Was ist Edge Computing? Erklärung für Ingenieure

Symbolbild, KI-generiert (gpt-image-1)

Edge Computing bezeichnet die Verlagerung von Rechenkapazität an den Ort, wo Daten entstehen – an die „Kante" (Edge) des Netzwerks. Statt Sensordaten, Kamerabilder oder Maschinenzustände in eine zentrale Cloud zu schicken und dort zu verarbeiten, übernimmt ein lokaler Rechner direkt an der Maschine diese Aufgabe. Das klingt nach einer einfachen Idee – und ist es im Kern auch. Trotzdem ändert es fundamental, was in der Industrieautomatisierung möglich ist.

Das Problem mit der Cloud in der Industrie

Cloud-Computing hat viele Stärken: nahezu unbegrenzte Skalierung, keine eigene Serverinfrastruktur, einfache Verfügbarkeit. Für Unternehmensanwendungen wie ERP, CRM oder Dokumentenmanagement ist die Cloud deshalb heute Standard.

In der Produktionstechnik und Automatisierung entstehen jedoch Anforderungen, die der Cloud-Ansatz strukturell nicht erfüllen kann:

Latenz: Eine Qualitätsprüfungskamera, die ein Bauteil mit 30 Teilen/Sekunde kontrolliert, braucht das Prüfergebnis in unter 10 ms. Der Round-Trip in eine Cloud-Infrastruktur dauert je nach Standort 20–150 ms – unabhängig davon, wie schnell der Cloud-Server selbst rechnet.

Verfügbarkeit: Industrieproduktion läuft rund um die Uhr, auch wenn der Internetzugang gestört ist. Systeme, die für ihre Kernfunktion auf eine externe Verbindung angewiesen sind, erfüllen keine industriellen Verfügbarkeitsanforderungen.

Datenvolumen: Eine einzelne Industriekamera mit 5 MP und 30 fps erzeugt unkomprimiert rund 450 MB/s. Auch mit Kompression entstehen bei mehreren Kameras Datenmengen, die kontinuierlich in die Cloud zu übertragen weder wirtschaftlich noch technisch praktikabel ist.

Datenschutz und Betriebsgeheimnis: Produktionsbilder, Rezepturdaten und Maschinenzustände enthalten häufig sensible Informationen, die das Unternehmen nicht auf externen Servern sehen möchte.

Was Edge Computing konkret bedeutet

Edge Computing löst diese Probleme, indem die Rechenkapazität dorthin verlagert wird, wo die Daten entstehen:

Sensor / Kamera / Maschine
         │
         ▼
  Edge-Gerät (Industrie-PC)
  ├── Vorverarbeitung
  ├── KI-Inferenz / Regellogik
  ├── Steuerungsausgabe (< 10 ms)
  └── Aggregierte Daten (optional) ──▶ Cloud / Leitsystem

Das Edge-Gerät übernimmt die zeitkritische Verarbeitung lokal. In die Cloud oder das übergeordnete Leitsystem gehen nur noch Ergebnisse, Alarme oder aggregierte Kennzahlen – nicht die Rohdaten.

Edge Computing vs. Fog Computing vs. Cloud

Diese Begriffe werden häufig durcheinandergebracht:

Begriff	Verortung	Aufgabe
Edge	Direkt an der Maschine	Echtzeit-Verarbeitung, Steuerung
Fog	Lokales Netzwerk, z.B. Schaltschrank oder Hallennetz	Aggregation mehrerer Edge-Geräte, lokales Datenhaltung
Cloud	Externes Rechenzentrum	Langzeitspeicherung, Unternehmensanwendungen, Training neuer KI-Modelle

In der Praxis sind die Grenzen fließend. Viele Systeme kombinieren alle drei Ebenen: Edge-PCs verarbeiten Echtzeit-Daten, ein lokaler Server (Fog) aggregiert mehrere Maschinen, die Cloud erhält Betriebsdaten für Reporting und KI-Training.

Edge Computing und Edge Computer: Konzept und Gerät

Eine Begriffsunterscheidung, die in der Praxis oft verwischt: Edge Computing ist das Architekturprinzip – Rechenleistung wandert an den Entstehungsort der Daten. Ein Edge Computer ist das Gerät, das dieses Prinzip umsetzt.

Welche Hardware am Edge zum Einsatz kommt, hängt von der Aufgabe ab. Die Bandbreite reicht vom Industrie-Router, der über seine Skriptumgebung einfache Regellogik ausführt, über Embedded-Boards für Datenaggregation und Protokollkonvertierung bis zum Industrie-PC mit GPU für KI-Inferenz und Bildverarbeitung.

Aufbau, Komponenten und Auswahlkriterien dieser Geräte sind in einem eigenen Artikel beschrieben: Edge Computer: Definition, Aufbau und industrielle Einsatzgebiete.

Wann lohnt sich Edge Computing?

Edge Computing ist sinnvoll, wenn mindestens eine der folgenden Bedingungen zutrifft:

• Die Reaktionszeit muss unter 50 ms liegen
• Die Internetverbindung ist unzuverlässig oder nicht vorhanden
• Das Datenvolumen ist zu groß für kontinuierliche Cloud-Übertragung
• Die Daten dürfen das lokale Netz aus rechtlichen oder sicherheitstechnischen Gründen nicht verlassen
• Die Maschinensteuerung erfordert deterministische Signallaufzeiten

Wenn keine dieser Bedingungen gilt, ist die Cloud oft die einfachere und kostengünstigere Lösung.

Fazit

Edge Computing ist kein Trend-Begriff, sondern die technisch notwendige Antwort auf die Anforderungen industrieller Echtzeit-Systeme. Wer Maschinendaten sinnvoll nutzen möchte – für Qualitätskontrolle, Predictive Maintenance oder Prozessoptimierung – kommt an lokaler Rechenkapazität direkt an der Maschine nicht vorbei.

Passende Hardware für Edge-Computing-Anwendungen: Box-PCs und Industrie-Computer.

Weiterführende Artikel

• Edge Computer: Definition, Aufbau und industrielle Einsatzgebiete – das Gerät zum Konzept
• Edge Computing in der Maschinenvernetzung: KI-Inferenz direkt an der Anlage – Edge Computing im konkreten Anwendungsfall
• Was ist ein Industrie-PC? Bauformen, Merkmale und Auswahlkriterien

Zurück zum Wiki-Inhaltsverzeichnis.