt. Man muss nicht jede Instanz von Gerätedaten – „Ich lebe, es ist 72 Grad, immer noch 72 Grad“ – an das Rechenzentrum oder die Cloud senden.

Man muss solche Nachrichten nicht auf Sub-Millisekunden-Basis senden. Tut man es, wird es bei der schieren Anzahl der Geräte weltweit sehr schnell sehr teuer. Man möchte Daten am Edge, in situ, parsen und Sinn daraus ziehen. Einige verderbliche, flüchtige Daten haben nur für kurze Zeit Wert. Was man wirklich will, ist Anomalieerkennung, um herauszufinden, welche wichtigen Informationen man wirklich zurücksenden oder behalten muss. Im Kern oder in der Cloud kann man dann tiefere Analysen durchführen: Wie ist das früher passiert? Tritt diese Anomalie auch bei anderen Teilen der Asset-Flotte auf? Da beginnt der Wert. Man braucht den ganzen Stack und einen einheitlichen Blick auf den gesamten Datensatz. Wichtig ist: Neben allen von Krish genannten Parametern gibt es auch logische Gründe zu berücksichtigen. Es gibt Parameter für die gesamte verteilte Architektur, und man muss herausfinden, was wo, wann und warum gespeichert, weitergeleitet, analysiert und verarbeitet werden soll. FürPretty much jede Architektur gibt es eine andere Logik. Es hängt hochgradig vom Use Case und der Infrastruktur ab.

Überlegungen zum Verschieben von Daten und Compute an den Edge

RTInsights: In diese Richtung: Welche Faktoren sind für den Shift von Daten und Compute an den Edge zu beachten?

Iyer: Lichtgeschwindigkeits-Problem, Kosten und Sicherheit sind wichtige Faktoren. Wir sprachen über Bandbreite, Hochverfügbarkeit und Skalierbarkeit als weitere Faktoren. Die Fähigkeit, große Datenmengen zu reduzieren, Daten und Metadaten am Edge zu verarbeiten und nur die relevantesten Daten an den Kern zurückzusenden, wird ein weiterer Schlüsselfaktor. Vieles hängt von der Branche und dem Use Case ab.

Beispiel: Telekommunikationsanbieter und Content Delivery Networks haben möglicherweise spezifische Edge-Anforderungen. Sie müssen Edge für tiefere Zwecke nutzen als viele andere Branchen. Diese Industrien müssen herausfinden, welche Dienste sie Nutzern an bestimmten geografischen Standorten bieten. Dazu müssen sie den Kontext des geografischen Edge erfassen und standortspezifische Dienste bereitstellen. Die Situation sieht anders aus bei Operational-Technology-Use-Cases, die Predictive Analytics am Edge für IoT-Geräte und Maschinen erfordern. Wieder kommt es auf die spezifischen vertikalen Anforderungen an.

Im Einzelhandel: Wie gestalte ich das Kundenerlebnis wirklich positiv? Wie kann ich AR- oder VR-Erlebnisse nahtlos ohne Buffering bieten? Wie mache ich das Gesamterlebnis positiv und interaktiv, damit Kunden Kaufentscheidungen direkt vor Ort treffen? Gesundheitsanbieter haben völlig andere Anforderungen für Anwendungen wie Telehealth und Remote-Diagnose. Hier spielen viele regulatorische Anforderungen eine Rolle. Edge ist so kritisch; es muss einfach funktionieren.

Smith: Wir müssen auch den Horizont erweitern, was wir als Edge definieren. Im industriellen Kontext kann der Edge die Fabrikhalle selbst sein, oder das Auto, das wir als bewegtes Rechenzentrum der Zukunft beschrieben haben. Das Auto selbst ist im Wesentlichen der Edge. Es könnte eine Offshore-Ölplattform sein, die gesamte Plattform oder ein Abschnitt davon. Es sind mehrere Dinge, groß und klein, ganz definiert durch den Use Case und was man erreichen will. Edge Computing ist der interessante Teil.

Auch interessant: Der Formfaktor für Edge Compute – stark variierend. Ohne zu produktzentrisch zu sein: Dell hat Gateways (sehr simpel im Vergleich zu konvergenz- oder hyperkonvergenten Appliances), die Protokollnormalisierung, einige Analysen durchführen und für IoT-Plattformen und kleinere Formfaktoren genutzt werden können. Sie haben sehr konkrete, spezifische Ziele und ordnen sich einer Reihe von Geräten zu.

Auf der größeren Formfaktor-Seite haben wir Lösungen namens modulare Micro Data Centers. Kürzlich angekündigt: Dell EMC Modular Data Center Micro 415, ein kleines Edge-Rechenzentrum mit integrierter Stromversorgung, Kühlung und Remote-Management. Auch das Dell EMC Modular Data Center Micro 815 – im Wesentlichen ein Full Rack. Diese Lösungen sind flexibel und skalierbar. Wie der Name sagt: modular, sie skalieren, um Rechenzentren in einer use-case-definierten, komponierbaren Weise am Edge aufzubauen. Wir können buchstäblich Rechenzentren per Luftfracht an Ihren Edge liefern, unabhängig von der Umgebung.

Denken Sie an militärische Kontexte für Leute im Feld. Denken Sie an Dächer, wo man historisch im Keller verarbeiten wollte, weil dort bessere Kühlung ist. Diese Lösungen haben Kühlung integriert. Teil der Innovation ist Chassis, Gehäuse und die Art der Kühlung und Stromversorgung. Wir betreten neue Welten, wo – zu all den Punkten, die Krish zu Bandbreite, Kosten und Latenz machte – auch unterschiedliche Constraints in diesen Umgebungen herrschen: Vibration, Staub, Schock und gefährliche Bedingungen. Wir können buchstäblich robuste, geschlossene Micro Data Centers mit Storage, Compute und Networking absetzen, die Probleme in Near-Real-Time am Edge lösen. Es ist der Anfang einer sehr interessanten Veränderung, wie Menschen Geschäfte machen.

Zukunft von Edge und IoT

RTInsights: Was sehen Sie für die Zukunft mit Edge und IoT?

Iyer: Der verstärkte Bedarf an all den genannten Schlüsselpunkten wird Investitionen in den Edge treiben. Anwendungen werden die Zukunft bestimmen. Es hängt alles von der Art der Apps und den Entwicklern ab, die sie erstellen. Anwendungen werden täglich intelligenter. Damit Infrastrukturen oder Umgebungen diese Anwendungen unterstützen können, müssen sie ebenfalls intelligenter werden. Sie müssen mit der gleichen Geschwindigkeit wachsen wie die Anwendungen. Verbesserungen passieren, und die Industrie passt sich einem disaggregierten Ansatz an – nicht mit monolithischer Infrastruktur, sondern right-sized für diese Anwendungen. Doch wir müssen bedenken: Das Wachstumstempo ist nicht immer da, um die wachsenden Anforderungen mancher Anwendungen zu unterstützen.

Neben der Anwendungs-getriebenen Zukunft wird der Edge auch großen Wert aus der Cloud ziehen. Cloud geht nirgendwo hin. Ich denke, Cloud bleibt ein integraler Kontrollpunkt für den Edge. Cloud wird weiterhin als Schlüsselbetriebsmodell oder Umgebung dienen, die Datenverarbeitung, -handling und -management massiv unterstützt.

Doch ich glaube, die Zukunft des Edge wird auch davon definiert, wie Anbieter zusammenkommen. Eines haben wir gelernt: Keine einzelne Organisation oder kein Vendor hat ein Monopol über den Edge. Es ist eine Kombination mehrerer Player, die zusammenkommen müssen, um Services, Hosting, Betrieb, Daten, Sicherheit etc. für eine Vielzahl anderer Vendor bereitzustellen, um ein Ökosystem zu bilden. Das umfasst ein Ökosystem proprietärer Vendor und eines Open-Source-Vendor, die zusammen End-to-End-Lösungen liefern. Diese Kooperation ist nötig von der Anwendungsentwicklung über Support, Entwickler-Support, Sicherheit, Compliance und mehr.

Im Großen und Ganzen wird Edge-Infrastruktur horizontal sein, und vertikale Lösungen erfordern Systemintegratoren, um sie auf die letzte Meile für Branchen wie Healthcare, Manufacturing und Military zu bringen. Das erfordert wieder ein Ökosystem, das zusammenkommt, um die benötigte Funktionalität bereitzustellen.

Smith: Sie erwähnten den autonomen Use Case früher. Das ist ein wirklich guter. Futuristen werden provokante Aussagen machen: „Edge wird die Welt fressen!“ Ich weiß nicht, ob Sie sich erinnern: Vor 10 oder 15 Jahren sagten alle: „Wird Cloud die Welt fressen?“ Nun, ja, bis zu einem gewissen Grad, aber Rechenzentren sind nicht verschwunden. Gleichzeitig wird Edge die Welt auch nicht fressen. Es wird groß sein und wächst bereits, aber Cloud wird nicht verschwinden.

Schaut man auf ein autonomes Fahrzeug: Es ist eine Art Auto als bewegtes Rechenzentrum der Zukunft. Ich mag diese Analogie, weil sie verständlich ist. Das Auto ist im Wesentlichen der Edge selbst, aber es gibt andere Edges, mit denen es sich verbinden kann. Vehicle-to-Vehicle (V2V) Kommunikation. Vehicle-to-Base-Station oder andere Infrastruktur (V2X), wo man sich mit LTE oder in Zukunft, oder in bestimmten Metros aktuell, mit 5G verbindet. Dann gibt es fast definitiv Cloud-Konnektivität für Flottenmanagement und Cross-Connecting all dieser Autos.

Wieder: Es ist nicht kosteneffektiv, alle Daten jedes Fahrzeugs in die Cloud zu senden, und es ist nicht schnell genug für sicherheitsrelevante Features, wenn man sich Dinge wie intelligente Airbag-Auslösung ansieht, die zunehmend smarter basierend auf Gewicht und verschiedenen Parametern des Insassen wird. Oder Objekterkennung für eine Vielzahl von Kameras, die autonomes oder teilautonomes Fahren oder ADAS ermöglichen müssen. All das setzt Constraints und Limits. Man muss einen Teil lokal ausführen, aber man möchte auch tiefer in die Daten in der Cloud oder im Kern eintauchen, um Einblicke in Anomalien zu gewinnen, die dann andere Autos beeinflussen.

Beispiel: Ich möchte einen Airbag-Defekt oder etwas vorhersagen, das zu einem Garantie-Rückruf führt. All diese wichtigen Informationen müssen in die Cloud, aber man muss nicht alle statischen Daten senden – nur anomale oder Fehlererkennungsdaten. Dann gibt es enormen Wert, wenn man diese Daten über mehrere Autos analysiert. Wie Sie früher sagten, Krish: Ein autonomes Auto ist nur eine nette Art, alles zusammenzubinden, aber es ist nicht das einzige Beispiel. Es gibt mehrere Branchen, wo man anfängt, die Harmonie und den Grund für die Platzierung von Workloads in verschiedenen Bereichen über Edge, Kern und Cloud zu verstehen. Es ist eine aufregende Zeit. Wenn wir dasselbe Interview in einem Jahr und dann in zehn Jahren machen, würde ich gerne wieder zusammenkommen und sehen, ob unsere Edge-Proliferations-Prophezeiung zutrifft.