Technologien im Zusammenhang mit EDGE Computing

Konnektivität am Edge

Um über Edge Computing-Technologien zu sprechen und zu verstehen, warum sie einen Wettbewerbsvorteil für Unternehmen darstellen, müssen wir mit der Konnektivität beginnen.

Edge Computing-Netzwerke werden verwendet, um Edge-Geräte mit Rechenzentren und der Cloud zu verbinden. Edge-Netzwerke können verschiedene Arten von Konnektivität nutzen:

⦁ Langstreckenkonnektivität, bei der wir sowohl lizenzierte Bandnetzwerke als auch die bekannten 2G/3G/4G/5G-Netzwerke sowie nicht lizenzierte LPWAN-Netzwerke wie Sigfox und LoRa vorfinden.

⦁ Lokale Konnektivität, bei der verschiedene Protokolle wie Bluetooth, Wifi6, UWB, Zigbee, Thread, RFID/NFC usw. sowie einige neuere Kommunikationsmodelle wie V2V-Netzwerke (Fahrzeug-zu-Fahrzeug-Kommunikation) oder V2I-Netzwerke (Fahrzeug-zu-Infrastruktur-Kommunikation) vorhanden sein können.

Lizenzierte Bandprotokolle ermöglichen es uns, von der einfachen Sprachübertragung über das 2G-Netzwerk zu kritischen Kommunikationen mit 5G-Netzwerken überzugehen.

Vor einigen Jahren konnten wir uns kaum vorstellen, dass ein Bediener eine Maschine aus der Ferne steuern könnte, hauptsächlich aufgrund der Verzögerung zwischen der Bedieneranweisung und dem Zeitpunkt, an dem der Befehl bei der Maschine einging und ausgeführt wurde. Dank der geringen Latenz bei der Kommunikation sind diese Geschäftsmodelle bereits Realität geworden.

Wie bereits erwähnt, gibt es viele Technologien, die Konnektivität ermöglichen. Ein wesentlicher Schritt bei der Implementierung einer Edge Computing-Lösung ist es, diejenige richtig auszuwählen, die am besten zu unserem Geschäftsmodell passt.

Wir geben Ihnen eine Zusammenfassung der Merkmale, die jede von ihnen bieten kann. Wie wir sehen können, haben jede der Netzwerke von Sigfox über Lora bis hin zu 5G sehr unterschiedliche Eigenschaften, und welches am besten zu unserem Projekt passt, hängt weitgehend vom Gerät ab, dem wir Konnektivität verleihen müssen.

Ein klares Beispiel: Wenn wir Konnektivität für ein Gerät in einem Acker benötigen, benötigen wir wahrscheinlich eine beträchtliche Batterielaufzeit. In diesem Fall könnten wir uns möglicherweise für die Verwendung eines LoRa-Netzwerks entscheiden, während wir, wenn wir eine hohe Geschwindigkeit benötigen, eher zu einem 5G-Netzwerk tendieren sollten.

Ein weiterer Faktor, der bei der Auswahl des Kommunikationsnetzes berücksichtigt werden muss, ist, dass es möglicherweise im Besitz eines Telekommunikationsbetreibers ist. In diesem Fall sollten wir auch die Dienste berücksichtigen, die sie uns anbieten können. Aber auf welche Dienste beziehen wir uns? Auf 5G MEC (Multi-Access Edge Computing).

Was ist 5G MEC?

Derzeit wird MEC im Allgemeinen als eine Weiterentwicklung des Cloud Computing definiert, das Mobilfunktechnologien, Cloud-Services und Edge Computing nutzt, um die Anwendungshosts vom Rechenzentrum, in dem sie sich befinden, zu trennen und an den Rand des Netzwerks zu verschieben.

Und hier haben die Betreiber eine neue Chance gesehen, indem sie das Design, die Konfiguration und den Betrieb von privaten 5G-Netzwerken mit geringer Latenz für Unternehmen bereitstellen, um die Bereitstellung von MEC in ihrer aktuellen Netzwerkinfrastruktur zu beschleunigen.

Wie funktioniert 5G MEC genau?

Die Betreiber bieten Speicher- und Verarbeitungsressourcen am Mast an, indem sie Server im selben Gehäuse platzieren. Auf diese Weise müssen wir nicht über den Mast gehen und dann ins Internet, um zur Cloud zu gelangen, sondern wir können unsere Software auf diesen Servern hochladen. Auf diese Weise können wir Operationen mit ultraniedriger Latenz durchführen.

Künstliche Intelligenz und maschinelles Lernen

Künstliche Intelligenz und maschinelles Lernen werden eingesetzt, um Echtzeitentscheidungen auf Edge-Geräten zu treffen, ohne Daten zur Cloud zur Verarbeitung senden zu müssen. Dies verringert die Latenz und erhöht die Effizienz der Datenverarbeitung.

Stellen Sie sich vor, Sie stecken in einem Aufzug fest, weil er die Verbindung verloren hat. Das wollen wir doch alle nicht, oder? Deshalb ist es wichtig, dass wir unsere Edge-Geräte mit Intelligenz ausstatten, um Folgendes zu erreichen:

⦁ Neue Geschäftsmodelle generieren, die Effektivität und operative Produktivität verbessern, indem allen am Rand erzeugten Daten Wert verliehen wird
⦁ Detectar anomalías basadas en el procesamiento de los datos del borde
⦁ Bessere Entscheidungen treffen
⦁ Vorhersagen von Verhaltensweisen von Kunden oder Prozessen durch die Bereitstellung von Daten für Machine-Learning-Systeme.

Aufgrund der großen Menge an Daten, die am Edge generiert werden, können wir nicht darauf warten, all diese Informationen in die Cloud hochzuladen, um die erforderlichen Analysen durchzuführen. Daher ist es unerlässlich, künstliche Intelligenz am Edge basierend auf den oben genannten Aspekten bereitzustellen.

Elektronik und Firmware

Die Hardware des Edge Computing ist ein wichtiger Teil der Technologie. Es werden Hochgeschwindigkeits- und energieeffiziente Verarbeitungsgeräte wie IoT-Gateways, Edge-Server, Router und Switches eingesetzt, um die Daten so nah wie möglich am Ursprung zu verarbeiten. Edge Computing-Geräte können auch Sensoren und Aktoren umfassen, die Daten sammeln und verarbeiten.

Datenanalyse

Eines der grundlegenden Probleme des Edge ist die enorme Menge an Daten, die entstehen, da diese in Echtzeit auftreten.

Plattformen wie PowerBI oder Microsoft BI sind nicht darauf vorbereitet, ein solches Datenvolumen in Echtzeit zu verarbeiten und auch nicht für die Arbeit am Edge, sie sind für die Arbeit in der Cloud konzipiert.

Dennoch wird es zu übermäßigen Kosten führen, wenn all diese Informationen in Echtzeit vom Edge zum Cloud übertragen werden, um von diesen Datenanalysetools verarbeitet zu werden. Dies würde dazu führen, dass die Batterie der Geräte schnell leer wird, Datenschutzprobleme auftreten usw.

Daher ist es sehr wichtig zu definieren, wie wir die Daten filtern, die vom Edge bis zur Cloud gesendet werden, wie oft wir die Informationen senden oder mit welcher Genauigkeit.

Plattformen und Ökosysteme

Edge Computing-Plattformen sind Software, die auf Edge-Geräten ausgeführt wird und eine Abstraktionsebene bereitstellt, damit Anwendungen effizienter ausgeführt werden können. Edge-Plattformen bieten auch Entwicklungstools zur Erstellung von Edge-Anwendungen.

Im Folgenden sind einige der Plattformen aufgeführt, die für Edge Computing-Projekte im Hinblick auf Anwendungen, Tools in der Cloud, Konnektivität sowie Netzwerke und Endpunkte verwendet werden.

Sicherheit im Edge Computing

Sicherheit ist ein wichtiges Anliegen im Edge Computing. Geräte können anfällig für Angriffe sein und diese Geräte müssen angemessen geschützt werden. Technologien wie Ende-zu-Ende-Verschlüsselung, rollenbasierte Sicherheitszugriffe und die Geräteauthentifizierung werden eingesetzt, um Daten und Edge-Geräte zu schützen.

Einige der Technologien, die uns helfen, unsere Edge-Projekte abzusichern, sind MDM/EMM-Lösungen über vmware oder ivanti, Identitätsmanagementplattformen wie Okta oder Azure Active Directory, oder MTP/EDR-Lösungen wie Lookout, vmware Carbon Black.

Schlussfolgerungen

Zusammenfassend basiert Edge Computing auf Hardware, Netzwerken, Plattformen, künstlicher Intelligenz, Sicherheit und Management-Tools, um die Datenverarbeitung und künstliche Intelligenz so nah wie möglich am Ursprungsort durchzuführen. Durch den Einsatz dieser Technologien kann die Effizienz der Datenverarbeitung verbessert, die Latenz reduziert und die Fähigkeit zur Echtzeit-Entscheidungsfindung gesteigert werden.

Bei Seidor verfügen wir über Erfahrung in der Implementierung dieser Art von Lösungen und helfen Ihnen gerne dabei, Ihre Geschäftsprozesse durch dieses neue Paradigma zu verbessern.