Als Edge Analytics werden Echtzeitauswertungen von Daten (Ad-hoc-Analysen) bezeichnet, die nahe oder sogar unmittelbar an der Datenquelle erfolgen. Die Bezeichnung „Edge“ (engl. für „Rand“) bezieht sich auf das sogenannte Edge Computing, bei dem die Datenverarbeitung nicht zentral über die Cloud (Cloud-Computing), sondern über dezentrale Rechenzentren an den Rändern des Netzwerkes erfolgt. Die Methode ist mit einem intelligenten Filter zu vergleichen: Erheben Sensoren an einer Maschine beispielsweise kontinuierlich Daten über deren Stromverbrauch, sind Abweichungen vom Normalverbrauch durch Edge Analytics unmittelbar identifizierbar. Wurden vorab Grenzwerte definiert, kann die Leistung dann auch automatisch gedrosselt werden, sodass die Maschine vor möglichen Schäden bewahrt wird. Würden die Daten stattdessen per Cloud-Computing verarbeitet, müssten sie erst an das Rechenzentren transportiert werden, was mit einer Verzögerung verbunden ist. Im schlimmsten Fall ließe sich die Maschine dann womöglich nicht schnell genug herunterfahren.
Vorteile von Edge Analytics
Neben der höheren Reaktionsgeschwindigkeit spricht für Edge Analytics auch der ressourcenschonende und damit kostensparende Umgang mit Daten. Andere Big-Data-Analyseverfahren greifen häufig auf sogenannte „Datenseen“ („Data-Lakes“) zu. In diesen werden Daten unabhängig von ihrem Format gespeichert, sodass sie für unzählige Analysemöglichkeiten bereitstehen. Diese Vielfalt an Analysemöglichkeiten wird in der Produktion in der Regel jedoch nicht benötigt. Im Vordergrund steht hier die Sicherung der Leistung und Produktionsqualität. Daher stellt das auf den Bedarf abgestimmte Filtern der Daten durch das Edge-Analytics-Konzept auch eine ressourcenschonende Big-Data-Alternative zu Cloud-Computing-Ansätzen dar.
Ein weiterer Vorteil von Edge Analytics betrifft den Aspekt der Datensicherheit. Die Daten verlassen bei diesem Analyseverfahren das Unternehmen nicht, was das Risiko von Datendiebstahl oder Datenmissbrauch reduziert. Zudem bleibt auch die Datenhoheit erst einmal im Unternehmen. Sollen Daten für weitere Analysen dann doch in die Cloud überführt werden, können diese so übermittelt werden, dass ein Rückschluss etwa auf aktuelle Fertigungsabläufe nicht mehr möglich ist.
Gerade für den Mittelstand im ländlichen Raum ist es bedeutsam, dass Edge Analytics auch an Standorten mit geringen Bandbreiten oder häufigen Störungen bei der Ankopplung an das Internet eingesetzt werden kann. Edge Analytics bietet sich daher oft schlicht als Big-Data-Analyseverfahren dort an, wo es gilt, finanzielle und strukturelle Hindernisse zu überwinden.
Edge Analytics ist eine Basiskomponente für das zukunftsweisende Internet of Things (IoT)
Das dezentrale Konzept von Edge Analytics punktet darüber hinaus beim Einsatz mobiler Arbeitsgeräte. Das macht Edge Analytics auch mit Blick auf die Industrie 4.0 und dem Internet of Things (IoT / engl.: Internet der Dinge) interessant. Im industriellen Internet der Dinge (IIoT) werden mit Sensoren ausgestattete Instrumente und Maschinen miteinander vernetzt, was durch das sogenannte IoT-Retrofit sogar bei alten Anlagen möglich ist. Ziel ist es auch hier, die Produktion zu optimieren. Die Auswertung der Sensordaten kann mithilfe von Edge Analytics dabei besonders effizient durchgeführt werden. Denn vorgehalten werden müssen dabei nur die Daten, die für den optimalen Ablauf der Produktion benötigt werden.
Ein einfaches Beispiel dafür sind Videoaufnahmen, die zur Analyse von Abläufen dienen. Passiert auf diesen Aufnahmen nichts, sind die in dieser Zeit auflaufenden Daten in der Regel bedeutungslos. Informativ dagegen sind Aufnahmen, auf denen Aktionen oder Abweichungen zu erkennen sind. Im Edge-Analytics-Konzept werden nur diese festgehalten.
Die Geräte müssen dementsprechend auch seltener ans Netz. Das spart Energie und erhöht die Laufdauer der smarten Geräte und Anlagen. Für kleine und mittlere Unternehmen, die in zukunftssichere Innovationen investieren wollen, ist Edge Analytics daher in jedem Fall eine Big-Data-Alternative, deren Einsatz geprüft werden sollte. Zumal die Ad-hoc-Analysen oft auch ganz neue Geschäftsmodelle ermöglichen wie etwa das Angebot von Predictive-Maintenance-Services, bei denen mögliche Störungen vorhergesagt und präventive Handlungsempfehlungen gegeben werden können. Maschinen- und Anlagenbauern eröffnen sich damit ganz neue Geschäftsfelder im Dienstleistungsbereich.