Was ist Edge Computing? Erklärung, Vorteile, Nachteile und Beispiele!

Setzt man sich mit der digitalen Datenverarbeitung auseinander, dann stößt man neben dem „Cloud Computing“ irgendwann auch auf den Begriff „Edge Computing“. Dem Namen entsprechend beschreibt dieser die Datenverarbeitung am Rande eines Netzwerks. Was das im Detail bedeutet, welche Vorteile und Nachteile es beim Edge Computing gibt und was man sonst noch zum Thema wissen sollte, das erfahrt ihr hier.

Die Unterschiede zwischen Cloud- und Edge Computing

Beim Cloud Computing schicken die einzelnen Geräte in einem Netzwerk (Computer, Sensoren, Messgeräte, etc.) ihre Anfragen und ermittelten Daten an zentrale Server, auf denen die Berechnung von Ergebnissen sowie deren Ausgabe an die Ausgangsgeräte erfolgt. Dabei wird das Internet genutzt, was zwar den Datenaustausch über weite Strecken ermöglicht, aber auch bei den modernsten und schnellsten Verbindungen keine Datenverarbeitung und Reaktionen in Echtzeit erlaubt – vor allem bei großem Daten- und Geräteaufkommen.

Und genau dieses Problem – nebst Angelegenheiten wie Datenschutz und Breitbandentlastung – soll Edge Computing lösen. Die Datenverarbeitung oder zumindest eine Vorauswahl der relevanten Daten passiert dabei lokal, also entweder direkt innerhalb des betreffenden Geräts oder innerhalb des gleichen lokalen Geräteverbunds. Anstatt also alle Rohdaten an den Server zu schicken und auf eine Auswertung zu warten, werden die Daten vor Ort interpretiert, analysiert und Ausgaben berechnet, um eine Echtzeitreaktion zu erhalten. Vor allem im Internet der Dinge (IoT) soll dies zahlreiche Hürden beseitigen.

Die Vorteile von Edge Computing

Ein paar Vorteile habe ich nun schon genannt. Will man aber eine Liste mit den wichtigsten Vorteilen des Edge Computing anlegen, lassen sich durchaus noch ein paar weitere Punkte finden:

• Geringe Latenz: Einer der größten Vorteile von Edge Computing liegt in der Reduzierung von Latenzzeiten. Durch die lokale Verarbeitung von Daten in unmittelbarer Nähe zur Datenquelle werden Reaktionszeiten erheblich verkürzt. Das ist besonders für Anwendungen wie autonomes Fahren oder Augmented Reality (AR) wichtig. Auch Headsets für die virtuelle Realität können nur durch Edge Computing ein zufriedenstellendes Nutzungserlebnis liefern.
• Bandbreitenentlastung: Edge Computing reduziert den Bedarf an Netzwerkbandbreite, da nicht jeder generierte Datensatz an weit entfernte Server gesendet werden muss. Das ist während des Betriebs nicht nur kosteneffizienter, sondern auch für Regionen mit begrenzter Bandbreite von Vorteil.
• Datenschutz und Sicherheit: Die lokale Verarbeitung sensibler Daten ermöglicht einen höheren Grad an Datenschutz und Sicherheit. Durch die Minimierung der Übertragung von Daten über externe Netzwerke wird das Risiko von Datenschutzverletzungen verringert. Auch das Abgreifen von Daten durch Dritte wird erschwert.
• Skalierbarkeit: Edge Computing bietet eine flexible Skalierbarkeit, indem die Rechenleistung auf verschiedene Edge-Geräte verteilt wird. Dies ermöglicht eine effiziente Anpassung an steigende Anforderungen, insbesondere in Umgebungen mit einer wachsenden Anzahl von vernetzten Geräten.
• Offline-Fähigkeit: Ein ebenfalls großer Vorteil von Edge Computing liegt in der Möglichkeit, auch ohne ständige Internetverbindung zu arbeiten. Dies ist besonders relevant in Umgebungen mit unzuverlässiger Netzverbindung sowie bei Anwendungen, die eine kontinuierliche Funktionalität erfordern. Natürlich nur dann, wenn durch Edge Computing die gesamte notwendige Berechnung stattfindet und nicht nur eine Datenvorauswahl.

Die Nachteile von Edge Computing

Wie bei jedem System und jedem Konzept für die Zusammenführung verschiedener, komplexer Einzelfaktoren gibt es auch hier nicht nur Vorteile. In der folgenden Liste findet ihr ein paar Edge Computing Nachteile:

• Komplexität der Verwaltung: Die Verteilung von Rechenleistung an den Rand des Netzwerks führt zu einer erhöhten Komplexität seiner Verwaltung. Die Administration und Wartung von verteilten Systemen erfordert spezialisierte Kenntnisse und Ressourcen vor Ort. Statt einer auch für branchenfremde Personen komfortablen Cloud-Lösung mit Administration in Servernähe ist bei Unternehmensanwendungen notfalls eine Fachperson fürs Edge Computing einzustellen.
• Sicherheitsrisiken am lokalen Standort: Die Dezentralisierung der Datenverarbeitung bringt im lokalen Betrieb ganz eigene Sicherheitsrisiken mit sich. Edge-Geräte können theoretisch anfälliger für physische Angriffe sein, was eine zusätzliche Ebene der Sicherheitsüberwachung erfordert.
• Kosten für Hardware-Upgrades: Der Einsatz von Edge Computing erfordert möglicherweise Investitionen in leistungsfähige Edge-Geräte. Die Notwendigkeit von Hardware-Upgrades kann zu höheren Kosten führen, insbesondere wenn eine umfangreiche Skalierung erforderlich ist. Es müssen also verschiedene Faktoren (Anschaffungskosten, mögliche Einsparungen, etc.) gegenübergestellt werden, um die Rentabilität des Ganzen zu ermitteln.

Edge Computing am Beispiel des Apple iPhone

Neben komplexen, industriellen Anwendungsbereichen, die für Laien eher schwierig nachzuvollziehen sind, können auch Geräte aus dem Alltag als Beispiele für das Edge Computing herangezogen werden. Das Apple iPhone etwa verarbeitet verschiedenste Eingaben, Sensordaten, Anfragen und dergleichen lokal, ohne dass eine Internetverbindung bestehen und externe Server für das benötigte Ergebnis kontaktiert werden müssen.

So werden beispielsweise Fingerabdrücke und Gesichter für Touch ID und Face ID lokal mit den hinterlegten Daten abgeglichen, sodass der Gerätezugang offline erteilt oder verweigert werden kann. Auch Siri funktioniert seit einer Weile ohne Internetverbindung direkt auf dem Gerät. Weitere Funktionen wie die Texterkennung, die Autokorrektur, die Bilderkennung und dergleichen können als Beispiele herangezogen werden. Mit iOS 18 könnte Apple zudem eine generative KI für das iPhone vorstellen, welche lokal arbeitet.

Edge Computing am Beispiel autonomer Fahrzeuge

Etwas umfangreicher, nämlich mit der Nutzung eines lokalen Netzwerkes, könnte autonomes Fahren sicherer gemacht werden. Denn zwar werden bestimmte Sensordaten und Kamerabeobachtungen bei selbstfahrenden Fahrzeugen direkt mit der Fahrzeughardware interpretiert. Die mit dem Gefährt ermittelten Daten reichen aber nicht immer aus, um es für alle Beteiligten sicher zu machen. Mit von anderen Fahrzeugen sowie Kameras und Sensoren an Straßen ermittelten Datensätzen kann das Gefährt viel besser auf nahende Gefahrenpotenziale reagieren.

Ein Beispiel wäre die Situation an einer Kreuzung. Hier kann ein einzelnes Fahrzeug mit seinen Sensoren nicht alle möglichen Faktoren erfassen, die zur sicheren Interpretation der Situation nötig sind. Deshalb wäre der Austausch mit anderen Fahrzeugen sowie mit Scannern und Kameras, welche die gesamte Kreuzung von oben im Blick behalten, sinnvoll. So können Leute auf dem Fußweg, heran rasende Personen auf Fahrrädern, Platz erfordernde Rettungsfahrzeuge und dergleichen ermittelt sowie in die Entscheidung über Folgehandlungen einbezogen werden.

Das würde durch einen lokalen Austausch nahezu in Echtzeit funktionieren, ohne dass die beteiligten Einzelgeräte erst mit einer zentralen Cloud kommunizieren müssen. Diese wird letztendlich nur über die Entscheidungen und ihre Folgen informiert, um Logs anzulegen, zu interpretieren und Verbesserungen für das System zu ermöglichen. Der Kontakt zur zentralen Cloud muss also nicht unterbrechungsfrei bestehen, sollte aber immer wieder mal aufgebaut werden, um eine Datenauswertung zu ermöglichen, welche die Weiterentwicklung des Angebots begünstigt.

Edge Computing am Beispiel des Smart Home

Ein weiteres, für viele greifbares Anwendungsgebiet von Edge Computing ist die Smart-Home-Technologie. In einem Smart Home werden verschiedene Geräte wie Thermostate, Kameras, Beleuchtung und Haushaltsgeräte miteinander vernetzt, um eine intelligente sowie automatisierte Umgebung zu schaffen. Edge Computing spielt dabei eine entscheidende Rolle, um die Leistungsfähigkeit und Reaktionszeit dieser Systeme zu optimieren. Zwar kann bei mehreren Anbietern ein Cloud-Angebot (oder sogar ein Cloud-Zwang) eine Rolle spielen. Aber es gibt auch Angebote mit lokaler Datenverarbeitung und damit der Möglichkeiten zur sicheren Offline-Nutzung.

Apropos Sicherheit: Sensible Anlagen und Geräte, die von bestimmten Umwelteinflüssen oder häufiger Materialermüdung betroffen sein können, würden sich durch entsprechende Sensoren überwachen lassen. So könnten etwa Heizsysteme oder die elektrische Versorgung (etwa Mischversorgung aus lokaler Solarenergie und Anbindung ans Stromnetz) überwacht werden und Probleme durch direkt im Smart Home angewendeter Algorithmen erkannt werden. Wie im industriellen Bereich, wo etwa Öl- und Gaspumpen auf diese Weise überwacht und zum Schutz vor möglichen Ausfällen oder Schäden rechtzeitig heruntergefahren werden, könnte auch ein Smart Home vor Schäden und ihren Folgen bewahrt werden.

Zusammenfassung und weitere Informationsquellen

Insgesamt bietet Edge Computing also eine vielversprechende Lösung für die aktuellen und zukünftigen Herausforderungen der umfangreichen Datenverarbeitung. Durch die Kombination der Vorteile (geringe Latenz, Bandbreitenentlastung, Datenschutz, Skalierbarkeit und Offline-Fähigkeit) können vom Smartphone über den Computer hin zur industriell eingesetzten Geräte-Kombinationen innovative sowie sichere Anwendungen entwickelt werden. Natürlich ist je nach Anwendungsfall auch auf die Nachteile zu achten, sodass ggf. Alternativen in Betracht gezogen werden können.

Da dieser Beitrag nur als Ausgangspunkt eurer Recherche zum Thema dienen soll, hier ein paar weitere Quellen mit ausführlicheren, wissenschaftlicheren und für ITler relevanteren Ausführungen:

• Edge Computing bei Wikipedia: deutsch / englisch
• „What is edge computing? Everything you need to know“: TechTarget
• Video „Microsoft erklärt: Edge Computing“: YouTube

Johannes Domke

Johannes hat nach dem Abitur eine Ausbildung zum Wirtschaftsassistenten in der Fachrichtung Fremdsprachen absolviert. Danach hat er sich aber für das Recherchieren und Schreiben entschieden, woraus seine Selbstständigkeit hervorging. Seit mehreren Jahren arbeitet er nun u. a. für Sir Apfelot. Seine Artikel beinhalten Produktvorstellungen, News, Anleitungen, Videospiele, Konsolen und einiges mehr. Apple Keynotes verfolgt er live per Stream.