Die Bedeutung von Edge-Computing für das IoT

IoT und Edge-Computing

Das Internet der Dinge wächst exponentiell mit vernetzten Geräten, die von intelligenten Lampen und Öfen bis hin zu Datenerfassungsgeräten für industrielle Analysen reichen. Bis 2025 wird laut IDC mit 41,6 Milliarden vernetzten IoT-Geräten gerechnet, die 79,4 Zettabyte (ZB) an Daten generieren. Zum Vergleich:Ein Zettabyte entspricht etwa einer Milliarde Terabyte.

In den frühen Tagen des IoT sendeten die meisten dieser Geräte alle gesammelten Daten zur Analyse an die Cloud. Wenn Sie jedoch versuchen, Billionen von Gigabyte in die Cloud zu senden, beginnt die Datenpipeline ein wenig zu verstopfen. Hier kommt Edge Computing ins Spiel – es hilft IoT-Geräten dabei, einige dieser Daten lokal zu verarbeiten, anstatt sie an die Cloud zu senden, oder manchmal anstatt sie an die Cloud zu senden. Daher kommt der Name – die Daten werden am „Rand“ Ihres eigenen Netzwerks verarbeitet, anstatt verschickt zu werden.

Die Rolle von Edge Computing im IoT

Edge Computing dient in der aktuellen IoT-Landschaft einer Vielzahl von Zwecken. Dieses verteilte, lokale Computing-Paradigma befreit IoT-Geräte von Latenz- und Konnektivitätsproblemen, die andernfalls einige IoT-Anwendungsfälle unmöglich machen würden. Diese grundlegende Technologie bildet das Rückgrat von IoT-Anwendungen, die klassifizierte Daten enthalten, Entscheidungen in Echtzeit oder mit geringer Latenz erfordern, in Umgebungen auftreten, in denen Cloud-Konnektivität entweder nicht vorhanden oder gar nicht verfügbar ist, und in besonders datenlastigen Fällen wie in industriellen IoT-Implementierungen .

Da Edge-Computing-Geräte die Daten intern analysieren, gibt es im Gegensatz zu Cloud-analysierten Daten keine Latenz. Bei zeitkritischen Präzisionsaufgaben kann dies die Funktionalität von IoT-Geräten beeinträchtigen oder beeinträchtigen. Edge-Computing ist eine recheneffiziente, sichere, private und kostengünstige Möglichkeit, das Internet der Dinge in großem Maßstab zu nutzen, ohne das Risiko von Datenschutzverletzungen oder Netzwerküberlastungen einzugehen. Darüber hinaus bietet Edge Computing eine Ebene der Ausfallsicherheit und Redundanz für unternehmenskritische Aufgaben. Da dieser Prozess verteilt ist – d.h. nicht in einem einzigen System zentralisiert – wenn etwas ausfällt, kann das Geschäft trotzdem ununterbrochen weiterlaufen, während das defekte Element repariert wird.

Das soll nicht heißen, dass Edge Computing nicht im Einklang mit Cloud-basierter Analyse funktionieren kann – es kann es absolut und tut es oft. In diesen Fällen kann Edge-Computing dazu dienen, einige Echtzeitdaten bereitzustellen und zu filtern, welche Daten im Laufe der Zeit in die Cloud hochgeladen werden sollen, um sie in tieferen oder komplexeren Analysetechniken zu verwenden.

In einem industriellen IoT-Szenario, beispielsweise in einer Produktionsstätte, ist Edge-Computing gebührend wichtig, um das Risiko von Ausfallzeiten oder Datenschutzverletzungen zu reduzieren und eine effektivere Verwaltung riesiger Datenmengen zu ermöglichen. Für Hersteller, die Edge-Computing verwenden, ist der Aspekt der geringen Latenz ein großer Vorteil für die Arbeitssicherheit. Wenn beispielsweise die von einem Datenadapter gesammelten Informationen subtile Anomalien aufweisen – z. Rattern – das auf einen Spannungsbruch oder eine andere Form eines kurzfristigen Ausfalls hindeuten kann, kann eine Maschine sofort abgeschaltet werden, anstatt auf die Cloud-Analyse zu warten, deren Latenz zu Ausfallzeiten und Ausschussteilen führen kann.

Kurz gesagt, Edge Computing analysiert einige der Daten von IoT-Geräten am Rand des lokalen Netzwerks – vs. Übertragung an die Cloud – für eine schnellere, redundante, konnektivitätsunabhängige IoT-Verarbeitung, die leicht skalierbar ist.

The Edge ist eine entscheidende Komponente des IoT, die dazu beiträgt, die Latenz zu reduzieren und die Zuverlässigkeit zu verbessern.

Was ist eine IoT-Edge-Computing-Plattform?

In vielerlei Hinsicht ist eine IoT-Edge-Computing-Plattform einer Cloud-Computing-Plattform sehr ähnlich, nur näher an den Anwendungen.

„Edge-Plattformen ermöglichen es Ihnen, Daten von industriellen Systemen wie SPS, digitalen Steuerungssystemen, Sensoren oder Historikern zu sammeln und Anwendungen lokal auf den Daten auszuführen, wie z in einer Offline-Erstbereitstellung.“ –Eric Fogg, MachineMetrics

Da KI und maschinelles Lernen noch stärker in den Geschäftsbetrieb integriert werden, wird die Möglichkeit, Daten schneller abzurufen und zu nutzen, im Vergleich zur langsameren Cloud-Alternative von zunehmendem Vorteil sein. Dies führt fast immer zu einem Wettbewerbsvorteil in einer Welt, in der Geschwindigkeit, Anpassung und geschicktes Schwenken alles sind.