Daten vor Ort verarbeiten Mobiles Edge Computing – dort rechnen und auswerten, wo Daten anfallen

Daten dort verarbeiten, wo sie anfallen. Im Unterschied zum Cloud Computing wandert die Rechenlast beim Mobile-Edge-Computing direkt zum Ort des Geschehens. Voraussetzung sind ausreichend Bandbreite und geringe Latenz

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Sinequa

Die großen Internetkonzerne haben alle ihre eigenen Rechenzentren. Und weil die großen Rechenzentren viel Ähnlichkeit mit großen landwirtschaftlichen Betrieben aufweisen, nennt man sie auch Serverfarmen. Das sind gigantische Serverfarmen. Das größte Rechenzentrum der Welt steht im chinesischen Langfang und hat eine Fläche von 585.289 m²; das größte Rechenzentrum in der EMEA-Region mit 74.322 m² wird von Portugal Telecom betrieben und ist im portugiesischen Covilhã angesiedelt. Viele der großen Rechenzentren stehen in den USA, aber auch in Deutschland gibt es in Frankfurt am Main ein kommerzielles Rechenzentrum.

In den Rechenzentren werden Unmengen an Daten analysiert und ausgewertet. Die Rechenlast eines Rechenzentrums findet an einem zentralen Ort statt. Doch in Zeiten der vernetzten Industrie und des zunehmenden vernetzten Verkehrs – Stichwort V2X und die Kommunikation der Fahrzeuge mit ihrer Umgebung – wird der Datenverkehr in den nächsten Jahren weiter stark ansteigen.

Nicht immer und nicht überall ist ein Rechenzentrum in unmittelbarer Nähe. Sollen Daten schnell vor Ort an einer Maschine oder in einem Fahrzeug ausgewertet werden, wird entsprechende Rechenleistung am Ort des Datenaufkommens benötigt. An dieser Stelle kommt das Edge Computing ins Spiel. Denn viele große Datenmengen fallen bei der vernetzten Industrie oder der Mobilität an. Das Stichwort lautet Internet der Dinge (IoT).

Was man unter (Mobile) Edge Computing versteht

Beim Edge Computing wandern die Funktionen des Cloud Computing und der IT-Service-Umgebung in die Edge. Also an dem Ort, wo die Rechenleistung benötigt wird. Mit anderen Worten: Rechenleistung, Anwendungen, Daten und damit zusammenhängende Dienste verlagert man von zentralen Rechenzentren hin zur Anwendung.

Damit sind echtzeitfähige Abläufe möglich. Wichtig dabei sind ausreichend Bandbreite und geringe Latenzzeiten. Zu den bekanntesten und wichtigsten Anwendungen des Edge Computings gehören beispielsweise die vorausschauende Wartung und die Qualitätssicherung.

Mobile Netzwerke und das Mobile Edge Computing

Dank eines gut ausgebauten und flächendeckenden Mobilfunknetzes wandelt sich das Edge Computing zum Mobile Edge Computing. Man spricht mittlerweile vom Multi Access Edge Computing (MEC). Das MEC ist aus der ETSI-Initiative (European Telecommunications Standards Institute) hervorgegangen, die sich ursprünglich auf die Platzierung von Edge-Knoten im Mobilfunknetz konzentrierte, inzwischen aber auch auf das Festnetz (oder eventuell das konvergente Netz) ausgedehnt wurde. Ein MEC-Netzwerk lässt sich nicht nur aus einem oder mehreren Mobilfunknetzen aufbauen, sondern auch über WiFi- und kabelbasierte Netzwerke. Damit deckt es sämtliche verfügbaren Netzwerktechniken ab.

Der IT-Dienstleister Cisco Systems hat im Februar 2019 eine Prognose zum monatlichen Datenverkehr von portablen Geräten in Mobilfunknetzen weltweit von 2017 bis 2022 veröffentlicht. Laut Cisco wird der M2M-Datenverkehr im Mobilfunk bis zum Jahr 2022 auf mehr als 1.700 Petabyte pro Monat anwachsen. Denn bereits heute fließen viele Daten über Mobilfunknetze. Allein die deutschen Mobilfunkanbieter hatten in ihren Netzen im Jahr 2020 ein Datenvolumen von rund 3,97 Mrd. Gigabyte. Tendenz weiter steigend.

Dabei gehen IoT und Edge Computing eine besondere Symbiose ein. Ein typisches IoT-Gerät sendet, empfängt und analysiert Daten in einer kontinuierlichen Feedback-Schleife. Analysiert werden die Daten entweder von Menschen oder mit Methoden des maschinellen Lernens. Die sogenannten Edge-Devices sind die Daten generierenden Geräte, die Daten erfassen und auswerten.

Was Mobile Edge Computing für Unternehmen bedeutet

Firmen nutzen das industrielle Internet der Dinge (IIoT), um möglichst viele Maschinendaten zu sammeln. Ziel ist es, die Produktion genauer und besser zu steuern und teure Ausfallzeiten gering zu halten. Nur mit leistungsstarken Edge-Geräten direkt am Messort ist es möglich, qualitativ hochwertige Daten zu generieren, zu analysieren und schließlich auch zu speichern.

Relevante Daten lassen sich nur dann sinnvoll sammeln, wenn sie vorgefilter sind. Das ist nur mit ausreichend Rechenleistung an der Edge möglich.

Multi Access Edge Computing und das autonome Fahrzeug

Für MEC gibt es nicht die „Killer-Anwendung“. Ein gutes Beispiel ist der oben bereits erwähnte vernetzte Verkehr (V2X). Bei autonomen Fahrzeugen lässt sich beispielsweise MEC nutzen, um Informationen über die Straßeninfrastruktur, die Position von Fußgängern/anderen Autos/Tieren oder auch die Wetterbedingungen direkt an die Fahrzeuge weiterzugeben. Eine Schnittstelle zu zentralen Cloud-Servern ist nicht mehr notwendig.

Eine Kombination von MEC mit Künstlicher Intelligenz (KI) und Methoden des maschinellen Lernens (ML) ermöglicht es autonomen Fahrzeugen, ihre Umgebung in Echtzeit wahrzunehmen. Eine geringe Latenzzeit ist eine wichtige Voraussetzung. Denn nur wenn Daten vor Ort (an der Edge) analysiert und ausgewertet werden, ist ein sicherer Betrieb autonomer Fahrzeuge möglich.

Augmented und Virtual Reality setzen auf MEC

Vergleichsweise viele Daten fallen bei Augmented (AR) und Virtual Reality (VR) an. Beispielsweise werden Außendienstmitarbeiter von Industrieanlagen in die Lage versetzt, Maschinen und Anlagen vor Ort zu warten und zu reparieren. Per MEC ist dann der jeweilige Außendienstmitarbeiter über ein Headset oder mobiles Gerät verbunden und lässt sich umfangreiche Informationen zu einer bestimmten Anlage, die er gerade repariert, auf dem Display anzeigen.

Ein anderes Beispiel sind komplexe 3D-Modelle. Die Rechenleistung reicht auf den mobilen Endgeräten nicht aus, um die Modelle zu rendern oder in der Cloud zu erstellen. Denn dazu ist die Latenzzeit zu hoch. Mit MEC lassen sich die Daten verarbeiten und die 3D-Modelle werden außerhalb des Geräts gerendert. Weitere Anwendungsszenarien für MEC sind die Spielbranche (Cloud Gaming), Drohnen-Detektion und schließlich die Videoanalyse.

Multi Access Edge Computing und 5G

Geringe Latenz und Bandbreite: das zeichnet den Mobilfunkstandard 5G aus. Aus diesem Grund wurde in das 5G-Gesamtkonzept von Beginn an MEC integriert. Nur mit MEC lassen sich die verschiedenen 5G-Anwendungsprofile mMTC (Massive Machine Type Communication), eMBB (Enhanced Mobile Broadband) und uRLLC (Ultra Reliable and Low Latency Communication) in vollem Umfang verwirklichen.

Es kann auch sinnvoll sein, leistungsintensive Rechenaktivitäten nicht in einem Endgerät auszuführen. Also in einem Fahrzeug, einer Maschine oder Infrastruktur-Komponente. Ein Edge Computing Device steht also innerhalb eines Netzes so dicht am Ort der Datenentstehung, dass sich Antwortzeiten von wenigen Millisekunden realisieren lassen.

Das Edge Computing Device vorverarbeitet die Daten zwischen dem Endgerät und der Cloud. Damit ist es eine sichere und standardisierte Umgebung, um kundenspezifische Aufgaben umzusetzen. So stellt man sicher, dass mobile Endgeräte trotz immer höheren Funktionsumfangs nicht zugleich immer komplexer werden und sich auch Energieverbrauch, Gewicht und nicht zuletzt die Kosten minimieren lassen.

Autos stehen im Durchschnitt 96 Prozent ihrer Lebenszeit still – hier wird der Lastverteilungsvorteil von Edge Computing sehr deutlich: Man muss teure Komponenten nicht zwingend in jedes Fahrzeug einbauen, sondern verlagert die Logik in ein Edge Computing Device, das eine Vielzahl von Fahrzeugen bedienen kann.

Ein anderes Beispiel von 5G im Einsatz ist die Landwirtschaft: 5G ermöglicht es, dass ein Sensor pro Quadratmeter eines Feldes Echtzeitdaten über die Bodenfeuchtigkeit übermittelt. Dadurch wird es möglich, Felder gezielt und präzise zu beregnen.

Immer mehr Anwendungen setzen auf mobile Datenverarbeitung vor Ort. Dafür sind neben der entsprechenden Rechenpower auch breitbandige Netzwerke wie 5G notwendig.

Video: Multi Access Edge Computing

Fünf Vorteile des (Mobile) Edge Computings

Die kleinen Datencenter vor Ort ermöglichen nicht nur autonome Fahrzeuge, sondern auch digitale Smart Citys oder das Industrielle Internet der Dinge (IIoT). Es lassen sich hier fünf wesentliche Punkte zusammenfassen:

• 1. Verfügbarkeit und Stabilität: Mit dem Mobile Edge Computing sind die Anwender unabhängig von ständig verfügbaren Internetverbindungen. Bei Störungen oder Ausfällen des Netzes lässt sich sogar offline arbeiten.

• 2. Geschwindigkeit und Latenz: Geringe Latenzzeiten sind gerade in kritischen Umgebungen wichtig. Denn auch kurzfristige Verzögerungen führen zu Störungen oder Ausfällen. Latenzkritische Datentransfers zwischen Edge und Datencenter entfallen.

• 3. Sicherheit: Hier wiegt ein wichtiger Punkt: Kritische Daten aus Unternehmen oder personenbezogene Daten gelangen nicht mehr in die Cloud. Gleichzeitig lässt Edge Computing die Option zur Nutzung von Cloud-Ressourcen für aggregierte, sicherheitsunkritische Daten offen.

• 4. Mobilität: Zusammen mit 5G eröffnet Mobile Edge Computing neue Anwendungsoptionen auf Mobilgeräten. Die Geschwindigkeit von 5G zusammen mit den geringen Latenzzeiten erhöhen die Ausfallsicherheit von Edge Computing und mobile Szenarien werden möglich.

• 5. Kosten: Viele Daten lassen sich vor Ort verarbeiten und speichern. Damit senkt Mobile Edge Computing die Netzwerknutzung und den Bandbreitenbedarf.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:47983431)