Beim Edge Computing geht es darum, Verarbeitungs- und Storage-Funktionen näher an den Ort der Datenerzeugung zu bringen. Dieses verteilte Computing ist eine großartige Infrastrukturstrategie, wenn extrem niedrige Latenz sowie Reaktionen in Echtzeit für die Anwendungs-Performance und Anwendererfahrung entscheidend sind.

Schnellere Reaktionszeit: Durch das Aufnehmen und Verarbeiten von Daten in Echtzeit am Unternehmensendpunkt wird die Reaktionsfähigkeit von Anwendungen auf sichere Weise verbessert, anstatt Daten zum und vom zentralen Server zu senden.

Höhere Wirtschaftlichkeit: Angesichts der exponentiellen Zunahme der generierten Datenmenge besteht ein anhaltender Bedarf an mehr Computing mit schnelleren Verbindungen und einem Netzwerk mit mehr Kapazität. Dies treibt die Gesamtkosten in die Höhe. Es kann effizienter sein, Daten nur bei Bedarf an den zentralen Server zu senden und den Großteil der Verarbeitung am Edge durchzuführen.

Autonome Abläufe: Ausfallzeiten sind unvermeidbar. Die Systemverfügbarkeit kann jedoch verbessert werden, indem Workloads näher an Anwender/Datenquellen gebracht werden und dadurch das zentrale Computing und Netzwerkverbindungen entlastet werden.

Für jeden Anwendungsbereich, in dem eine schnellere Reaktionszeit erforderlich ist oder eine zuverlässige und effiziente Netzwerkbandbreite eine Herausforderung darstellt, kann Edge Computing eine hervorragende Lösung sein. Beispiele für Anwendungsbereiche:

Einzelhandel: Mit dem Edge können Einzelhändler ihre Abläufe in allen Aspekten vorantreiben und es wird die Grundlage sein, auf der sie nach der Pandemie aufbauen. Es ermöglicht ihnen, neue, in der heutigen Umgebung zweckmäßige Anwendungen hinzuzufügen, und bietet gleichzeitig eine Basis für zukunftssichere Verfahren. Wie bei jeder anderen Grundlage bedeutet dies, dass es viel einfacher ist, darauf aufzubauen – von der Integration in In-Store-Endgeräte über KI-/ML- und Personalisierungstechnologien, Abwicklung und Versand bis hin zur Verarbeitung von Kundendaten.

Fertigung und Lagerwesen: ML-Inferenzmaschinen analysieren Bilder und Videos am Kundenstandort automatisch, um Qualitätsprobleme in der Lieferkette und am Fließband zu erkennen und Maßnahmen einzuleiten, mit denen Anlagentechniker Probleme schnell beheben und teure Ausfallzeiten oder Nacharbeiten vermeiden.

Autonome Fahrzeuge: Cellular Vehicle-to-Everything ist eine wichtige Plattform für autonomes Fahren und Echtzeit-HD-Karten, die für die Verkehrssicherheit erforderlich sind. Der Zugriff auf die Infrastruktur mit niedriger Latenz, der für die Verarbeitung und Analyse von Daten am Edge erforderlich ist, unterstützt die Echtzeitüberwachung von Fahrzeugdaten.

Vorbeugende Maßnahmen: Edge Computing unterstützt die lokale Diagnose und Behebung von Problemen, sodass Aktionen deutlich beschleunigt werden. Beispiele hierfür sind Remotebohrtürme und -fertigungsanlagen.

Strafverfolgung: Edge Computing spielt für die Unterstützung der öffentlichen Infrastruktur und der Strafverfolgung eine wichtige Rolle. Beispiel: Ein Remotestandort ist mit lokalen Kameras und Analysefunktionen ausgestattet, damit unbefugtes Eindringen/Herumlungern erkannt werden kann und nur dann ein Alarm gesendet wird, wenn diese Ereignisse auftreten. Filmmaterial von Dashcams und Bodycams in Streifenwagen wird über zwei LTE-Verbindungen hochgeladen. SD-WAN verbessert dabei die Verbindungsqualität und stellt sicher, dass die Daten zur Nachbearbeitung, Analyse und Speicherung von Videos an ein zentrales Repository gesendet werden.

Gesundheitswesen: Diagnose und Bildgebung erfordern eine große Bandbreite. Mit KI-/ML-basierten Lösungen für Videoanalyse und Bildgebung können medizinische Fachkräfte beobachtete Symptome schneller diagnostizieren. Die Bild- oder Videostreams von medizinischen Geräten werden am Edge verarbeitet und die Antwort wird an das Anwendergerät zurückgegeben.

Die Zahl der IoT-Geräte oder intelligenten Geräte nimmt ständig zu. Dadurch besteht eine konstante Nachfrage nach der Verarbeitung der generierten Daten. Zudem sind Mitarbeiter, Informationen und Infrastruktur nicht auf einige wenige, von Unternehmen festgelegte Standorte beschränkt. Diese Dezentralisierung erfordert dezentrale Verarbeitung und Speicherung, da die Übertragung des Datenvolumens zu und von zentralen Systemen ebenso ineffizient wie teuer ist. Ein einzelnes Gerät, das Daten erzeugt, kann diese ganz einfach über ein Netzwerk übertragen. Jedoch treten Probleme auf, wenn immer mehr Geräte gleichzeitig Daten übertragen.

Ein weiterer wichtiger Aspekt ist die Förderung der 5G-Konnektivität: Da 5G mit niedriger Frequenz arbeitet, sind für Daten relativ gesehen mehr Hops zwischen Anwender und Anwendung erforderlich. Mit Edge Computing kann der Großteil der Daten am Edge verarbeitet werden. Die restlichen Daten werden bei Bedarf an den Core gesendet.

Edge Computing verlagert die Rechenleistung an das Edge und entlastet dadurch Cloud- oder zentrales Computing. Bei einer Edge Computing-Topologie befinden sich Computing- und Storage-Ressourcen in der Nähe des Anwenders oder der Datenquellen. Nahezu in Echtzeit werden Daten verarbeitet, gefiltert und analysiert und die Ergebnisse an den Anwender gesendet.

Ein Edge Stack mit angemessener Computing-, Storage- und Analyseleistung wird in der Nähe der Datenquelle oder des Anwenderendgeräts erstellt. Diese über das Netzwerk verteilte Gruppe von Edge Stacks analysiert die Daten lokal und sendet nur die Daten, die weiter analysiert oder in der Cloud bzw. an einem zentralen Ort gespeichert werden müssen. Die Bearbeitungszeit wird dadurch verkürzt.

VMware Edge Compute Stack

• Konsistente Multi-Cloud-Edge-Plattform: Unternehmen können ihre branchenspezifischen edgenativen Anwendungen am „Near Edge“ und „Far Edge“ erstellen, ausführen, verwalten, vernetzen und schützen. Dabei nutzen sie eine konsistente Infrastruktur und einheitliche Abläufe in ihren Rechenzentren und in der Cloud.
• Konsistenter Multi-Cloud-Betrieb: Vereinfachen Sie Multi-Cloud-Betrieb und -Management mit konsistenten, zentralen Richtlinien, um betriebliche Konsistenz zu gewährleisten.
• Einheitliche, kontextorientierte Sicherheit: Schützen Sie verteilte Anwender, Daten und Anwendungen vor Bedrohungen auf allen Ebenen. In die Plattform integrierte, für jede Anwendung und jeden Workload spezifische Sicherheitsfunktionen bieten erstklassigen Schutz.
• AIOps für Echtzeit-Diagnose: Messen Sie die Anwender- und IoT-Geräteerfahrung, vergleichen Sie die Werte mit der normalen Baseline-Performance und lösen Sie Benachrichtigungen aus, um Probleme zu minimieren.
• Optionales Aktivieren privater 5G-Konnektivität: SD-WAN stellt in Kombination mit 5G Daten aus der Transportschicht bereit, die eine bessere Kontrolle anhand daraus erstellter Business-Richtlinien ermöglichen. Die Transportebene unterstützt mit bereitgestellten Statusinformationen beispiellose Selbstmanagement- und Selbstreparaturfunktionen in Netzwerken. Dies ist perfekt für Standorte geeignet, die eine schnelle Bereitstellung hoher Bandbreite mit einem hohen Maß an Kontrolle erfordern.