Focus: Edge Computing

Rechnen am Netzwerkrand

Uhr
(Source: Rashad Ashur / Shutterstock.com)
(Source: Rashad Ashur / Shutterstock.com)

Die Botschaft der Hyperscaler ist klar: Wer auf der digitalen Transformationsreise vorankommen will, geht in die Cloud. Mit ihr legt man "den Grundstein für Flexibilität, Geschwindigkeit und Standortunabhängigkeit", wie es VSHN-CTO Aarno Aukia in einem Fachbeitrag ausdrückte. Doch der Weisheit letzter Schluss ist die Cloud dann doch nicht – oder zumindest nicht immer. Denn in den vergangenen Jahren hat sich auch der Trend zu Edge Computing etabliert. Seine Verfechter argumentieren mit lokaler – ergo schnellerer – Datenverarbeitung, mehr Datenschutz und Ausfallsicherheit. Mehr zu den Vorteilen von Edge Computing und wie sich die Technologie nicht gegen, sondern mit der Cloud einsetzen lässt, erfahren Sie in diesem Themenschwerpunkt.

Beispiele von Anwendungen für Edge Computing geben Klaus Zahn und Jürgen Wassner, Professoren der Hochschule Luzern (HSLU). Im Interview sprechen sie darüber, welche Herausforderungen die Technologie für Unternehmen und Entwickler mit sich bringt. Zudem erklären sie, was es mit der Embeded-Vision-Plattform (EnVis) der HSLU auf sich hat.

Für Thomas Maurer, Senior Program Manager & Chief Evangelist Azure Hybrid bei Microsoft, stellt Edge Computing ein wichtiger Teil der Cloud-Strategie dar. Dementsprechend plädiert er in seinem Fachbeitrag dafür, an Edge-Standorten moderne Cloud-Infrastrukturen bereitzustellen.

Ein praktisches Beispiel für Edge Computing liefert Martin Casaulta, Chief Technologist bei HPE Schweiz. Sein Unternehmen belieferte die Internationale Raumstation (ISS) mit einem System, das nicht nur die Datenverarbeitung durchgeführter Experimente beschleunigt, sondern den dort stationierten Astronauten auch mehr Autonomie beschert.

Durch die lokale Auswertung von Daten kann man nicht nur Übertragungskosten sparen, wie Thomas Amberg, Dozent für IoT an der FHNW schreibt. Edge Computing reduziere zudem die Netzwerklatenz und schütze insbesondere im Falle von Machine-Learning-Anwendungen die Privatsphäre.

Und was man beim Implementieren von Edge-Technologien beachten sollte, beschreibt Frank Thonüs von Dell Technologies. Eine der grossen Herausforderungen bestehe darin, die Konsistenz der zu verarbeitenden Daten sicherzustellen. Denn die Komponenten des Edge Computing bilden ein stark fragmentiertes Ökosystem.

Webcode
DPF8_256691