Edge Computing: Datenverarbeitung im Grenzbereich

Die Flut der Daten steigt exponentiell – vor allem durch das Internet der Dinge. Gerade für zeitkritische Analysen wird diese schiere Masse zu einem ernsten Problem. Eine Lösung könnte eine grundlegende Neuordnung traditioneller Netzwerktopologien sein.

In den letzten Jahren wurde der Begriff „Big Data“ geradezu als Heilsversprechen in den Markt getragen. Endlich haben Organisationen mehr Daten zur Verfügung – über ihre Kunden, zu ihren Maschinen, zu weltweiten Ereignissen. Aus diesen Daten – so die Vision – ließen sich völlig neue Erkenntnisse ableiten, die Unternehmen erfolgreicher und die Verwaltungsarbeit einfacher machen sollten.

Inzwischen hat sich Ernüchterung breitgemacht. Big Data ist schließlich nicht nur eine Chance, sondern zunächst auch ein Problem. Gerade das Internet der Dinge erfordert beispielsweise enorm große dezentrale Infrastrukturen. Zum Vergleich: Vor gut zehn Jahren wurden weltweit 397 Exabyte (1 Exabyte = 1 Mio. Terabyte) an Daten in Rechenzentren gespeichert. 2021 werden es schätzungsweise 1327 Exabyte sein.

In neue Rechenzentren zu investieren, wird auf Dauer nicht reichen. Deshalb forschen beispielsweise die großen IT-Konzerne an neuen Lösungen, um den Datenmassen Herr zu werden. Der Schwerpunkt liegt dabei weniger in der platzsparenden Speicherung, als vielmehr in der schnellen Verarbeitung der Informationen. Der Bedarf ist groß, denn besonders die Analyse von zeitkritischen Daten in der Cloud verzögert sich mit dem Anstieg der Datenmengen. In kritischen Anwendungsfällen kann schon eine kleine Latenz zu großen Problemen führen: Nicht auszudenken, wenn der Autopilot eines Elektrofahrzeugs zu spät bremst, weil er die Abstandsdaten nicht schnell genug auswerten konnte. Eine der vielversprechendsten Technologien, die bei dieser Problematik helfen kann, ist Edge Computing.

Edge Computing verteilt die Last neu

Die Idee hinter Edge Computing (oft auch Fog Computing genannt) ist es, die Erfassung und die Verarbeitung von Daten näher zusammenzurücken. Erklären lässt sich das am Beispiel einer herkömmlichen cloudbasierten Netzwerkarchitektur. In deren Zentrum befindet sich ein Serververbund, der Daten von Endgeräten empfängt, auswertet und die Analyseergebnisse zurücksendet. Das Hauptziel ist dabei immer, dass alle Daten in Echtzeit, mit geringstmöglicher Latenz, verarbeitet und gespeichert werden. Edge Computing soll genau das gewährleisten, indem ein Teil der Daten auf die Kanten (Edges) des Netzwerks verschoben werden – also an den „Rand“. Dadurch übernimmt die Cloud nicht mehr alle Aufgaben bei der Datenverwaltung und -verarbeitung.

Edge Computing erweitert und unterstützt sozusagen die Leistung des klassischen cloudbasierten Netzwerks. Dafür gibt es zwei Ansätze: Einerseits können zeitkritische Daten in den smarten Endgeräten vorgefiltert und analysiert werden. An die Cloud werden dann nur noch essentielle Informationen weitergegeben. KI-Chips, die in Smartphones fest verbaut sind, können solche Aufgaben bereits übernehmen. Sie bearbeiten Analyse-Aufgaben autonom von der Cloud, beispielsweise bei der Gesichtserkennung per Kamera.

Auch die Industrie 4.0 profitiert

Der zweite Ansatz für Edge Computing umfasst die Verknüpfung der Cloud-Rechenzentren mit kleineren Data Centers, die sich näher am Ort der Datenentstehung befinden. Diese Option ist besonders geeignet im Kontext von Industrie 4.0. So könnten etwa Betriebe zeitkritische Daten zur Analyse mit einem regionalen Rechenzentrum austauschen, anstatt sie an die globale Serverfarm zu senden. Dieser Vorgang spart mehrere Sekunden Wartezeit und sorgt dafür, dass alle technischen Systeme in Echtzeit arbeiten.

Entscheidend dabei ist eine intelligente Paketverwaltung. Denn der Ansatz erfordert es schließlich, dass Datenpakete zwischen kleineren Rechenzentren und der Cloud automatisch verteilt werden. Zeitkritische Daten müssen als solche identifizierbar sein, um sie an das nächstgelegene Rechenzentrum zu leiten. Und auch die smarten Endgeräte entscheiden automatisch, welche Daten sie an die Cloud senden und was auf dem Gerät verbleiben kann.

Sicherheit und Stabilität steigen

Die Verteilung auf mehrere Rechenzentren hat noch einen weiteren Vorteil: Sicherheit. Weil sich die Daten im Netzwerk auf verschiedene Lokationen aufteilen, also dezentral vorgehalten werden, ist das Gesamtsystem weniger anfällig – beispielsweise gegenüber Hackerangriffen. Klassische DDoS-Attacken (Distributed Denial of Service) etwa versuchen gezielt, einzelne Server durch vielfache Anfragen zu überlasten und auszuschalten. Gelingt das im Einzelfall, kann der Ausfall aber theoretisch durch die anderen Datenpunkte im Netzwerk aufgefangen werden und das System bleibt aktiv.

Ein wichtiger Punkt bei der Umsetzung von Edge Computing ist auch die Hardware-Basis. Denn nur mit einer hohen Netzübertragungsgeschwindigkeit funktioniert die schnelle Datenverarbeitung und -speicherung. Die Grundvoraussetzung ist also eine flächendeckende Glasfaser-Breitbandinfrastruktur und ein mobiles 5G-Netz, um einen Datenfluss in Echtzeit zu garantieren. In Deutschland sind diese technischen Rahmenbedingungen aktuell noch nicht erfüllt. Lediglich zwei Prozent aller Haushalte sind in Deutschland mit Glasfaser versorgt. Gerade mal 42 Prozent der Unternehmen können hierzulande Datenübertragungsraten von mindestens 30 Mbit/s nutzen – EU-Spitzenreiter ist Dänemark mit 73 Prozent.

Die Smart City profitiert von Edge Computing

Abgesehen von diesen technischen Hürden sollen die Einsatzmöglichkeiten von Edge Computing in Zukunft vielfältig sein. Ein beliebtes Beispiel, um das zu verdeutlichen, ist das autonome Fahren. Mit einer Vielzahl von Sensoren und Prozessoren an Bord sind die Autos von morgen gewissermaßen kleine, rollende Rechenzentren. Unmöglich, für jede einzelne Entscheidung im Straßenverkehr die Cloud um Rat zu fragen. Die Analyse der Sensor-Daten muss an Bord stattfinden.

Relevant wird Edge Computing aber auch für viele andere Bereiche der Smart City. Denkbar ist beispielsweise eine intelligente Ampelanlage, die in Echtzeit auf Verkehrsbewegungen reagieren kann. Etwa mit Hilfe von Überwachungskameras, die in extremen Situationen das Signallicht von Polizeifahrzeugen und Krankenwagen erkennen und automatisch für eine grüne Welle auf der Notfall-Route sorgt.

Folgen Sie uns auf Facebook und​ Twitter und​ Sie bleiben immer up to date über die wichtigsten Entwicklungen im E-Government und der IT des Bundes.

Fotos: © chombosan/iStock

Das könnte Sie auch interessieren: