Edge Analytics
Edge Analytics ist ein Ansatz zur Datenerfassung und -analyse, bei dem eine automatisierte analytische Datenberechnung an einem Sensor, Netzwerk-Switch oder einem anderen Gerät durchgeführt wird, anstatt darauf zu warten, dass die Daten an einen zentralen Datenspeicher zurückgesendet werden.
Edge Analytics hat mit der zunehmenden Verbreitung des IoT-Modells (Internet of Things) sowie den untereinander verbundenen Geräten an Aufmerksamkeit gewonnen. In vielen Unternehmen entsteht durch das Daten-Streaming aus Fertigungsmaschinen, Industrieanlagen, Pipelines und anderen mit dem Internet der Dinge verbundenen Remote-Geräten eine riesige Menge an Betriebsdaten, deren Verwaltung schwierig – und teuer – ist. Indem die Daten bereits bei ihrer Entstehung am Rande des Unternehmensnetzwerks durch einen Analysealgorithmus verarbeitet werden, können Unternehmen Parameter dafür festlegen, welche Informationen es wert sind, zur späteren Verwendung an einen Cloud- oder einen lokalen Datenspeicher gesendet zu werden – und welche nicht.
Die Analyse von Daten, während sie generiert werden, verringert die Latenz im Entscheidungsprozess. Wenn zum Beispiel Sensordaten aus einem Fertigungssystem auf den wahrscheinlichen Ausfall eines bestimmten Teils hinweisen, können Geschäftsregeln, die in den Analysealgorithmus integriert sind, der die Daten am Netzwerkrand interpretiert, die Maschine automatisch abschalten und eine Warnung an den entsprechenden Mitarbeiter senden, damit das Teil ausgetauscht wird. Das spart Zeit im Vergleich zur Übertragung der Daten an eine zentrale Stelle zur Verarbeitung und Analyse und ermöglicht es Unternehmen, ungeplante Anlagenstillstände zu reduzieren oder zu vermeiden.
Ein weiterer Vorteil von Edge Analytics ist Skalierbarkeit. Die Übertragung von Analysealgorithmen an Sensoren und Netzwerkgeräte entlastet die Datenverwaltungs- und Analysesysteme von Unternehmen, auch wenn die Anzahl der angeschlossenen Geräte in Unternehmen und die Menge der erzeugten und gesammelten Daten steigt.
Wie wird Edge Analytics eingesetzt?
Einer der häufigsten Anwendungsfälle für Edge Analytics ist die Überwachung von Edge-Geräten. Dies gilt insbesondere für IoT-Geräte. Eine Datenanalyseplattform kann zur Überwachung einer großen Sammlung von Geräten eingesetzt werden, um sicherzustellen, dass die Geräte normal funktionieren.
Wenn ein Problem auftritt, ist eine Edge-Analytics-Plattform in der Lage, automatisch Maßnahmen zu ergreifen. Ist eine automatische Behebung nicht möglich, kann die Plattform stattdessen dem IT-Personal Informationen liefern, die ihnen helfen, das Problem zu beheben.
Vorteile von Edge Analytics
Edge Analytics bietet mehrere Vorteile:
- Echtzeitnahe Datenanalyse. Da die Analyse in der Nähe der Datenquelle erfolgt – oft direkt auf dem Gerät selbst – können die Daten nahezu in Echtzeit analysiert werden. Dies ist nicht der Fall, wenn das Gerät die Daten zur Verarbeitung an einen Backend-Server in der Cloud oder in einem entfernten Rechenzentrum übertragen muss.
- Skalierbarkeit. Edge Analytics ist von Natur aus skalierbar. Da jedes Gerät seine eigenen Daten analysiert, wird die Rechenlast auf die Geräte verteilt.
- Mögliche Reduzierung der Kosten. Mit traditioneller Big-Data-Analytik sind erhebliche Kosten verbunden. Unabhängig davon, ob die Daten in einer Public Cloud oder im eigenen Rechenzentrum eines Unternehmens verarbeitet werden, fallen Kosten für Datenspeicherung, Datenverarbeitung und den Bandbreitenverbrauch an. Einige der Edge-Analytics-Plattformen für IoT-Geräte nutzen die Hardware des IoT-Geräts für die Datenanalyse und machen damit die Backend-Verarbeitung überflüssig.
- Verbesserte Sicherheit. Wenn die Daten an Bord des Geräts analysiert werden, das sie erzeugt hat, ist es nicht notwendig, den gesamten Datensatz über die Leitung zu übertragen. Dies kann zur Verbesserung der Sicherheit beitragen, da die Rohdaten das Gerät, das sie erzeugt hat, nie verlassen.
Grenzen von Edge Analytics
Wie jede Technologie hat auch Edge Analytics Grenzen. Zu diesen gehören:
- Nicht jede Hardware unterstützt Edge Analytics. Nicht jedes IoT-Gerät verfügt über den Arbeitsspeicher, die CPU und die Speicherhardware, die für die Datenanalyse auf dem Gerät erforderlich sind.
- Möglicherweise muss man eine eigene Edge-Analytics-Plattform entwickeln. Edge Analytics ist noch eine relativ neue Technologie. Obwohl es bereits fertige Analyseplattformen gibt, ist es durchaus möglich, dass ein Unternehmen seine eigene Edge-Analytics-Plattform entwickeln muss, basierend auf den Geräten, die es analysieren möchte.
Anwendung von Edge Analytics
Edge Analytics ist vor allem in industriellen Umgebungen nützlich, die viele IoT-Sensoren verwenden. In solchen Umgebungen kann Edge Analytics folgende Vorteile bieten:
- Verbesserte Betriebszeit. Wenn eine Edge-Analytics-Plattform ein Sensor-Array überwachen kann, ist sie möglicherweise in der Lage, korrigierend einzugreifen, wenn Probleme auftreten. Selbst wenn die Lösung nicht automatisiert ist, kann die einfache Benachrichtigung eines Bedieners über ein Problem dazu beitragen, die Gesamtbetriebszeit zu verbessern.
- Niedrigere Wartungskosten. Durch eine eingehende Analyse von IoT-Geräten kann ein tiefer Einblick in den Zustand und die Langlebigkeit der Geräte gewonnen werden. Je nach Umgebung kann dies dem Unternehmen helfen, seine Wartungskosten zu senken, indem es die Wartung nur dann durchführt, wenn sie notwendig ist, anstatt blind einem Wartungsplan zu folgen.
- Ausfälle vorhersagen. Eine eingehende Analyse der IoT-Hardware kann es ermöglichen, Hardwareausfälle im Voraus vorherzusagen. Dies kann Unternehmen in die Lage versetzen, proaktive Schritte zu unternehmen, um einen Ausfall abzuwenden.
Edge Analytics versus Edge Computing
Edge Computing basiert auf der Idee, dass die Datenerfassung und -verarbeitung in der Nähe des Ortes durchgeführt werden kann, an dem die Daten entweder erzeugt oder verbraucht werden.
Edge Analytics nutzt dieselben Geräte und die Daten, die sie bereits produziert haben. Ein Analysemodell führt eine tiefere Analyse der Daten durch als die, die ursprünglich durchgeführt wurde. Diese Analysefunktionen ermöglichen die Erstellung von umsetzbaren Erkenntnissen, oft direkt auf dem Gerät.
Cloud Analytics versus Edge Analytics
Sowohl Cloud Analytics als auch Edge Analytics sind Techniken zum Sammeln relevanter Daten und zur anschließenden Verwendung dieser Daten für die Datenanalyse. Der Hauptunterschied zwischen den beiden besteht darin, dass bei Cloud Analytics die Rohdaten zur Analyse in die Cloud übertragen werden müssen.
Obwohl Cloud Analytics viele Vorteile hat, sprechen zwei Argumente für Edge Analytics. Erstens hat Edge Analytics eine weitaus geringere Latenz als Cloud Analytics, da die Daten vor Ort analysiert werden. Der zweite Vorteil ist, dass Edge Analytics keine Netzwerkverbindung zur Cloud benötigt. Das bedeutet, dass Edge Analytics in Umgebungen mit eingeschränkter Bandbreite oder an Standorten eingesetzt werden kann, an denen eine Cloud-Konnektivität nicht verfügbar ist.
