US 
GB 
FR In diesem artikel:
- Was Ist Edge Computing?
- Wie Funktioniert Edge Computing?
- Was ist Bandbreite?
- Was ist Latenz?
- Warum Wird Edge Computing Benötigt?
- Was sind die Vorteile von Edge Computing?
- Was sind die wichtigsten Anwendungen von Edge Computing?
- Anwendungen für Edge AI
- NVIDIA am Rande des Geschehens
- Wie sieht die Zukunft des Edge Computing aus?
Was Ist Edge Computing?
Edge Computing ist die Verarbeitung von Daten, die physisch näher an der Datenquelle liegen.
Kurz gesagt: Verlagerung der Rechenleistung näher an den Ort, an dem die Daten erzeugt werden - an den "Rand" eines Geräts oder Netzes.
Viele innovative Technologien werden durch Edge Computing ermöglicht, wie z. B. intelligente Städte, ferngesteuerte Arztpraxen, völlig autonome Fahrzeuge und sprachgesteuerte Lautsprecher.
Die Daten können schneller verarbeitet werden, wenn die verfügbare Bandbreite erhöht wird, und die Datenhoheit wird durch die Einbeziehung des Edge-Computing gewährleistet.
Der Bedarf an großen Datenmengen, die zwischen Servern, der Cloud und Edge-Standorten übertragen werden müssen, wird reduziert und Probleme wie Latenzzeiten und verfügbare Bandbreite, die bei der herkömmlichen Datenverarbeitung auftreten, werden gelöst.
Die Lösung dieser Probleme ist wichtig für moderne Anwendungen wie Data Science und KI.
KI-fähige Prozessoren, die in der Lage sind, Schlussfolgerungen zu ziehen, versorgen beispielsweise intelligente Sensoren in den meisten modernen Industrieanlagen.
Dies wird als Edge AI bezeichnet.
Das Aufsichtspersonal in einer solchen Fabrikumgebung kann vor Anomalien gewarnt werden, die potenziell einen sicheren, kontinuierlichen und effektiven Betrieb gefährden, da die Sensoren die Geräte und Maschinen in der Nähe überwachen.
In diesem Fall führt die physische Anwesenheit von KI-Prozessoren am Industriestandort zu einer geringeren Latenzzeit und einer schnelleren Reaktion der Industrieanlagen auf ihre Umgebung.
In Bereichen, in denen die Sicherheit von Menschen eine Rolle spielt, wie z. B. bei selbstfahrenden Autos, ist das unmittelbare Feedback, das Edge Computing bietet, besonders wichtig für solche Anwendungen, bei denen die Einsparung von Millisekunden bei der Datenverarbeitung und Reaktionszeit der Schlüssel zur Vermeidung von Unfällen sein kann.
Edge Computing kann überall dort eingesetzt werden, wo Sensoren Daten sammeln - von Einzelhandelsgeschäften für Selbstbedienungskassen und Krankenhäusern für Fernoperationen bis hin zu Lagerhäusern mit intelligenter Lieferkettenlogistik und Fabriken mit Qualitätskontrollprüfungen.
Wie Funktioniert Edge Computing?
Wurden die von Sensoren erzeugten Daten früher entweder manuell von Menschen überprüft, unverarbeitet gelassen oder zur Verarbeitung an die Cloud oder ein Datenzentrum gesendet und dann an das Gerät zurückgeschickt, so werden die Daten jetzt oft so nah wie möglich an der Quelle oder am Endnutzer verarbeitet.
Das zentralisierte Netz oder Rechenzentrum wird nun von den Daten, Anwendungen und der Rechenleistung ferngehalten.
Wenn man sich ausschließlich auf manuelle Überprüfungen verlässt, sind die Prozesse langsamer und weniger effizient. Cloud Computing stellt zwar Rechenressourcen zur Verfügung, aber die Datenübertragung und -verarbeitung belastet die Bandbreite und die Latenzzeiten erheblich.
Was ist Bandbreite?
Die Bandbreite ist die Geschwindigkeit, mit der Daten über das Internet übertragen werden. Wenn Daten an die Cloud gesendet werden, werden sie über ein Weitverkehrsnetz übertragen, das aufgrund seiner globalen Abdeckung und des hohen Bandbreitenbedarfs kostspielig sein kann. Bei der Verarbeitung von Daten am Rande des Netzes können lokale Netze genutzt werden, was zu einer höheren Bandbreite bei geringeren Kosten führt.
Was ist Latenz?
Latenz ist die Verzögerung bei der Übertragung von Informationen von einem Punkt zum nächsten. Die Latenz wird bei der Verarbeitung am Rande des Netzes verringert, da die von Sensoren und IoT-Geräten erzeugten Daten nicht mehr zur Verarbeitung an eine zentrale Cloud gesendet werden müssen.
Selbst in den schnellsten Glasfasernetzen können sich die Daten nicht schneller als mit Lichtgeschwindigkeit bewegen.
Um Engpässe zu verringern und Anwendungen zu beschleunigen, kann Edge Computing auf einem oder mehreren Systemen ausgeführt werden, um die Entfernung zwischen dem Ort, an dem Daten gesammelt und verarbeitet werden, zu verringern.
Zu einer idealen Edge-Infrastruktur gehört eine zentralisierte Softwareplattform, die alle Edge-Systeme über eine einzige Schnittstelle fernsteuern kann.
Warum Wird Edge Computing Benötigt?
Die drei Technologietrends IoT, KI und 5G konvergieren und schaffen Anwendungsfälle, bei denen Unternehmen Edge Computing in Betracht ziehen müssen.
IoT
Mit der Verbreitung von IoT-Geräten kam es zu einer explosionsartigen Zunahme von Big Data, die Unternehmen zu erzeugen begannen.
Diese Unternehmen stellten bald fest, dass ihre Anwendungen nicht für die großen Datenmengen ausgelegt waren, die sie nun sammeln wollten.
Sie erkannten auch, dass die Infrastruktur für die Übertragung, Speicherung und Verarbeitung großer Datenmengen teuer und schwer zu verwalten sein kann. Das mag der Grund dafür sein, dass nur ein Bruchteil der von IoT-Geräten gesammelten Daten überhaupt verarbeitet wird, in manchen Fällen sind es sogar nur 25 Prozent.
Und das Problem verschärft sich weiter. Heute gibt es 40 Milliarden IoT-Geräte, und Prognosen von ARM zeigen, dass es bis 2022 1 Billion IoT-Geräte geben könnte. Da also die Zahl der IoT-Geräte wächst und die Menge der zu übertragenden, zu speichernden und zu verarbeitenden Daten zunimmt, verlagern sich Unternehmen auf Edge-Computing, um die Kosten zu senken, die erforderlich sind, damit sie dieselben Daten in Cloud-Computing-Modellen nutzen können.
KI (Künstliche Intelligenz)
Ähnlich wie das IoT bietet auch die KI unendlich viele Möglichkeiten und Vorteile für Unternehmen, wie z. B. die Möglichkeit, Erkenntnisse in Echtzeit zu gewinnen. Genauso schnell wie Unternehmen neue Anwendungsfälle für KI finden, stellen sie fest, dass diese neuen Anwendungsfälle Anforderungen stellen, die ihre aktuelle Cloud-Infrastruktur nicht erfüllen kann.
Wenn Unternehmen aufgrund von Bandbreiten- und Latenzeinschränkungen in der Infrastruktur gezwungen sind, bei der Datenmenge, mit der sie ihre Modelle füttern, Abstriche zu machen. Das Ergebnis sind schwächere Modelle.
5G
5G-Netzwerke sind etwa 10-mal schneller als 4G-Netzwerke und so konzipiert, dass jeder Knoten Hunderte von Geräten bedienen kann, was die Möglichkeiten für KI-gestützte Dienste an Edge-Standorten erhöht hat.
Da Edge Computing leistungsfähig und schnell ist und eine zuverlässige Verarbeitungsleistung bietet, haben Unternehmen das Potenzial, neue Geschäftsmöglichkeiten zu erschließen, Einblicke in Echtzeit zu gewinnen, die betriebliche Effizienz zu steigern und die Nutzererfahrung zu verbessern.
Was sind die Vorteile von Edge Computing?
die wichtigsten vorteile des edge computing sind:
- Geringere Latenzzeiten Durch die Verarbeitung von Daten am Rande eines Netzwerks werden Datenbewegungen reduziert, was die KI beschleunigt und komplexere KI-Modelle, die geringe Latenzzeiten erfordern, wie z. B. vollautonome Fahrzeuge und Augmented Reality, möglich macht.
- Geringere Kosten Im Vergleich zum Cloud Computing können Unternehmen jetzt über LAN für die Datenverarbeitung auf höhere Bandbreite und Speicherplatz zu niedrigeren Kosten zugreifen. Da die Verarbeitung am Rande des Netzwerks erfolgt, müssen weniger Daten zur weiteren Verarbeitung an die Cloud oder das Rechenzentrum gesendet werden, was auch zu einer Verringerung des Datenvolumens führt, das transportiert werden muss, was die Kosten noch weiter senkt.
- Modellgenauigkeit Die künstliche Intelligenz ist auf hochgenaue Modelle angewiesen, insbesondere für Randanwendungen, die sofortige Antworten erfordern. Wenn die Bandbreite eines Netzwerks zu gering ist, wird dies in der Regel durch eine Verringerung der für die Inferenzierung verwendeten Datengröße ausgeglichen. Dies führt zu reduzierten Bildgrößen, übersprungenen Frames bei Video und reduzierten Abtastraten bei Audio. Beim Einsatz am Netzwerkrand können Datenrückkopplungsschleifen genutzt werden, um die Genauigkeit von KI-Modellen zu verbessern, und es können mehrere Modelle gleichzeitig ausgeführt werden, was zu besseren Erkenntnissen führt.
- Größere Reichweite Herkömmliches Cloud Computing erfordert einen Internetzugang, während Edge Computing Daten ohne Internetzugang verarbeiten kann, was bedeutet, dass der Einsatzbereich auf abgelegene oder zuvor unzugängliche Orte ausgedehnt werden kann.
- Datensouveränität Edge Computing ermöglicht es Unternehmen, alle ihre Daten und Rechenleistungen innerhalb des LAN und der Unternehmensfirewall zu halten. Dies führt zu einer geringeren Gefährdung durch Cybersecurity-Angriffe in der Cloud und durch strenge und sich ständig ändernde Datengesetze.
Was sind die wichtigsten Anwendungen von Edge Computing?
Edge Computing für den Einzelhandel
Die größten Einzelhändler der Welt setzen jetzt Edge AI ein, um ihren Kunden ein besseres Erlebnis zu bieten.
Mit Edge Computing können Einzelhändler ihre Agilität steigern, indem sie:
- Reduzierung des Warenschwunds Läden können Fehler, Verschwendung, Schäden und Diebstahl mit Hilfe von Kameras und Sensoren im Laden erkennen und verhindern, da Edge AI zur Analyse relevanter Daten genutzt werden kann.
- Verbesserung der Bestandsverwaltung Edge-Computing-Anwendungen können auch die Kameras in den Geschäften nutzen, um die Mitarbeiter zu warnen, wenn die Regalbestände niedrig sind, und so die Auswirkungen von Fehlbeständen verringern.
- Dank der schnellen Datenverarbeitung, die das Edge Computing jetzt im Einzelhandel ermöglicht, können Einzelhändler jetzt Sprachbestellungen implementieren, so dass Kunden einfach nach Artikeln suchen, Produktinformationen anfordern und Online-Bestellungen über Smart Speaker oder andere intelligente Mobilgeräte aufgeben können.
Edge Computing für Smart Cities
Viele Orte haben damit begonnen, KI am Rande zu nutzen, um sie in intelligente Räume zu verwandeln. Städte, Universitätsgelände, Stadien, Einkaufszentren und andere Einrichtungen nutzen KI, um ihre Abläufe effizienter, sicherer und zugänglicher zu machen.
Edge Computing wurde bereits eingesetzt, um den Betrieb umzugestalten und die Sicherheit in der ganzen Welt zu verbessern, z. B. in folgenden Bereichen:
- Verringerung von Verkehrsstaus Computervision wird eingesetzt, um den Verkehr zu erkennen, zu analysieren und zu optimieren. Die Städte nutzen dieses Angebot, um den Verkehrsfluss zu verbessern, die durch Staus verursachten Kosten zu senken und die Zeit, die Autofahrer im Verkehr verbringen, zu minimieren.
- Überwachung der Sicherheit am Strand Die Bilderkennungsanwendung von SightBit hilft bei der Erkennung von Gefahren am Strand, wie z. B. reißende Strömungen und gefährliche Meeresbedingungen, so dass die Behörden lebensrettende Maßnahmen ergreifen können.
- Die Assaia International AG hat eine KI-gestützte Videoanalyseanwendung entwickelt, die Fluggesellschaften und Flughäfen dabei hilft, bessere, fundiertere und schnellere Entscheidungen in Bezug auf Kapazität, Nachhaltigkeit und Sicherheit zu treffen.
Edge Computing für Automobilhersteller und Zulieferer
Sensordaten, die von Fabriken, Herstellern und Automobilherstellern generiert werden, können nun in einer vernetzten Art und Weise genutzt werden, um Dienstleistungen zu verbessern.
Einige beliebte Anwendungsfälle zur Förderung von Effizienz und Produktivität in der Fertigung sind:
- Vorausschauende Wartung Um Ausfallzeiten zu vermeiden, wenn Maschinen ausfallen, kann Edge Computing eingesetzt werden, um Anomalien im System frühzeitig zu erkennen.
- Edge-Computing zur Qualitätskontrolle kann auch bei der Erkennung von Produktfehlern helfen und das Personal in einem solchen Fall alarmieren, was wiederum dazu beiträgt, Abfall zu reduzieren und die Herstellung solcher Produkte effizienter zu gestalten.
- Sicherheit der Arbeitnehmer Der Einsatz eines Netzwerks von Kameras und Sensoren, die mit KI-fähigen Videos ausgestattet sind, kann es den Herstellern ermöglichen, Arbeitnehmer zu identifizieren, die sich unter unsicheren Bedingungen befinden, und einzugreifen, um Unfälle zu verhindern.
Edge Computing für das Gesundheitswesen
Das Gesundheitswesen wird derzeit durch die Kombination von Edge Computing und KI umgestaltet.
Um die Abläufe effizienter zu gestalten, die Sicherheit der Patienten und des Personals zu gewährleisten und gleichzeitig die bestmögliche Pflege zu bieten, wird Edge AI eingesetzt, um den Mitarbeitern im Gesundheitswesen die nötigen Werkzeuge an die Hand zu geben.
Zwei beliebte Beispiele für KI-gestütztes Edge Computing im Gesundheitswesen sind:
- KI-Modelle für Operationssäle, die auf Streaming-Bildern und Sensoren in medizinischen Geräten basieren, helfen bei der Bilderfassung und -rekonstruktion, bei der Optimierung von Arbeitsabläufen für Diagnose und Therapieplanung, bei der Vermessung von Organen und Tumoren, bei der chirurgischen Therapieführung und bei der Echtzeit-Visualisierung und -Überwachung während Operationen.
- Krankenhäuser Patientenüberwachung, Patientenscreening, konversationelle KI, Schätzung der Herzfrequenz, Radiologiescanner sind nur einige der Technologien, die in intelligenten Krankenhäusern eingesetzt werden. Die Schätzung der menschlichen Haltung ist eine beliebte Computer-Vision-Aufgabe, die Schlüsselpunkte am Körper einer Person wie Augen, Arme und Beine schätzt, indem sie dazu beiträgt, das Personal zu benachrichtigen, wenn ein Patient sich bewegt oder aus dem Krankenhausbett fällt.
Anwendungen für Edge AI
Zur Ergänzung dieser Angebote hat NVIDIA in Zusammenarbeit mit Partnern ein ganzes Ökosystem von Software-Entwicklungskits, Anwendungen und Industrie-Frameworks in allen Bereichen des Accelerated Computing geschaffen.
Diese Software kann per Fernzugriff über den NVIDIA NGC Software-Hub bereitgestellt und verwaltet werden. KI- und IT-Teams erhalten einfachen Zugang zu einer Vielzahl von vortrainierten KI-Modellen und Kubernetes-kompatiblen Helm-Charts, die sie in ihre Edge-KI-Systeme implementieren können.
NVIDIA am Rande des Geschehens
Die Fähigkeit, schnellere Erkenntnisse zu gewinnen, kann bedeuten, Zeit, Kosten und sogar Leben zu sparen. Deshalb zapfen Unternehmen die Daten an, die von den Milliarden von IoT-Sensoren in Einzelhandelsgeschäften, auf den Straßen der Städte und in Krankenhäusern erzeugt werden, um intelligente Räume zu schaffen.
Dazu benötigen Unternehmen Edge-Computing-Systeme, die leistungsstarke, verteilte Rechenleistung, sichere und einfache Fernverwaltung sowie Kompatibilität mit branchenführenden Technologien bieten.
NVIDIA, einer der führenden Hersteller solcher Technologien, bringt NVIDIA-zertifizierte Systeme, eingebettete Plattformen, KI-Software und Management-Services zusammen, die es Unternehmen ermöglichen, die Leistung von KI am Edge zu nutzen.
Wie sieht die Zukunft des Edge Computing aus?
Laut früheren Marktforschungen soll der Edge-Computing-Markt bis 2025 einen Wert von 251 Milliarden US-Dollar erreichen und jedes Jahr mit einer durchschnittlichen jährlichen Wachstumsrate von 16,4 Prozent weiter wachsen.
Die Entwicklung von KI, IoT und 5G wird die Einführung von Edge Computing weiter vorantreiben, wobei die Anzahl der Anwendungsfälle und die Art der am Edge eingesetzten Workloads weiter zunehmen werden.
Die gängigsten Edge-Anwendungsfälle drehen sich heute um Computer Vision. Es gibt jedoch noch viele ungenutzte Möglichkeiten in Arbeitsbereichen wie der Verarbeitung natürlicher Sprache, Empfehlungssystemen und Robotik.
Die Möglichkeiten im Edge-Bereich sind grenzenlos.
CA