Fog Computing erklärt: Brücke zwischen Cloud und Edge für schnellere, intelligentere Daten

Bevor wir Fog Computing erklären, stellen wir sicher, dass wir Cloud Computing solide verstehen – ein Begriff, der zum allgemeinen Sprachgut geworden ist.

Cloud Computing bezeichnet den Zugriff auf „on-demand“ Rechenressourcen, Rechenleistung und Datenspeicher ohne On-Premise-Hardware oder aktives Management durch den Nutzer. Abbildung 1 zeigt eine generische Architektur, wie Multi-Site-Unternehmen eine industrielle Cloud-Lösung bereitstellen.

Abbildung 1: Cloud-Computing-Architektur. Courtesy of the author.

Innerhalb einer Cloud-Architektur haben sich verschiedene Adoptionsmodelle etabliert – die bekanntesten: Infrastructure-as-a-Service (IaaS), Platform-as-a-Service (PaaS), Software-as-a-Service (SaaS). Die Art, wie Sie die Cloud für Ihre Organisation nutzen wollen, leitet Sie zum passenden Modell.

IEEE 1934 definiert Fog Computing als „eine systemebene horizontale Architektur, die Ressourcen und Dienste von Computing, Storage, Control und Networking entlang des Cloud-to-Things-Kontinuums verteilt. Sie unterstützt Branchen und Applikationsdomänen, ermöglicht Services und Applikationen näher an den datenproduzierenden Quellen zu verteilen und erstreckt sich von den Things über Netzwerkränder, durch die Cloud und über mehrere Protokollschichten.“

Kurz gesagt: Fog Computing verschiebt bestimmte Cloud-Computing-Ressourcen weg von der Cloud hin zu den einzelnen Geräten. Bei Fog Computing wird an jedem Standort (typischerweise LAN-Ebene) ein zusätzlicher Computer platziert, um Daten lokal zu konzentrieren (aggregieren). Er regelt, welche Informationen lokal verarbeitet und welche in die Cloud ausgelagert werden – fungiert als Vermittler zwischen lokalen Geräten und entfernten Servern. Dies hilft generell bei zwei Dingen:

• Reduktion der notwendigen Cloud-Verbindungen
• Schnellere lokale Verarbeitung – wie Abbildung 2 zeigt, sendet der Fog-Computer konsolidierte, aussagekräftige Daten an die Cloud, wo standortübergreifend analysiert wird

Abbildung 2: Fog-Computing-Architektur. Courtesy of the author.

Unterschiede zwischen Fog Computing und Edge Computing

Neben Fog Computing hört man oft Edge Computing. Sind sie identisch? Wenn nicht, was ist der Unterschied?

Je nach Befragtem oder Unternehmen fallen die Antworten sehr unterschiedlich aus. Manche argumentieren, Fog und Edge seien dasselbe, andere sehen deutliche Unterschiede.

Fog und Edge Computing – zumindest in industriellen und Fertigungsanwendungen – sind Systeme, die versuchen, Daten von lokalen Assets/Geräten effizienter zu erfassen und zu verarbeiten als traditionelle Cloud-Architekturen. Der Schlüsselunterschied liegt darin, wo Verarbeitung und „Intelligenz“ letztlich stattfinden.

Beispiel: Ein Sensor speichert seine minütlichen Rohwerte 30 Tage lokal, überträgt stündlich Zusammenfassungsdaten an eine lokale Netzwerk-Ressource (Server), und ein Bruchteil gelangt in die Cloud. Dies reduziert Datenübertragung drastisch und erlaubt detaillierte Historie, falls der Sensor etwas Relevantes erfasst.

Ihre Definition von Edge vs. Fog hängt davon ab, wo Sie die Grenze um Rohdatenerfassung, Datenspeicherung und Nutzung computergestützter Ressourcen ziehen.

Vorteile von Fog Computing

Stellen Sie sich das obige Beispiel vor: Haben Sie sich die Rechenleistung vorgestellt, um 100 Sensoren zu aggregieren, analysieren, gewünschte Outputs zu berechnen? Wie sieht es bei 10.000 Sensoren aus? Benötigter Speicher, Datentransfer, Netzwerkbandbreite wachsen exponentiell mit mehr Datenquellen.

Fog Computing hilft Ihnen:

• Netzwerklatenz und Datentransfer reduzieren
• Effektive Netzwerkbandbreite erhöhen
• Netzwerk vertikal isolieren
• Deployment einfach und effizient skalieren
• Privatsphäre und Datensicherheit kontrollieren

Durch Anpassung von Fog-Computing-Technologien können Sie „smarte“ und effiziente IIoT-Lösungen in kleineren Schritten bauen und deployen. Statt „Cloud vs. Fog vs. Edge“ zu denken, sollten Sie die Frage stellen: „Welche Kombination passt am besten zu meinen spezifischen Bedürfnissen?“ So wird es keine „Entweder-oder“-Entscheidung, sondern eine kollaborative Adaption verschiedener Technologien und Architekturen.