Verteilte Aufgaben

Die Analyse von IoT-Daten findet zunehmend dezentral statt. Laut einer aktuellen Umfrage des Marktforschungsunternehmens IDC planen 57 Prozent der befragten Unternehmen, IoT-Analysen bis 2019 am Edge einzusetzen, 14 Prozent tun das bereits. 65 Prozent wollen auch das Endgerät selbst für Analysen nutzen, bei 13 Prozent ist dies bereits Realität. Die Analysten gehen davon aus, dass bis 2019 40 Prozent der IoT-Daten im oder in der Nähe der Endpoints verarbeitet werden. «Je zeitkritischer die Ergebnisse der Datenanalyse, desto näher sollte diese am Entstehungsort stattfinden», sagt Mark Schulte, Senior Consultant bei IDC.

Schon heute haben Geräte auf Arduino- oder Raspberry-PI-Basis genügend Rechenleistung, um anspruchsvolle Aufgaben abzuarbeiten. So kann beispielsweise die AWS-Software Greengrass, die unter anderem auf der Raspberry-Plattform läuft, nicht nur Funktionen des Serverless-Computing-Dienstes Lambda lokal ausführen, sondern auch vortrainierte Machine-Learning-Modelle im Gerät selbst auf aktuelle Daten anwenden.

Genügt die Performance der Endgeräte nicht oder sind die Daten Tausender Sensoren zu verarbeiten, kommen Edge-Server oder -Rechenzen­tren zum Einsatz. Eigens für diesen Zweck entwickelte Systeme wie der Intel Xeon D-2100, der ARMv8-Chip A1 von Ampere oder der Qualcomm Centriq 2400 sollen solchen Edge-Servern zukünftig eine hohe Rechenleistung bei zugleich niedrigem Energieverbrauch ermöglichen.

Bei aller Konzentration auf die Edge-Verarbeitung spielen Cloud-Lösungen bei der Analyse von IoT-Daten eine Hauptrolle, ist sich Igor Ilunin von DataArt sicher: «Zusätzlich zu IoT-Services bieten Clouds viel Speicherplatz, leisten Big-Data-, KI- oder Monitoringdienste und erhöhen das Leistungsvermögen der Rechner um ein Vielfaches, was eine mühe­lose Einrichtung der Lösung erlaubt.»