Edge Analytics
Inhaltsverzeichnis
Was ist Edge Analytics?
Die Edge Analytics sind ein Analyseverfahren, das in Zusammenhang mit dem Edge Computing steht. Gemeint ist die Datenverarbeitung am Netzwerkrand und damit näher an den Endgeräten statt im Zentrum des Netzwerks. Denn auf diese Weise lassen sich lange Kommunikationswege und die damit einhergehenden Latenzen vermeiden.
Bedarf von Edge Analytics
Mit der stärkeren Verbreitung des Edge Computings wächst also auch der Bedarf für Analysen in diesem Bereich. Dank Edge Analytics ist es möglich, die notwendigen Datenberechnungen zum Beispiel direkt am Sensor oder Switch durchzuführen. Es ist nicht mehr notwendig, auf die Datenrücksendung an den zentralen Speicher zu warten.
Bedeutung in der Praxis
Unter Edge Analytics verstehen wir also die Analyse von Daten unmittelbar nach deren Erzeugung am Netzwerkrand. Damit ist es möglich, Entscheidungsprozesse zu beschleunigen und die zentralen Datenverwaltungs- und Analysesysteme zu entlasten. Die Überwachung von Edge-Geräten gehört zu den typischen Anwendungsfällen der Edge Analytics. Sie spielen eine wichtige Rolle in der Automatisierung zum Beispiel von Fabriken und haben ihre Bedeutung für das Internet der Dinge oder für Entwicklungen im Bereich der Industrie 4.0.
Edge Analytics und SAP
Auch SAP-Systeme haben grundsätzlich die Möglichkeit, Edge Analytics als Analysemethode zu nutzen. So bietet SAP mit dem Datenökosystem SAP Datasphere eine passende Analyselösung an, die mit SAP- und Non-SAP-Daten umgehen kann und mit der Sie auch Edge Analytics implementieren können.
Edge Computing (Quelle: Wikipedia)
Funktionsweise der Edge Analytics
In der Praxis kann die Datenanalyse im Produktionsbereich mithilfe unterschiedlichster Verfahren erfolgen.
Deep Learning
Wenn ausreichende Trainingsdaten vorhanden sind, können Deep-Learning-Verfahren direkt am Entstehungsort der Daten zum Einsatz kommen. Diese basieren auf neuronalen Netzwerken und sind gerade dort nützlich, wo es auf eine schnelle Reaktionszeit und Bandbreiteneinsparung ankommt. Zu nennen sind zum Beispiel neben IoT-Geräten und der Produktion auch autonome Fahrzeuge. Deep-Learning-Modelle sind zwar aufgrund der Mustererkennung sehr mächtig, setzen aber wegen der hohen Rechenintensität entsprechend leistungsfähige Edge-Geräte voraus.
Clustering mit Edge Analytics
Beim Clustering bzw. der Anwendung von Klassifikationsmethoden erfolgt eine Gruppierung von Datenpunkten anhand ihrer Ähnlichkeit. Das funktioniert ohne vorherige Etikettierungen oder Kategorisierungen, weshalb es sich um eine Form des unüberwachten Lernens handelt. Eine solche Gruppierung ist zum Beispiel in Hinblick auf die Effizienzsteigerung nützlich, weil sich zusammengefasste Informationen unter geringerer Inanspruchnahme von Bandbreite an die Cloud oder die sonstigen zentralen Verarbeitungssysteme senden lassen.
Regressionsmethode
Bei der Regressionsmethode handelt es sich um eine der überwachten Formen des maschinellen Lernens. Sie kommt für die Vorhersageanalyse zum Einsatz und modelliert dafür die Beziehungen zwischen abhängigen und unabhängigen Variablen. So lassen sich auf Grundlage der vorhandenen Daten aus einem System zukünftige Werte vorhersagen – ähnlich der Predictive Analytics. Auf diese Weise lassen sich Echtzeitentscheidungen direkt am Gerät treffen, ohne vorher auf die Zentrale zurückgreifen zu müssen.
Anwendungsgebiete von Edge Analytics
Die Anwendungsgebiete der Edge-Analyse sind besonders vielfältig. Diese sind hier anhand von drei Beispielen verdeutlicht.
Temperaturüberwachung
Mithilfe der Regressionsmethode können die Edge-Geräte in einer Fabrik oder in einem Bürogebäude anhand der vorhandenen Messdaten vorhersagen, wie sich die Temperatur im Gebäude entwickelt. Darauf reagierend lassen sich weitere Geräte steuern wie zum Beispiel die Heizung und die Klimaanlage, um die Temperatur wieder in einen gewünschten Bereich zu bringen. Auf diese Weise lässt sich eine intelligente Gebäudesteuerung vornehmen.
Voraussetzung dafür ist, dass die verschiedenen Geräte untereinander vernetzt sind. Bei Anwendungen in Produktionshallen ist das zum Beispiel nützlich, um die Maschinen und Anlagen vor einer Überhitzung zu schützen und deren Lebensdauer zu verlängern. Bei Bürogebäuden wiederum stehen Fragen wie der Komfort der Mitarbeiter oder Einsparungen bei den Betriebskosten im Vordergrund.
Intelligente Fertigung mit Edge Analytics
Zu den typischen Anwendungsbereichen der Edge-Analyse gehört die Überwachung und Optimierung von Produktionsprozessen in Echtzeit. Das ist auch als Smart Manufacturing bekannt. Hierfür müssen die eingesetzten Maschinen mit Sensoren ausgestattet sein, die laufend Messdaten liefern. Diese können sich zum Beispiel auf die Leistung oder verschiedene Betriebsbedingungen beziehen.
Anhand der Datenanalyse ist es möglich, Qualitätsprobleme frühzeitig erkennen und in den Produktionsprozess steuernd eingreifen zu können. Auch Maschinenausfälle lassen sich anhand der Analyse eventuell vorhersagen. Auf diese Weise ist es möglich, seine Wartungsteams proaktiv in der Fabrik einzusetzen und die Kosten für die Schadensbehebung und Ausfallzeiten zu minimieren.
Intelligente Verkehrssteuerung
Eine Rolle spielt die Datenanalyse am Netzwerkrand auch im Zusammenhang mit dem Verkehrsmanagement in Smart Cities. Entlang von Straßen und Kreuzungen angebrachte Sensoren und Kameras können dabei helfen, den Verkehrsfluss zu steuern und zu optimieren. Hierfür sind Daten zu erfassen, etwa in Bezug auf die Geschwindigkeiten, die Fahrzeugtypen oder die Verkehrsdichte. Ampelschaltungen lassen sich zum Beispiel dynamisch ändern, ohne dass eine zentrale Überwachung erforderlich wäre.
Vor- und Nachteile von Edge Analytics
Ihre Vorteile kann die Datenanalyse am Netzwerkrand vor allem in Umgebungen mit hohem Datenaufkommen ausspielen. Überall dort, wo schnelle Entscheidungen zu treffen sind, kann das Verfahren nützlich sein. Das gilt auch für Anwendungen mit hohen Anforderungen an die Sicherheit, weil bei der dezentralen Datenverarbeitung das Versenden über ein potenziell unsicheres oder abhörbares Netzwerk entfällt.
Zu den Nachteilen von Edge Analytics gehört, dass die Analyse häufig nur einen Teil der Daten berücksichtigen kann. Das hat zum Beispiel mit der begrenzten Leistungsfähigkeit der Edge-Geräte zu tun. Nach der Datenverarbeitung am Netzwerkrand erfolgt zudem nur eine Übermittlung der Ergebnisse der Analyse. Die Rohdaten stehen für eine vertiefende Betrachtung eventuell nicht mehr zur Verfügung.
Reporting & Analytics Frontend: Vergleichs- und Auswahlworkshop
Sie stehen vor der Herausforderung ein neues Tool für Reporting, BI und Analytics einzuführen? Unser Workshop zur Toolauswahl hilft Ihnen!
Fazit
Eine dezentrale Datenverarbeitung bedeutet, dass sich der Verbrauch von Bandbreite in Netzwerken begrenzen, Entscheidungen schneller treffen lassen und sich eine intelligente Steuerung von Systemen erreichen lässt. Das ist für die Optimierung in Fabriken oder Bürogebäuden ebenso nützlich wie für den Verkehr. Voraussetzung dafür ist jedoch, dass die Edge-Geräte über eine ausreichende Leistungsfähigkeit verfügen. SAP bietet mit Datasphere eine passende Analyselösung an, die mit SAP- und Non-SAP-Daten umgehen kann.
FAQ
Was ist Edge Analytics?
Edge Analytics bezieht sich auf die Datenanalyse, die direkt am Entstehungsort der Daten, dem sogenannten “Netzwerkrand”, erfolgt. Dies ermöglicht schnelle Reaktionszeiten und vermeidet Latenzen, die durch lange Kommunikationswege entstehen könnten.
Welche Vorteile hat Edge Analytics?
Die Vorteile von Edge Analytics liegen in der schnellen Verarbeitungsgeschwindigkeit und der reduzierten Latenz. Die Nähe zur Datenquelle ermöglicht sofortige Analyse und Reaktion, was besonders in zeitkritischen Anwendungen wie dem autonomen Fahren und Smart Factories von Vorteil ist.
Warum ist Edge Analytics für Industrie 4.0 und IoT wichtig?
In Umgebungen, wo Echtzeitreaktionen entscheidend sind, wie in der Industrie 4.0 oder beim Internet der Dinge, ermöglicht Edge Analytics schnelle Entscheidungen. Durch die Analyse direkt am Gerät können Prozesse ohne Verzögerung optimiert und gesteuert werden.
Was sind Anwendungsgebiete von Edge Analytics?
Edge Analytics findet Anwendung in zahlreichen Bereichen wie intelligenter Fertigung, Verkehrsmanagement und prädiktiver Wartung. Es ist entscheidend für Szenarien, in denen schnelle und lokale Entscheidungsfindung erforderlich ist, wie bei der Überwachung von Produktionslinien oder Smart City-Infrastrukturen.
Weitere Informationen
- Edge Analytics (ComputerWeekly)
- SAP Analytics Cloud (Herstellerseite)
- SAP Predictive Analytics
- SAP Datasphere (Herstellerseite)
