Warum Edge-Computing für Cloud-Lösungen unerlässlich ist

Zentrale Rechenzentren haben eine Eigenschaft, die sich nicht wegoptimieren lässt: Sie sind weit weg. Ein Signal braucht für 1.000 Kilometer Glasfaser rund fünf Millisekunden — pro Richtung, im theoretischen Idealfall. Dazu kommen Vermittlungsstellen, Routing und die Verarbeitung selbst. Für einen Seitenaufruf ist das unerheblich. Für eine Maschinensteuerung, die auf einen Sensorwert reagieren muss, ist es der Unterschied zwischen brauchbar und unbrauchbar.

Edge-Computing ist die Antwort darauf: Daten werden dort verarbeitet, wo sie entstehen, statt sie erst vollständig in ein zentrales Rechenzentrum zu schicken.

Was mit „Edge“ konkret gemeint ist

Der Begriff beschreibt kein einzelnes Produkt, sondern eine Bandbreite von Anordnungen. Am äußersten Rand steht das Gerät selbst — eine Kamera, die vor Ort auswertet, statt den Videostrom zu senden. Eine Stufe weiter innen liegen lokale Server oder Gateways im Werk, in der Filiale, im Krankenhaus. Danach folgen regionale Rechenzentren der Netzbetreiber und Cloud-Anbieter, und schließlich die Standorte eines Content-Delivery-Netzwerks, die statische Inhalte und inzwischen auch kleine Programme in der Nähe der Nutzer ausführen.

Die Analysten von Gartner beschreiben Edge-Computing entsprechend als Verarbeitung an oder nahe der Quelle der Datenerzeugung. Das Gegenstück ist nicht die Cloud, sondern die Annahme, dass alles an einem Ort verarbeitet werden muss.

Wann sich die Verlagerung lohnt

Reaktionszeit. Bildverarbeitung in der Qualitätskontrolle, Steuerung von Anlagen, Assistenzsysteme in Fahrzeugen: Überall dort, wo eine Entscheidung im Bereich von Millisekunden fallen muss, ist der Weg in ein entferntes Rechenzentrum zu lang — unabhängig von der Bandbreite.

Datenmenge. Eine einzelne Kamera in einer Fertigungsstraße erzeugt mehr Daten, als sinnvoll dauerhaft übertragen werden können. Wertet man vor Ort aus und schickt nur das Ergebnis — Werkstück in Ordnung oder nicht, Zähler erhöht, Grenzwert überschritten —, sinkt die übertragene Menge um Größenordnungen. Da der Datentransfer aus einer Cloud heraus abgerechnet wird und Anbindungen an Produktionsstandorten oft begrenzt sind, ist das auch eine Kostenfrage.

Datenschutz. Dieses Argument ist in den vergangenen Jahren deutlich wichtiger geworden. Wer Personen auf einem Videobild zählt, muss dafür kein Videobild übertragen — die Zahl genügt. Verarbeitung vor Ort ist damit eine praktische Umsetzung der Datenminimierung: Personenbezogene Rohdaten verlassen das Gelände gar nicht erst, und die Frage nach Auftragsverarbeitung und Serverstandort stellt sich für diesen Teil nicht.

Verfügbarkeit ohne Netz. Eine Kasse, eine Zutrittskontrolle oder eine Maschinensteuerung muss auch dann funktionieren, wenn die Internetanbindung ausfällt. Lokale Verarbeitung mit späterem Abgleich löst das; ein rein zentraler Dienst nicht.

Was das für Websites und Shops bedeutet

Für die meisten Unternehmen ist der praktisch relevante Fall von Edge-Computing kein Industrieszenario, sondern die Auslieferung der eigenen Website. Ein Content-Delivery-Netzwerk hält Bilder, Skripte und zunehmend auch fertige Seiten an vielen Standorten vor, sodass der Weg vom Server zum Besucher kurz bleibt. Moderne Hosting-Plattformen führen darüber hinaus kleine Programme direkt an diesen Standorten aus — für Weiterleitungen, Sprachweichen, Zugriffsschutz oder personalisierte Inhalte.

Der messbare Effekt liegt bei der Zeit bis zum ersten Byte, und die schlägt direkt auf den Largest Contentful Paint durch, eine der drei Core Web Vitals. Wie sich das im Einzelnen zusammensetzt, erklärt der Wiki-Eintrag zu Page Speed; welche Rolle die Serverantwort dabei spielt, steht auf unserer Seite zum SSD-Webhosting.

Ein Hinweis zur Einordnung: Ein CDN beschleunigt vor allem das, was sich zwischenspeichern lässt. Eine langsame Datenbankabfrage im Bestellprozess wird davon nicht schneller.

5G ist ausgerollt, die Latenz kommt trotzdem nicht von allein

Als dieser Beitrag entstand, war 5G das Versprechen, das Edge-Computing tragen sollte. Der Ausbau ist inzwischen weit fortgeschritten, und die Verbindungen sind schneller geworden. Die sehr niedrigen Latenzen, mit denen damals geworben wurde, ergeben sich daraus aber nicht automatisch: Sie hängen davon ab, wie kurz der Weg hinter der Funkzelle ist. Solange der Datenverkehr eines Mobilfunknutzers über wenige zentrale Übergabepunkte läuft, nützt eine schnelle Funkstrecke wenig.

Genau an dieser Stelle greift Edge-Computing im Mobilfunk — durch Rechenkapazität nah an den Basisstationen. Das ist technisch möglich und wird eingesetzt, aber es ist ein Ausbauthema und keine Eigenschaft, die man mit einem Mobilfunkvertrag bekommt.

Modelle laufen vor Ort, trainiert werden sie zentral

Ein Grund, warum das Thema wieder an Bedeutung gewonnen hat, ist die Bilderkennung. Ein Modell zu trainieren verlangt sehr viel Rechenleistung und den gesamten Datenbestand — das geschieht zentral. Ein trainiertes Modell anzuwenden, also ein einzelnes Bild einzuordnen, ist dagegen vergleichsweise anspruchslos und läuft auf einem Kleinrechner mit passendem Beschleuniger.

Diese Arbeitsteilung passt genau auf die Aufgabenverteilung zwischen Edge und Cloud: Die Auswertung geschieht dort, wo die Kamera hängt; nur die Ergebnisse und gelegentlich Stichproben für das nächste Training wandern nach innen. Was dabei zu klären ist, ist weniger die Rechenleistung als die Versionsführung — welcher Standort betreibt welchen Modellstand, und wie kommt ein aktualisiertes Modell dorthin, ohne dass jemand vorbeifahren muss.

Woran man einen Fall für Edge-Computing erkennt

Vier Fragen genügen meist für eine erste Einschätzung. Muss innerhalb weniger Millisekunden reagiert werden? Entstehen am Ort so viele Daten, dass die Anbindung sie nicht sinnvoll abtransportieren kann? Enthalten die Rohdaten Personenbezug, der bei der Auswertung gar nicht gebraucht wird? Und muss das System weiterlaufen, wenn die Internetverbindung ausfällt?

Wird keine dieser Fragen mit Ja beantwortet, ist die zentrale Verarbeitung fast immer die einfachere und billigere Lösung. Verteilte Systeme sollte man sich nur einhandeln, wenn es dafür einen Grund gibt.

Der Preis: viele Standorte wollen betrieben werden

Ein zentrales Rechenzentrum hat einen unterschätzten Vorteil — es gibt nur eines. Verteilt man Rechenleistung auf fünfzig Filialen, entstehen fünfzig Umgebungen, die aktualisiert, überwacht, gesichert und abgesichert werden müssen, häufig ohne IT-Personal vor Ort und in Räumen, die niemand abschließt.

Wer Edge-Computing plant, plant deshalb zuerst den Betrieb: automatisierte Updates, Fernzugriff mit gesicherter Anmeldung, verschlüsselte Datenträger, eine Überwachung, die meldet, wenn ein Standort nicht mehr antwortet, und ein Verfahren für den Austausch defekter Geräte. Wird das übersprungen, steht nach zwei Jahren eine Flotte von Kleinstservern mit veralteter Software in der Fläche.

Arbeitsteilung statt Ablösung

Edge-Computing ersetzt die Cloud nicht. Die Aufgaben verteilen sich: Was sofort entschieden werden muss, entscheidet sich vor Ort; was zusammengeführt, ausgewertet, langfristig gespeichert oder zum Trainieren von Modellen gebraucht wird, gehört ins zentrale System. Die interessante Frage ist daher nicht Edge oder Cloud, sondern wo im System die Grenze verläuft — und welche Daten sie überhaupt überqueren müssen.

Wie sich diese Aufteilung auf eine gewachsene IT-Landschaft anwenden lässt, behandelt der Leitfaden zu hybriden Cloud-Umgebungen. Weitere Beiträge zum Thema stehen im Bereich Cloud.