Edge-Analytik ermöglicht es intelligenten und datengesteuerten Unternehmen, unmittelbar nach der Datenerfassung durch IoT-Geräte mit der Datenanalyse zu beginnen.
Bisher haben Unternehmen Daten aus verschiedenen Quellen gesammelt, diese in der Cloud oder in lokalen Speichern abgelegt und später analysiert. Dieses Modell der Datenanalyse stellt jedoch einen erheblichen Flaschenhals für das Wachstum des Internets der Dinge (IoT) und des industriellen Internets der Dinge (IIoT) dar.
Edge-Analytik bietet hier die Lösung!
Dieser Artikel führt Sie auf eine kompakte Reise durch die Welt der Edge-Analytik, damit Sie problemlos eigene Lösungen entwickeln oder digitale Unternehmen transformieren können.
Einführung in die Edge-Analytik
Wie der Name schon sagt, bezeichnet Edge-Datenanalyse die Methode der Datenanalyse am „Rand“. „Edge“ bezieht sich dabei auf die Datenquelle. Im Kontext des IoT sind dies Sensoren, Aktoren, Roboterarme, Klimaanlagen, Förderbandsteuerungen, Netzwerkschalter und intelligente Geräte.
Edge-Analytik-Anwendungen führen Datenanalysen näher an dem IoT-Gerät durch, das Echtzeitdaten von Produktionsanlagen, Versorgungssystemen usw. erfasst. Dadurch können zeitkritische Geschäftsprozesse reibungslos ablaufen, ohne auf logische Anweisungen von einem zentralen Server warten zu müssen.
Kurz gesagt, die Datenerfassung, -verarbeitung, -analyse und -aktionen, die innerhalb eines intelligenten Geräts stattfinden, sind das Ergebnis von Edge-Datenanalysen. Beispielsweise sind Amazon Echo oder Nest Home-Geräte mit Edge-Analytik ausgestattet.
Diese Geräte reagieren auf Ihre Befehle, analysieren das aufgenommene Audio in Maschinensprache und durchsuchen das Web nach Ergebnissen. Das Gerät stellt dann auch das im Internet gefundene Suchergebnis zur Verfügung.
Die Notwendigkeit für Edge-Analytik
Die Nutzung intelligenter Geräte in Branchen wie Energie, Einzelhandel, Fertigung, Sicherheit, Logistik, Automobil usw. nimmt stetig zu. Die Internetbandbreite wächst jedoch nicht im gleichen Maße, oder die Bandbreite ist immer begrenzt.
Daher ist es zeitaufwendig, Terabyte von Daten von IoT-Geräten zu sammeln und diese in die Cloud zu übertragen. Ganz zu schweigen von der Analyse der Daten und dem Zurücksenden von verwertbaren Erkenntnissen an das Smart Device über dasselbe Netzwerk.
Dies würde zu einem Stau führen und das IoT-Systemnetzwerk lahmlegen!
Hier müssen Unternehmen Edge-Analytik-Anwendungen und -Geräte einsetzen. Die zeitkritischen intelligenten Geräte können die gesammelten Daten vor Ort analysieren und sofort Maßnahmen ergreifen.
Beispielsweise muss ein autonomes Fahrzeug bremsen, wenn es ein plötzliches Hindernis auf seinem Weg erkennt.
Es kann nicht warten, bis die audiovisuellen Daten des Hindernisses erfasst, an eine Cloud-App gesendet und auf eine Antwort gewartet wird. Stattdessen trifft das Fahrzeug in Sekundenbruchteilen die Entscheidung, die Richtung zu ändern oder eine Notbremsung einzuleiten.
Wie funktioniert Edge-Analytik?
Analytik am „Edge“ überwacht in der Regel mehrere Gruppen von Edge- oder IoT-Geräten. Zunächst verfolgt eine Analyse-App den Zustand und die Leistung aller verbundenen intelligenten Geräte.
Wenn Workflow-Probleme erkannt werden, versucht die Analyse-App, das Problem lokal zu beheben. Wenn das Problem weiterhin besteht, stoppt die Edge-Anwendung das fehlerhafte Gerät und benachrichtigt die zuständigen Techniker.
Im Zuge dieses abgestimmten Prozesses übernehmen die folgenden Geräte wichtige Rollen:
- IoT-Sensoren erfassen Umgebungsdaten wie Druck, Temperatur, Feuchtigkeit, Drehzahl usw.
- Edge-Geräte können dedizierte Edge-Appliances wie Sony REA-C1000 zur lokalen Datenanalyse sein, oder auch Smartphones und Tablets zur Steuerung von IoT-Geräten.
- Edge-Gateways bieten mehr Leistung und Speicher als Edge-Geräte und fungieren als Vermittler zwischen dem Cloud-Server und den IoT-Geräten.
- Intelligente Aktoren, die die von der Edge-Datenanalyse vorgeschlagene Aufgabe ausführen. Zum Beispiel intelligente Wasserventile, intelligente Schalter, intelligente Roboterarme, intelligente Förderbandsteuerungen und Computerbefehle.
Das obige Bild zeigt eine schematische Darstellung von IBM IoT Edge Analytics in der Hotelbranche.
Vorteile
#1. Erhöhte Sicherheit
Bei der Analytik am „Edge“ müssen die Daten nicht in die Cloud übertragen werden. Die Rohdaten verbleiben auf dem Gerät, auf dem sie generiert wurden. Da das Risiko von Datenverlust oder Infektion während der Übertragung sinkt, bleiben die Daten sicherer.
#2. Vermeidung von Latenz und Datenanalyse nahezu in Echtzeit
Bestimmte Geschäftsprozesse erfordern eine sofortige Datenanalyse für den Betrieb. Edge-Analytik unterstützt autonome Entscheidungen, indem sie Erkenntnisse an der Quelle identifiziert und sammelt.
Da diese Analyse in der Nähe der Daten stattfindet, dauert sie nur einen kurzen Moment. Es entfällt die Datenübertragung an entfernte Server, so dass Sie sofortige Ergebnisse erhalten.
In Szenarien wie der Identifizierung von Kriminellen aus Live-CCTV-Feeds oder der Analyse von Daten aus einem Flugzeug oder einer Produktionsanlage bleiben Ihnen nur Sekundenbruchteile, um zu handeln. Hier hilft Ihnen diese Technologie, sofortige Entscheidungen zu treffen.
#3. Hohe Skalierbarkeit
Wenn Unternehmen wachsen, belastet die zunehmende Datenmenge die zentrale Datenanalyse. Durch die Dezentralisierung des Prozesses können Sie mit Edge-Analytik die Prozesse skalieren und so bessere Analysefunktionen bereitstellen.
#4. Geringere Bandbreitennutzung
Die Datenübertragung von den Quellgeräten zum zentralen Server und zurück verbraucht viel Bandbreite. Viele abgelegene Standorte verfügen nicht über die erforderliche Datenbandbreite oder Netzwerkstärke für die Übertragung. In solchen Fällen hilft Ihnen Edge-Analytik, Bandbreite einzusparen.
#5. Reduzierte Kosten
Herkömmliche Big-Data-Analytics-Methoden können teuer sein. Während Unternehmen die Daten möglicherweise in ihren Cloud-Servern oder öffentlichen Cloud-Lösungen verarbeiten, sind Speicherung, Verarbeitung, Analyse und Bandbreitenverbrauch kostspielig.
Diese Technologie verwendet IoT-Geräte oder Hardware in der Nähe für die Datenanalyse. Infolgedessen fallen geringere Kosten für die Analyse und die Bandbreite des Internetnetzwerks an.
Einschränkungen
#1. Sicherheit von Remote-Geräten
Während die Analytik am „Edge“ Ihre sensiblen Daten während der Datenübertragung vor Cyberbedrohungen schützt, betrifft dies auch Remote-Geräte, die anfällig für solche Risiken sind.
Es gab mehrere Fälle von Hacking von Überwachungskameras, und auch Ihre kann solchen Angriffen zum Opfer fallen. Wenn Ihre Cybersicherheitsmaßnahmen diese Remote-Geräte nicht abdecken, nützt es wenig, eine starke Sicherheit für Ihr Kernsystem zu haben.
#2. Datenverlust
Das Design von Edge-Analytik ermöglicht es, die relevantesten Daten für die Analyse zu verwenden. Der Rest der Daten aus dem großen Rohdatensatz wird ignoriert.
Da diese Technologie nur diese relevanten Instanzen auf dem zentralen Server speichert, ist dies möglicherweise nicht die beste Option für Unternehmen, die alle ihre Rohdaten empfangen und speichern müssen.
#3. Geräte- und Netzwerkkompatibilität
Analytik am „Edge“ ist eine relativ neue Technologie, daher kann es zu Kompatibilitäts- und Datenübertragungsproblemen kommen, wenn Sie ältere Geräte und Netzwerktechnologien verwenden. Unternehmen müssen möglicherweise neue Geräte erwerben, um diese Technologie einzusetzen.
Dies erhöht die Kosten für Edge-Analytik. Darüber hinaus kann ein vollständiges Systemupgrade erforderlich sein, das den Betrieb stören kann.
#4. Notwendigkeit der Entwicklung einer eigenen Lösung
Für diese Aufgabe stehen verschiedene Analyseplattformen zur Verfügung. Einige Unternehmen benötigen jedoch möglicherweise eine maßgeschneiderte Edge-Analyseplattform, je nachdem, welche Geräte sie analysieren müssen.
#5. Auswahl der richtigen Software
Einige auf dem Markt erhältliche Systeme teilen ihre Ausgabedaten nur in der Cloud. Unternehmen sehen daher nicht die Rohdaten, die der Analyse zugrunde liegen. Um dies zu vermeiden, müssen Sie die neueste Analysesoftware verwenden, um alle erforderlichen Daten zu erhalten.
#6. Usability-Assessment erforderlich
Die Technologie eignet sich am besten für Sicherheits-, Effizienz- und schnelle Entscheidungsszenarien. Daher sollten Unternehmen prüfen, ob sie es benötigen, bevor sie sich für die Lösung entscheiden.
Anwendungsfälle
Analyse des Kundenverhaltens
Einzelhändler sammeln Daten aus ihren Ladenkameras, Parksensoren und Einkaufswagenanhängern über eine Reihe von Sensoren. Mit Edge-Analytik können diese Unternehmen diese Daten nutzen, um ihren Kunden maßgeschneiderte Lösungen anzubieten, die ihrem Verhalten entsprechen.
Fernüberwachung und -wartung
Die Fertigungs- und Energieindustrie benötigt sofortige Reaktionen oder Warnungen, wenn Maschinen nicht mehr funktionieren oder gewartet werden müssen. Anstelle der zentralisierten Datenanalyse ist dies die richtige Technologie, um zukünftige Engpässe schneller zu erkennen.
Intelligente Überwachung
Diese Technologie ist auch nützlich für die Echtzeit-Erkennung von Eindringlingen. Unternehmen können diesen Service nutzen, um ihre Sicherheit zu erhöhen. Diese Technologie verwendet Rohbilder von Überwachungskameras, um verdächtige Aktivitäten zu lokalisieren und zu verfolgen.
Fehlervorhersage
Ein Ausfall von IoT-Hardware kann katastrophale Folgen haben. Die Edge-Analyse dieser IoT-Hardwaregeräte kann solche Probleme präzise vorhersagen. Mit ihrer Hilfe können Organisationen proaktive Maßnahmen ergreifen und die Betriebszeit erhöhen.
Derzeit verwendet Edge-Analytik hauptsächlich maßgeschneiderte Geräte und Apps für bestimmte industrielle Anwendungsfälle. Im Folgenden finden Sie einige Tools und Geräte, um einen Einblick in den aktuellen Trend zu erhalten:
Sony Edge Analytics-Appliance
Das REA-C1000 von Sony ist ein voll funktionsfähiges Edge-Analytik-Gerät. Sie können Sony-Netzwerkkameras daran anschließen, um Live-Präsentationen für Remote-Zuschauer aufzuzeichnen und zu analysieren.
Es bietet High-Tech-Funktionen wie Handschriftenerkennung, Inhaltsüberlagerung, autonome Inhalte, Tracking-Moderator, Bildaufteilung, Publikumsgstenverfolgung und mehr.
AWS IoT GreenGrass
AWS IoT GreenGrass ist ein Open-Source-Cloud-Service und eine Edge-Runtime zum Entwickeln, Bereitstellen und Steuern von IoT-Gerätesoftware.
Es bringt Logik und Cloud-Datenverarbeitung zu den lokalen IoT-Geräten. Dadurch können Geräte auch bei geringer oder zeitweiser Netzwerkbandbreite funktionieren.
HPE Edgeline
HPE Edgeline eignet sich für den robusten Einsatz von Smart Devices in Produktionsanlagen, Ölplattformen usw. Es bringt Edge-Software und OT-Hardware (Operational Technology) direkt in die Produktionshalle.
Intelligente Geräte können daher schnell Daten von einem lokalen Datenverarbeitungssystem anstelle von Cloud-Servern erhalten.
Intel IoT-Entwicklerkit
Sie können Software und Hardware von Intel verwenden, um auf Edge-Analysen basierende intelligente Geräte für den geschäftlichen Einsatz zu entwickeln. Das Toolkit umfasst die folgenden Produkte:
- Software-Stack mit Treibern, SDKs, Betriebssystemen, Beispielen und Bibliotheken
- Intel-Distribution von OpenVINO
- Intel Movidius-VPU
- Intel Arria 10 FPGA
Azure IoT Edge
Azure IoT Edge bringt Analyse- und KI-Workloads auf intelligente Geräte, die am „Edge“ betrieben werden. Diese Edge-Analytik-Entwicklungsplattform bietet folgende Funktionen:
- IoT-Edge-Hardware von vertrauenswürdigen Anbietern
- Kostenlose Edge-Runtime
- Geschäftslogikmodul zur Ausführung von Software am Edge
- Azure-Cloud-Schnittstelle
Edge im Vergleich zu traditioneller Analytik
Der Hauptunterschied zwischen Edge-Analytik und herkömmlicher/Server-Analytik liegt im Ort der Datenanalyse.
Bei Edge-Systemen findet die Datenanalyse in der Nähe oder auf dem IoT-Gerät statt, das Daten sammelt und Befehle ausführt. Im Gegensatz dazu findet die Serveranalyse weit entfernt von dem intelligenten Gerät statt, das Daten erfasst.
Weitere wesentliche Unterschiede sind in der folgenden Tabelle aufgeführt:
| Merkmal/Funktionalität | Edge-Analytik | Traditionelle Analytik |
| Betriebskosten | Hoch | Niedrig |
| Latenz | Praktisch null | Normalerweise niedrig bis moderat Hoch, wenn der Server Arbeitslasten erfährt, die seine Kapazität übersteigen |
| Gerätekompatibilität | Keine Beim Gerätewechsel brauchen Sie spezifische Lösungen. |
Die meisten Cloud- und serverbasierten Analyseanwendungen sind hochgradig geräteübergreifend kompatibel |
| Geschwindigkeit der Datenanalyse | Schneller als Serveranalysen | Langsamer als Edge-Analysen |
| Systemkonfiguration | Jedes Mal konfigurieren, wenn Sie die Marke und das Modell des Geräts ändern | Einmal konfigurieren und die Anwendung jahrelang verwenden |
| Sicherheitsanfälligkeit | Praktisch nicht hackbar | Anfällig für Hacking- und Phishing-Angriffe |
| Verlust von Konnektivität | IoT-Systeme werden weiterhin funktionieren | IoT-Systeme werden aufhören |
| Analytics-Anwendungen | Begrenzte Optionen auf dem Markt | Es gibt viele serverbasierte Datenanalyse-Apps auf dem Markt |
| Serverkosten | Niedrig oder keine | Hoch |
Häufig gestellte Fragen
Was ist Edge-Videoanalyse?
Edge-Videoanalyse bedeutet, die Bilder eines Videos an einem Ort in der Nähe der Eingabemaschine zu analysieren, anstatt die Videodaten in den Cloud-Server zu verschieben.
Eine Kamera oder ein Encoder verarbeitet das Bild, um Metadaten in Edge-Analytik zu generieren. Dadurch erhalten Unternehmen eine schnellere Reaktionszeit und müssen weniger Bandbreite für die Datenübertragung aufwenden.
In welcher Situation wird Edge-Analytik bevorzugt?
Das beste Szenario für Edge-Analysen ist, wenn Sie Geräte überwachen müssen. Diese Analysen sind auch nützlich, wenn Sie in einem Bereich eine schlechte Netzwerkverbindung haben.
Finanzdienstleistungen und Fertigung sind latenzempfindliche Sektoren, in denen diese Technologie geeignet ist. Darüber hinaus sollten sich Unternehmen, die eine Skalierung anstreben, auch für Edge-Analytik entscheiden.
Letzte Worte
Jetzt wissen Sie also, was Edge-Analytik ist, wie sie funktioniert, welche Vorteile sie bietet und welche Tools, Anwendungsfälle es gibt und vieles mehr.
Sie können nun zuversichtlich Geschäftsentscheidungen treffen, um Ihre IIoT-Systeme mit Edge-Analytik-Appliances nachzurüsten, um Remote-Geräte schnell zu steuern.
Alternativ hilft Ihnen dieser Artikel, neuartige IoT- und IIoT-Lösungen zu entwerfen oder zu entwickeln, wenn Sie ein IoT-Ingenieur oder -Entwickler sind.
Als nächstes können Sie sich die beliebten IoT-Geräte ansehen.