Unerwartete Problemlöser Cloud Computing am Edge

Anbieter zum Thema

Fsas Technologies GmbH

Hyland Software Germany GmbH

Yorizon GmbH & Co. KG

Cloud Computing schwingt aus den Wolken auf die Edge um: Mit innovativer Hardware schicken sich die führenden Hyperscaler an, ihre Dienste an den Netzwerkrand zu bringen. Für viele Unternehmen kommt die Lösung ihrer IT-Probleme wie aus heiterem Himmel.

Innovative Lösungen führender Cloud-Anbieter wollen die Vorteile bewährter Cloud-Prinzipien auf Edge-Computing übertragen. Mit einem „kurzen Draht“ zu den Erzeugern und Verbrauchern von Daten – den Maschinenparks der Industrie 4.0, den IoT-Endpunkten des stationären Handels, den Endgeräten zunehmend „mobilisierter“ Wissensarbeiter, den vernetzten Fahrzeugen.

Wachstum außer Rand und Band

Bis zum Ende des Jahres (2023) dürfte die Anzahl der weltweit vernetzten IoT-Geräte die stolze Marke von 15 Milliarden überschreiten (zum Vergleich: Ende 2022 waren es erst 13,1 Milliarden (das entspricht rund 15 Prozent). Die neuesten Statistiken aus renommierten Quellen deuten auf ein noch weitaus schnelleres Datenwachstum hin.

Von Jahr zu Jahr entstehen immer mehr Daten direkt an der Edge. IDC spricht von einer jährlichen Wachstumsrate von 33 Prozent (Cloud Computing wächst immerhin halb so schnell). Bis zum Jahr 2025 dürfte die Datenerfassung am Netzwerkrand mehr als ein Fünftel – genau genommen 22 Prozent – des gesamten weltweiten Datenvolumens ausmachen.

Der Knackpunkt an der Sache: Edge-Daten liefern Erkenntnisse, die zunehmend Handlungen fast in Echtzeit auslösen können. Diese Anforderung ruft Edge Computing auf den Plan.

Laut einem Bericht von Fortune Business Insights dürfte die globale Marktgröße für Edge Computing im Allgemeinen von 15,96 Milliarden US-Dollar im Jahr 2023 bis zum Jahre 2030 auf 139,58 Milliarden US-Dollar heranwachsen. Dies entspricht einer jährlichen Wachstumsrate (CAGR) von erstaunlichen 36,3 Prozent im Prognosezeitraum.

Der globale Markt für Edge AI, die im Jahr 2022 voraussichtlich gerade einmal 14,78 Milliarden US-Dollar erreicht haben mag, wird voraussichtlich von 2023 bis 2030 mit einer CAGR von 21,0 Prozent expandieren, prognostiziert Grand View Research. Angetrieben wird dieses Wachstum durch Innovationen in Sektoren wie intelligenter Energie, intelligenter Transportsysteme und KI-getriebener Medizin.

Edge Computing bringt die Datenverarbeitung näher an die Datenquelle. Doch die latenzsensible und verteilte Natur von Edge Computing erschwert den Unternehmen das Datenmanagement. Das Aufkommen der Edge-KI weckt zugleich den Bedarf an leistungsstarker Hardware und der intelligenten Orchestrierung verteilter Arbeitslasten, die Edge- und Cloud-Umgebungen überbrücken müssen.

Cloud Computing an der Edge bezieht sich auf die Bereitstellung von Computing-Ressourcen und Sensorik an der Peripherie des Netzwerks, nahe an den Datenquellen, und das Bestreben, diese Cloud-nativ zu verwalten. Diese Maßnahmen haben zum Ziel, die Effizienz der Datenerfassung und -verarbeitung zu verbessern, um latenzsensible Anwendungsszenarien zu ermöglichen, Edge-Ressourcen zu überwachen und/oder die Kosten der Edge-zu-Cloud-Konnektivität in den Griff zu bekommen.

Die Verschmelzung von Cloud Computing mit Edge Computing bringt eine Neuausrichtung des Datenmanagements mit sich und löst für Unternehmen – zum Teil sogar recht unerwartet – große Probleme.

Die Cloud-Expertise der Hyperscaler kommt an der Edge daher wie gerufen. Die einzelnen Hyperscaler packen die Herausforderungen von Edge Computing unterschiedlich an, mit der Absicht, die Vorteile der Cloud an den Netzwerkrand zu bringen. Die Unternehmen haben die Qual der Wahl.

Microsoft Azure Stack Edge

Mit der Azure IoT Edge bietet Microsoft eine Cloud-Appliance, die Edge-Geräte um Cloud-Intelligenz erweitern soll. Die Hauptanwendungsfälle umfassen Echtzeit-Analysen, Datenverarbeitung und -filterung sowie die Ausführung von KI-Modellen.

Mit Azure Stack HCI (zugänglich über den Azure Stack HCI-Katalog) bietet Microsoft eine Reihe von Lösungen für die Datenübertragung zwischen Azure und der Edge. Bei dieser Lösung handelt es sich um eine Cloud-verwaltete physische Edge-Computing-Appliance, die mit einer breiten Palette von Funktionalität für Edge-Computing nach bewährten Prinzipien des Cloud-Betriebs aufwartet. Sie ermöglicht das Ausführen von Azure-Diensten und virtuellen Maschinen und bietet lokalen Speicher.

Azure Stack Edge fungiert nebenbei auch als ein Cloud-Speichergateway für die Datenübertragung zwischen der Azure-Cloud und der Edge in Kombination mit der Vor-Ort-Bereitstellung. Das Gerät kann unter anderem mit intelligenter Bandbreiten-Drosselung in Stoßzeiten und lokalem Caching aufwarten. Das System ermöglicht außerdem auch die Ausführung von Anwendungen und hardwarebeschleunigten KI- und ML-Lösungen zur Analyse, Transformation und Filterung von Daten am Netzwerkrand.

Microsoft hat für unterschiedliche Szenarien verschiedene Hardwarekonfigurationen konzipiert:

• Die Editionen Azure Stack Edge Pro und Mini R können zum Beispiel beschleunigtes KI-Inferencing ermöglichen.

• Azure Data Box Edge ist eine virtuelle oder physische Netzwerk-Appliance von Microsoft. Sie ermöglicht die Vorverarbeitung von Daten an der Edge und den effizienten Datentransfer zu Azure. Die Lösung arbeitet KI-gestützt, gerne mit optionaler FPGA-Beschleunigung.

• Azure Stack Edge ist eher für umfassende Edge-Computing-Anforderungen mit einem Schwerpunkt auf Rechen- und Speicherkapazitäten sowie KI-Analyse geeignet, während Azure Data Box Edge die Datenvorverarbeitung und den effizienten Datentransfer zu Azure adressiert.

• Azure Multi-Access Edge Compute (MEC) führt – wahlweise in den Editionen Public oder Private – eine Reihe von Compute-, Netzwerk- und Anwendungsdiensten von Microsoft zusammen, um die Edge von der Cloud zu verwalten.

• Azure Sphere ist wiederum eine vollständig verwaltete End-to-End-Lösung für die Sicherheit von IoT-Geräten am Netzwerkrand. Sie besteht aus einem Mikrocontroller, einem Betriebssystem und einem Cloud-Dienst.

• Mit Azure Edge Zones bietet Microsoft verwaltete Mikro-Datenzentren als logische Erweiterungen bestehender Cloud-Regionen an. Diese Geräte sind Teil des globalen Netzwerks von Microsoft an Kundenstandorten. Sie erweitern Cloud-Funktionen an die Edge.

Wo das Gras (auch) grün wächst: AWS IoT Greengras & Co.

AWS IoT Greengrass ist eine Cloud-Appliance für AWS (von zertifizierten Partnern), eine Open-Source-Runtime und ein Cloud-Service, die gemeinsam Cloud-Intelligenz an Edge-Standorten bereitstellen. Mit diesem Ansatz können Unternehmen auf die lokal generierten Daten und Ereignisse (auch ohne eine Verbindung zur Cloud) unmittelbar vor Ort reagieren, während sie gleichzeitig für das Management, die Analyse und Datenarchivierung AWS-Dienste in der Cloud nutzen.

• AWS Wavelength ermöglicht es Unternehmen, AWS-Compute- und Speicherdienste innerhalb von 5G-Netzwerken einzubetten, um mobile Edge-Computing-Infrastrukturen für die Entwicklung, Bereitstellung und Skalierung von Anwendungen mit ultraniedriger Latenz bereitzustellen.

• Mit FreeRTOS bietet AWS ein quelloffenes Echtzeit-Betriebssystem für Mikrocontroller, also für jene Chips, die in Geräten mit besonders eingeschränkten Ressourcen am Netzwerkrand ihren Dienst verrichten.

• Die AWS-Lösung IoT ExpressLink unterstützt eine Reihe von Hardwaremodulen von AWS-Partnern wie Espressif, Infineon und u-blox. Die Konnektivitätsmodule integrieren die von AWS vorgeschriebenen Sicherheitsanforderungen und verlagern die komplexe Arbeit der Integration der Cloud-Konnektivität, Netzwerk- und Kryptographieschichten auf Hardwaremodule. Dies ermöglicht es den Unternehmen, sichere IoT-Produkte in kürzester Zeit zu entwickeln.

Amazon Monitron: die industrielle Edge

Amazon Monitron ist ein End-to-End-System für vorausschauende Wartung des Maschinenparks an der industriellen Edge. Es zielt darauf ab, ungewöhnliche Bedingungen in industriellen Geräten zu erkennen und vorausschauende Wartung zu ermöglichen. Die Lösung kombiniert eine Hard- und eine Software mit einem Dienst in der AWS-Cloud. Mit Hilfe von IoT-Sensoren kann Monitron Vibrationen und Temperaturdaten zur Überwachung des Betriebs- und Wartungszustands von rotierenden Geräten wie Motoren, Getrieben, Pumpen, Lüftern, Kugellagern und Kompressoren erfassen. Es überträgt diese Daten über Gateways an AWS, wo sie sich zur Erkennung abnormaler Maschinenmuster mit dem Amazon Monitron ML-Modell analysieren lassen.

Mit Monitron können Unternehmen abnormale Bedingungen und damit drohende Ausfälle in industriellen Geräten erkennen, um Wartungsarbeiten besser zu planen und ungeplante Ausfallzeiten zu reduzieren.

AWS Panorama: Videofeed-Intelligenz aus der Cloud

AWS Panorama ist eine Plattform zur Bereitstellung von maschineller Sehkraft (Computer Vision, kurz CV) an der Edge. Die Lösung besteht aus einer Sammlung von ML-fähigen Geräten und einem SDK, welches maschinelle Sehkraft zu den bereits vorhandenen IP-Kameras einer Organisation an dessen eigene Standorte bringt. Mit der AWS Panorama Appliance bietet der Hyperscaler ein kompaktes Edge-Gerät mit einem leistungsstarken ML-optimierten System-on-Module (SOM) nutzt. Diese Appliance kann mehrere Computer-Vision-Modelle parallel gegen mehrere Videostreams ausführen und die Ergebnisse in Echtzeit bereitstellen. Die Appliance wird durch Nvidia Jetson AGX Xavier angetrieben.

Mit AWS Panorama können Unternehmen lokal – direkt an der Edge – genaue Vorhersagen über zu erwartende Ereignisse mit hoher Genauigkeit und geringer Latenz treffen, anstatt erst Bilder zur Verarbeitung an die AWS Cloud zu senden. Dank der Fähigkeit, Videofeeds in Millisekunden zu analysieren, kann AWS Panorama korrektive Maßnahmen ermöglichen und durch die resultierende Edge-Intelligenz zu erheblichen Kostensenkungen beitragen. Somit hilft AWS Panorama Unternehmen, ihre Supply-Chain-Logistik zu verbessern, das Verkehrsmanagement zu optimieren und die Qualität der Fertigung durch schnelle Erkennung von Anomalien zu verbessern.

Google Distributed Cloud Edge

Google Distributed Cloud und insbesondere Google Distributed Cloud Edge (GDC Edge) stellen signifikante Bemühungen seitens Google Cloud dar, zu den beiden Rivalen AWS und Microsoft aufzuschließen. Im Vergleich zu Azure bietet Google Distributed Cloud mit GDC Edge eine vollständig verwaltete Produktlösung. GDC Edge ermöglicht Kommunikationsdienstleistern, 5G-Core- und Radiozugangsnetz-Funktionen (RAN) an der Edge auszuführen. Ebenso ermöglicht Google Distributed Cloud durch Anthos eine neue Klasse von Low-Latency- und/oder stark regulierten Workloads auf dedizierter Hardware an der Edge auszuführen.

Sowohl Microsoft Azure als auch Google Cloud bieten robuste Lösungen für Unternehmen, die Edge-Computing-Funktionen benötigen, um lokale Datenverarbeitung, Low-Latency-Edge-Workloads, Modernisierung von Telekommunikationsnetzwerken und den Einsatz von privaten 5G/LTE-Lösungen zu ermöglichen. Beide Plattformen bieten einzigartige Funktionen und Dienste, die speziell darauf abzielen, die Anforderungen an Edge-Computing in einer Vielzahl von Anwendungsfällen und Branchen zu erfüllen.

Cloud-Intelligenz für die Edge

Edge Computing erzeugt Daten über vereinzelte und „verinselte“ Anwendungen und Arbeitslasten an vielen verschiedenen Punkten eines Netzwerks, die zum Teil auch noch mobil sind, wie eine Flotte von Drohnen oder vernetzten Fahrzeugen. Diese verteilte Natur der Datenerfassung und ihre hohe Dynamik erschwert das Datenmanagement und die Integration in bestehende Systeme. So gestaltet sich auch die Skalierung und Zuteilung von Computing-Ressourcen an den Netzwerkrand zu den entsprechenden Arbeitslasten schon mal recht verzwickt. Die Verarbeitung und Speicherung von Daten näher an der Quelle kann die Einhaltung von Datenschutzbestimmungen und Sicherheitsstandards erheblich erschweren.

Bei vielen Herausforderungen schaffen bewährte Prinzipien des Cloud Computings Abhilfe. Cloud-basierte Management- und Monitoring-Tools können eine zentralisierte Sicht auf alle Edge-Standorte schaffen und das Management dieser Infrastrukturen selbstheilend orchestrieren. Durch die Nutzung von Cloud-Prinzipien wie elastischer Ressourcenzuteilung und orchestrierter Skalierbarkeit können Unternehmen die Kapazitäten ihrer Edge-Infrastrukturen effizienter nutzen und die Kosten des IT-Betriebs optimieren. Die Bereitstellung von Software-Updates und Patches an vielen Edge-Standorten stellt ebenfalls eine Herausforderung dar. Cloud-native Tools zur automatisierten Aktualisierung und Bereitstellung können helfen, diesen Prozess zu vereinfachen.

Unzuverlässige (und teure) Netzwerkverbindungen zwischen Edge-Geräten und zentralen Cloud-Diensten machen es vielen Unternehmen zu schaffen. Cloud-Prinzipien wie Failover- und Redundanzstrategien helfen, die Netzwerkzuverlässigkeit zu verbessern. Die Datenaggregation und -Auswertung an der Edge kann die Kostenspirale ausbremsen.

* Das Autorenduo Anna Kobylinska und Filipe Pereia Martins arbeitet für McKinley Denali, Inc., USA.

(ID:49852227)