Daily Archives: Montag, der 7. August 2017

Edge Computing und Edge Analytics

Montag, der 7. August 2017

Edge Computing & Edge Analytics

Edge Computing & Edge Analytics entlasten Netze und ermöglichen Reaktionen in Echtzeit

Edge Computing und Edge Analytics liest sich derzeit wie der nächste neue Trend in der Technologie-Branche, speziell im IoT. Die beiden Begriffe beschreiben die dezentrale Datenverarbeitung in einem Endgerät. Statt alle Informationen zentral in einem Data Lake oder einer Analyseplattform zu nutzen, werden die Informationen also direkt vor Ort, beispielsweise in einem Network Switch ausgewertet, und daraus abgeleitete Reaktionen eingeleitet. Das spart wichtige Bandbreite auf den Netzen zur Zentrale, und ermöglicht Reaktionszeiten die für Realtime und Near-Realtime Anwendungen geeignet sind. Ein wichtiger Vorteil, gerade im operativen Betrieb, bedenkt man die enorme Menge an Daten, wie sie beispielsweise von Sensoren in einem Zug oder einem Auto produziert werden, und den steigenden Druck immer schneller reagieren bzw. automatisiert in Prozesse eingreifen zu können.

 

Werden Daten aus dem Internet der Dinge jetzt nur noch dezentral aufgenommen, verarbeitet und in Aktionen umgewandelt? Brauchen wir dann eine Zentrale überhaupt noch?

Vergleicht man Edge Computing und Edge Analytics mit einem menschlichen Körper, so gibt es bewusste und unbewusste Reaktionen, wie Reflexe, die der Körper direkt ausführen kann. Wenn wir Menschen so agieren können, brauchen wir dann noch ein zentrales Gehirn? Ohne einzelnen Personen zu nahe treten zu wollen, wir Menschen benötigen unser Gehirn und die Meisten unter uns nutzen es sogar.

In der Analogie wird klar: Reflexe und einfache Entscheidungen können und müssen ohne Zutun einer Zentrale ausgeführt werden. Hier ist die Reaktionszeit das wichtigste Kriterium. Die große Zentrale wird benötigt, um zum einen bewusste und komplexe Entscheidungen treffen zu können, und zum anderen, um vergangene Situationen zu speichern und aus diesem Erfahrungsschatz – der Historie – zu lernen.

Wie sieht das in der konkreten Anwendung im täglichen Leben aus? Hier zwei Beispiele zur Veranschaulichung:

  • Ein Beispiel aus dem täglichen Leben: An manchen Supermärkten erhalten Sie Gutscheine auf die Rückseite des Kassenbons aufgedruckt. Haben sie sich schon mal gefragt, woher die Kasse weiß, was sie da per Gutschein bewerben soll? Klar ist, die Entscheidung muss an der Kasse aufgrund der Waren auf dem Band getroffen werden. Sonst wäre die Wartezeit an der Kasse zu lange, und genau dort gilt: Zeit ist Geld.
    Woher weiß aber die Kasse nach welchem Regelwerk sie die Gutschein-Entscheidung trifft? Dazu werden in einem zentralen Data Lake alle Kassenbons der letzten Jahre gespeichert und Warenkorb Analysen durchgeführt. Das Ergebnis ist ein Regelwerk, dass dann direkt in der Kasse genutzt wird.
  • Ein Bespiel aus dem Bereich Connected Cars: Hier kann ein Fahrzeug eine gefährliche Situation erkennen, und dies den unmittelbar nachfolgenden Fahrzeugen mitteilen. Solche Situationen können Eisplatten oder Aquaplaning sein. Durch entsprechende Maßnahmen im Fahrwerk und die Warnung an den Fahrer, werden sie ihres Schreckens beraubt. Auch hier ist die Reaktionszeit wichtig. Das Erkennen einer Gefahrensituation dagegen, benötigt ein Regelwerk, dass in Analysen gefunden, und in Testreihen auf Zuverlässigkeit optimiert werden muss. Ein klarer Fall für einen zentralen Data Lake.

Man erkennt an diesen Beispielen, dass letztlich auch Edge Computer auf Algorithmen zurückgreifen müssen, um aus Daten sinnvolle Aktionen abzuleiten. Außerdem kennen Edge Computer in der Regel keine Historie. Daher braucht es neben dem Edge Computer ein zentrales „Gehirn“, beispielsweise einen Data Lake und Analysemethoden, mit denen es möglich ist, die richtigen Modelle zu erstellen und die passenden Algorithmen auszuwählen und anzuwenden.

Es geht also auch hier wieder um die Kombination aus verschiedenen Komponenten, um eine passende Architektur in der Unternehmensinfrastruktur, um letztlich sinnvoll und gewinnbringend zu arbeiten.

Teradata setzt bei Edge Computing und Edge Analytics auf Partnerschaften zu branchenführenden Anbietern. Entsprechend wurde kürzlich eine Partnerschaft mit Cisco geschlossen. Erste Projekte befinden sich in der Umsetzung.