- AI
- Edge Computing
Edge Computing und KI, ein unschlagbares Duo: die Vorteile für die Datenanalyse
Cloud Computing ermöglicht erhebliche Kosteneinsparungen bei Rechenzentren und bietet Zugriff auf praktisch unbegrenzte, bedarfsgerecht verfügbare Ressourcen für Speicher und Rechenleistung. Doch nicht alle Anwendungen eignen sich für Cloud-Lösungen, die verschiedene potenzielle Nachteile in Bezug auf Latenz und Verbindungszuverlässigkeit haben. In diesen Fällen ist Edge Computing, das System, das Informationen direkt auf dem Gerät verarbeiten kann, auf dem sie entstehen, und so das Problem von Datenübertragungen und Latenz beseitigt, deutlich vorzuziehen. Das gilt umso mehr, wenn Edge Computing mit KI kombiniert wird.

Was ist Edge AI, die Kombination aus Edge Computing und KI
Wenn Edge Computing Künstliche Intelligenz (KI) integriert, entsteht Edge AI, die eine Datenverarbeitung in Echtzeit ermöglicht, ohne dass eine Verbindung zu einer Cloud nötig ist.
Eine Verbindung zu einer Cloud ist nicht immer möglich, doch bei selbstfahrenden (bzw. fahrerlosen) Autos und anderen KI-Anwendungen, die unabhängig vom Verbindungsstatus sofort reagieren müssen, ist Edge AI eine gangbare Option. Die Vorteile von Edge Computing zeigen sich zum Beispiel im Gesundheitswesen, wo telemedizinische Dienste stetig an Boden gewinnen und der möglichst schnelle Zugriff auf Daten einen echten Unterschied machen kann.
Edge Computing und KI: die Vorteile eines unschlagbaren Duos
Edge Computing mit KI wird in folgenden Fällen zum besten Ansatz:
- wenn die Internetbandbreite unzureichend oder nicht zuverlässig genug ist;
- wenn die Verbindung zum Senden von Daten in die Cloud nicht stabil ist;
- wenn extrem schnelle Reaktionszeiten oder besondere Sicherheits- und Datenschutzanforderungen an die Datenübertragung gestellt werden.
Edge AI hat dieselben Vorteile wie Edge Computing: Geschwindigkeit, geringere Netzwerkauslastung, Sicherheit, Datenschutz.
Der größte Vorteil der Kombination aus Edge Computing und KI liegt in der Möglichkeit, die Leerlaufzeiten in Cloud-basierten KI-Prozessen drastisch zu reduzieren und Nutzern zu erlauben, diese über smarte Geräte zu steuern, die schnell auf Eingaben reagieren können, ohne Daten anderswohin zu übertragen.
Die Reduzierung der Latenz, die bei zeitkritischen Anwendungen so entscheidend ist, fällt so aus, dass bei KI-Berechnungen in einem entfernten Rechenzentrum im besten Fall eine Latenzreduzierung von mindestens 1-2 Millisekunden (wenn nicht Hunderten) zu erwarten ist.
Edge AI wird auch durch die zunehmende Verbreitung von 5G-Konnektivität deutlich gestärkt. Im Vergleich zu LTE sorgt 5G für höhere Geschwindigkeiten (20 Gbit/s gegenüber 1 Gbit/s), die Gleichzeitigkeit mehrerer Verbindungen (1.000.000 pro km2 gegenüber 100.000) und eine geringere Latenz (1 ms gegenüber 10 ms). Mit der schrittweisen Einführung von 5G wird die Konnektivität der neuen Generation die Entwicklung des IoT-Marktes und von Edge AI vorantreiben, weil sie die Interaktion zwischen einer größeren Bandbreite an Geräten erleichtert, die zunehmend mit smarten Prozessoren ausgestattet sind.
Edge Analytics: wie sie die Datenanalyse für Unternehmen verändert
Bis 2022 werden laut Schätzungen der Observatorien der Polytechnischen Universität Mailand in jedem Haushalt durchschnittlich 50 mit dem Internet verbundene Geräte stehen: Die verfügbare Menge an Big Data wird explodieren. Daten von smarten Sensoren und Maschinen, aus sozialen Medien, von IoT-Geräten erzeugte Daten: Edge Analytics trägt dazu bei, den Verkehr in den Weitverkehrsnetzen zu entlasten, die das Rechenzentrum mit dem „Edge“ des Unternehmensnetzwerks verbinden, wo immer häufiger Daten entstehen.
Edge Analytics erlaubt es einem Unternehmen, eine enorme Datenmenge in Echtzeit zu analysieren, um Entscheidungsprozesse zu verbessern, indem die Rechenkapazität in Netzwerkgeräten (etwa Switches), Peripheriegeräten, Geräten und Sensoren oder ultrakompakten Mikro-Rechenzentren gebündelt wird, und definiert so den Ansatz für das IoT neu. Dieser neue Ansatz heißt IoT Edge und stärkt die Intelligenz und die Analysefähigkeiten von Peripheriegeräten, um Leistung und Sicherheit der IoT-Architektur zu verbessern. In IoT-Geräten wird auch die Cloud entlastet, da Netzwerknutzung für Speicherung und Datenanalyse eingespart und der Einsatz von CPUs, GPUs und Speicher drastisch reduziert wird.
Der Markt erkennt dieses Potenzial. Laut Daten von Statista hatte der Markt für industrielles Edge Computing 2019 ein Volumen von 11,56 Mrd. $. Er wird bis 2025 mit einer durchschnittlichen Rate von 18 % (CAGR) weiter wachsen und dann schätzungsweise 30,75 Mrd. $ erreichen. Allein der globale Markt für Edge-AI-Software wird bis 2026 1,835 Mrd. $ erreichen und eine durchschnittliche jährliche Wachstumsrate (CAGR) von 20,8 % verzeichnen. Getrieben wird der Markt vom Anstieg der Cloud-basierten Workloads der Unternehmen und vom rasanten Wachstum der Zahl vernetzter Geräte (einschließlich Wearables, die in der Zeit nach der Pandemie zunehmen) und smarter Anwendungen.
Mehr Sicherheit und Datenschutz mit Edge Computing und KI
Bei Unternehmensdaten ist ein weiterer unbestreitbarer Vorteil von Edge AI der Datenschutz. Sowohl aus rechtlicher als auch aus technischer Sicht, insbesondere im Hinblick auf Datenschutz und Übertragungsgeschwindigkeit von Informationen, wird Edge Computing in den Technologien der digitalen Europäischen Union eine Schlüsselrolle einnehmen. Es respektiert nämlich die Grundsätze von Privacy by Design und by Default des Europäischen Datenschutzausschusses (EDPB), insbesondere bei smarten Autos. Aus Sicht der Cybersicherheit erspart die KI-Verarbeitung auf einem lokalen Gerät die Übertragung von Informationen an ein anderes Gerät zur Datenanalyse. Dadurch sinkt das Risiko des Abfangens erheblich.
Abonnieren Sie den SECO Newsletter.
Melden Sie sich mit Ihrer E-Mail-Adresse auf seco.com an.



