Infrastruktur

Die Grenze zwischen Edge und Cloud

Der Ort, an dem die wichtigsten Prozesse der Datenspeicherung und -verarbeitung stattfinden, hat sich in den letzten Jahrzehnten mehrfach verschoben. Von zentralen Großrechnern bis in die Cloud und wieder zurück. Durch den aktuellen Trend des Edge Computing werden Teile der Datenverarbeitung wieder näher an den Entstehungsort gerückt. Doch was ist der effizienteste Weg?

(Bild: ©1STunningART/stock.adobe.com)
(Bild: ©1STunningART/stock.adobe.com)

Entscheidungsoptionen, wo Datenspeicherung und -verarbeitung stattfinden soll gibt es mehr denn je. Nichtsdestotrotz müssen sich Unternehmen bei der freien Wahl zwischen Edge-Device-Verarbeitung, Verarbeitung im Rechenzentrum und Cloud-Verarbeitung für die effizienteste Art und Weise und den effizientesten Standort entscheiden, um die große Menge an Daten zu verarbeiten, zu speichern und zu analysieren.

In die Cloud und zurück

Wer über den Einsatz von Edge Computing nachdenkt, muss sich darüber im Klaren sein, dass am Netzwerkrand nur verhältnismäßig wenige Speicher- und Verarbeitungsaufgaben stattfinden können. Ungeachtet der Verbesserungen bei der Verarbeitungsleistung müssen Aufgaben wie Mustererkennung oder Analyse meistens an anderer Stelle stattfinden. Dies ist nur zum Teil auf einen Mangel an Rechenleistung zurückzuführen, sondern vielmehr auf einen Mangel an Speicherkapazität. Um eingehende Analysen durchführen und langfristige Trends erkennen zu können, müssen große Datenmengen aggregiert werden. Nirgendwo ist diese Tatsache offensichtlicher als im Verarbeitenden Gewerbe. Die für die Fertigung verwendete Operations Technology (OT) bietet in der Regel wenig Rechenleistung, sodass die Daten für eine detaillierte Analyse in die IT-Umgebung exportiert werden müssen. Dieser Schritt bringt bereits etliche Sicherheitsherausforderungen mit sich. Die Verlagerung dieser Daten aus den Grenzen der eigenen Infrastruktur (Rechenzentrum) in die Cloud bedeutet eine neue Reihe von Sicherheitsbedrohungen, insbesondere wenn die Erkenntnisse aus der Analyse in die OT-Umgebung zurückgeführt werden sollen.

Geschwindigkeit und Latenz

In den meisten IoT-Edge-Computing-Szenarien muss ein Teil der Datenspeicherung und -verarbeitung in einem Rechenzentrum vor Ort oder in einer Cloud erfolgen, um den Kapazitäts- und Leistungsanforderungen gerecht zu werden. Das lokale Rechenzentrum bietet dabei geringere Latenzzeiten und eine höhere Bandbreite. Ein Grund dafür, Verarbeitungsleistung überhaupt in die OT-Umgebung zu bringen, besteht darin, schnell auf Fehler zu reagieren und Prozesse in Echtzeit besser steuern zu können. Egal wie gut die Verbindung zur Cloud auch sein mag, für Echtzeitanwendungen wird die Latenz nicht gering genug sein. Außerdem sind Schwankungen in der Netzwerkqualität im eigenen Netzwerk weniger wahrscheinlich und besser zu kontrollieren.

Kosten im Blick

Im Rahmen der Konnektivität sind zwei weitere Aspekte zu beachten: Kosten und Sicherheit. Die Gesamtkosten von Cloud-Diensten umfassen nämlich nicht nur die regelmäßigen Zahlungen für den Dienst, auch die Konnektivität für die Datenübertragung muss bezahlt werden. Um die Kosten dafür niedrig zu halten, sollten Daten vor der Übertragung in die Cloud im eigenen Rechenzentrum vorverarbeitet werden. Die Daten werden also vor Ort gespeichert, normalisiert und aggregiert. Zudem wird eine Anwendungsanalyse mittel- bis langfristiger Trends in Echtzeit durchgeführt, da die Datenmenge bei letzteren tendenziell sehr groß ist. Der größte Teil der Verarbeitung findet also vor Ort statt. Doch es gibt Ausnahmen, z.B. spezialisierte Verarbeitung, die nur in der Cloud verfügbar ist oder große Mengen an Rechenleistung erfordert, aber nur kurzfristig.

Weitreichend abgesichert

Cloud-Provider bieten heute ein hohes Maß an Sicherheit. Es ist eher unwahrscheinlich, dass Cyberkriminelle technische Schwachstellen finden, um die Sicherheitsvorkehrungen von Cloud-Diensten größerer Anbieter zu überwinden – in den meisten Fällen sind es menschliche Konfigurationsfehler, die zu Cloud-Datenlecks führen. Wie auch bei den Kosten müssen Unternehmen allerdings sowohl den Datentransfer als auch die Cloud-Dienste selbst berücksichtigen. Der Datentransfer muss gesichert werden, z.B. über ein VPN und/oder indem die Daten vor Ort durch ein Verschlüsselungs-Gateway laufen, bevor sie in die Cloud gesendet werden.

Kapazität vor Ort

Es zeigt sich, dass Edge Computing in einer IoT-Fertigungsumgebung leistungsstarke, kosteneffiziente Speicher- und Verarbeitungskapazitäten in einem Rechenzentrum vor Ort erfordert. Wenn man sich so weit wie möglich auf Rechenzentrumsressourcen vor Ort verlässt, werden auch die Komplexität und die Kosten niedrig gehalten. Die Cloud kann in bestimmten Fällen einen Mehrwert für das IoT bieten. Dieser hängt jedoch nicht direkt mit dem Edge Computing als solchem zusammen, sondern eher mit der Datenanalyse und der Nutzung spezifischer Anwendungen für bestimmte Projekte, bei denen Daten verwendet werden, nachdem sie in einem Rechenzentrum vor Ort (vor-)verarbeitet wurden.





  • Mit Strategie gegen Silos

    Hersteller investieren viel Zeit und Geld, um die Wertschöpfungskette kontinuierlich zu verbessern. Dabei entstehen oft Silo-Systeme, die isoliert voneinander arbeiten und wenig…


  • ERP-Studie nimmt KI und Cloud in den Fokus

    Die Studie ’ERP in der Praxis’ ist in ihre 12. Runde gestartet. Seit 2004 fordern die Analysten der Trovarit AG Anwender von…


  • Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise

    Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen…


  • Datenpunkte in der Batteriezellfertigung setzen

    In der Batteriezellfertigung erzeugen heterogene Quellen enorme Datenmengen. Um die Produktion mit Digitaltechnik aufzurüsten, müssen die verschiedenen Datenquellen an die IT-Systeme in…


  • MES und Lean-Management im Zusammenspiel

    Fertigungsunternehmen suchen stets nach Möglichkeiten, ihre Workflows zu optimieren, Verschwendung zu reduzieren und Ressourcen optimal einzusetzen. Der Lean-Ansatz ist hier ein bewährtes…