AI am Rande des Netzwerks: Deshalb wird Edge AI für Unternehmen unverzichtbar

Es ist wahrlich kein Geheimnis mehr: Daten entstehen heute überall – und nehmen stetig zu. Schon im Jahr 2017 sagten die Marktforscher von IDC in der Studie „Data Age 2025“ ein rasantes Datenwachstum voraus – von 16,1 Zettabyte im Jahr 2016 auf 163 Zettabyte in 2025. Ein wesentlicher Grund für diesen Anstieg ist laut Studie die zunehmende Anzahl an IoT-Geräten, die am Rand des Firmennetzwerks (also am Edge) kontinuierlich Daten produzieren.

Ein ähnliches Bild zeichnet eine Statista-Studie vom November 2024. So prognostizieren die Autoren, dass die Menge an Daten von 149 Zettabyte im Jahr 2024 auf über 394 Zettabyte in 2028 ansteigen wird.

Ein Ende des Wachstums ist nicht in Sicht. Im Gegenteil: Der vermehrte Einsatz von AI-Anwendungen beschleunigt diese Entwicklung sogar. Dies liegt zum Beispiel daran, dass generative AI-Anwendungen laufend selbst neue Inhalte und damit Datenmengen produzieren. Auch sind AI-Anwendungen auf dieses Datenwachstum angewiesen. Denn ohne umfangreiche und hochwertige Datensätze kann AI-Technologie schlicht nicht funktionieren.

Echtzeit-Datenverarbeitung als neuer Standard

Um von der generierten Datenmenge nachhaltig zu profitieren, wird die Echtzeit-Datenverarbeitung für Unternehmen immer entscheidender. Dies hebt das Forschungszentrum MIT Center for Information Systems Research (kurz: CISR) hervor. Das MIT CISR hat vergangenes Jahr untersucht, welche Auswirkungen die Live-Datenverarbeitung auf das Business hat.

Das Ergebnis: Unternehmen, die diese Form der Datenverarbeitung durchführen, haben ein 62 Prozent höheres Umsatzwachstum sowie 97 Prozent höhere Gewinnspannen als die Konkurrenz. Das berichtet unter anderem das Fachportal „RTInsights.com“ mit Bezug auf die Studie.

Die Studienautoren von MIT CISR sind überzeugt: Firmen müssen in Zukunft ein „Real-Time-Business“ aufbauen. Das bedeutet, dass der Zugriff auf vertrauenswürdige und aussagekräftige Livedaten jederzeit möglich sein muss – ein Szenario, das nur durch Echtzeit-Datenverarbeitung realisierbar ist. Auf dieser Basis können Unternehmen dann schnelle und dennoch fundierte Entscheidungen treffen.

Das zeigt: Die Echtzeit-Datenverarbeitung ist für Firmen keine Kür mehr, sondern wird vermehrt zur Pflicht. Doch wie lässt sich diese nun umsetzen?

Edge AI: Die technologische Basis für die Echtzeit-Datenverarbeitung

Genau hier kommt nun das Thema Edge AI ins Spiel – die Kombination aus Edge Computing und AI-Technologie. Edge AI hat dabei eine doppelte Bedeutung:

• Einerseits beschreibt Edge AI den Einsatz von AI-Technologie, um Daten direkt und möglichst in Echtzeit am Rand des Netzwerks (am Edge) zu verarbeiten – also genau an dem Ort, an dem die Daten entstehen. Entsprechend bildet Edge AI das technologische Fundament für die Live-Datenverarbeitung. Denn wenn Daten, auch mithilfe von AI-Technologie, lokal am jeweiligen Ort verarbeitet werden, müssen sie nicht erst in die Cloud oder in ein lokales Rechenzentrum gesendet werden – was die Zeit der Datenverarbeitung drastisch verringert und somit die Echtzeit-Analyse erst ermöglicht. Gleichzeitig lassen sich damit Latenzzeiten minimieren und die Abhängigkeit von stabilen Netzwerkverbindungen reduzieren.
  
  
• Andererseits bezeichnet Edge AI den Einsatz von AI-Anwendungen am Edge. Diese Anwendungen sind vielfältig und können je nach Branche stark variieren. Die Bandbreite reicht von intelligenten Kamerasystemen, um in der Industrie Produktionslinien auf Fehler zu überprüfen über smarte Regale im Einzelhandel zur Überwachung des Lagerbestands bis hin zu modernen Herzfrequenz- oder Blutzuckermessgeräten im Gesundheitswesen. Letztere können etwa die Vitaldaten von Patienten in Echtzeit analysieren, bei Anomalien sofort Alarm schlagen – und somit im Ernstfall Leben retten.

Beide Bedeutungen von Edge AI hängen unmittelbar zusammen: So können AI-Anwendungen am Edge nur dann effizient und zuverlässig funktionieren, wenn sie auf aussagekräftige Livedaten zugreifen können. Und dafür benötigt es die Echtzeit-Datenverarbeitung.

Edge-Server als technisches Rückgrat von Edge AI

Um Edge AI nun in der Praxis durchführen zu können, müssen Unternehmen insbesondere dafür sorgen, dass am Edge die nötige Rechenleistung für die Live-Datenverarbeitung bereitgestellt wird. Und dafür müssen sie am jeweiligen Standort sogenannte Edge-Server implementieren.

Diese Server sind in der Regel so konzipiert, dass sie auch erhöhten Umgebungstemperaturen, Vibrationen oder Staubbelastung standhalten können. Dies ist auch oft nötig, da solche rauen Bedingungen in Edge-Umgebungen keine Seltenheit sind – und eine klassische IT-Infrastruktur, wie etwa ein klimatisierter Serverraum, häufig nicht existiert.

Die Server stellen dabei nicht nur die erforderliche Performance bereit, um Daten möglichst in Echtzeit genau am Entstehungsort zu analysieren. Auch erhöhen sie die Datensicherheit und -soveränität im Unternehmen: Wenn Daten direkt vor Ort verarbeitet werden, müssen sie diese lokale Umgebung oft gar nicht mehr verlassen. Gerade bei sensiblen und personenbezogenen Daten ist das ein großer Vorteil, da sich dadurch die potenzielle Angriffsfläche für Cyberattacken erheblich verkleinert.

Nicht zuletzt wird der Datenverkehr in das lokale Rechenzentrum oder in die Cloud deutlich verringert – was die Netzwerkinfrastruktur entlastet und Kosten spart.

Was leisten die Edge-Server von HPE und AMD?

Hersteller wie HPE reagieren auf die wachsende Bedeutung von Edge AI und Edge-Servern: So hat der IT-Konzern mit dem HPE ProLiant DL145 Gen11 jüngst einen dedizierten Edge-Server herausgebracht.

Dieser zeichnet sich laut Hersteller durch folgende Merkmale aus:

• Kompaktes Design und robuste Bauweise: Dank der kompakten Bauform lässt sich der Edge-Server flexibel am jeweiligen Standort einsetzen – so HPE. Zum Beispiel sei es möglich, den Server an der Wand oder am Boden zu montieren. Dabei ließe sich der Server auch in rauen Umgebungen nutzen: Dieser sei nicht nur robust gegenüber Staub, sondern auch gegenüber Erschütterungen, Feuchtigkeit und Temperaturschwankungen.
  
  
• Hohe Performance und Energieeffizienz: Wie HPE betont, ist der HPE ProLiant DL145 Gen11 leistungsstark – bei gleichzeitig niedrigem Strom- und Energieverbrauch. Wesentlichen Anteil daran haben laut Hersteller die integrierten AMD EPYC™ 8004-Prozessoren: Diese seien mit bis zu 64 energieeffizienten, skalierbaren Kernen ausgestattet, die eine hohe Performance pro Watt erzielen würden. Damit ließen sich auch größere Datenmengen nahezu in Echtzeit verarbeiten und rechenintensive AI-Anwendungen und -Workloads abbilden. Eine dedizierte Kühlung sei in diesem Kontext nicht nötig – dank ihrer hohen Energieeffizienz würden die Prozessoren selbst bei intensiver Auslastung nur wenig Abwärme produzieren. Hinzu kommt laut HPE, dass der Edge-Server bis zu drei GPUs unterstützt. Dadurch könnten Unternehmen den Server auch für die Bildanalyse, maschinelles Lernen oder Predictive Maintenance nutzen.
  
  
• Umfassende Sicherheit: Im HPE ProLiant DL145 Gen11 sind eine Reihe von Security-Funktionen integriert, die das Zero Trust-Sicherheitskonzept unterstützen. Das hebt HPE hervor. Dadurch werden laut Hersteller sämtliche am Edge generierten Daten sicher verarbeitet. Zu diesen Funktionen zählen vor allem AMD Infinity Guard, AMD Secure Processor und HPE Silicon Root of Trust. Während AMD Infinity Guard und AMD Secure Processor die AMD EPYC™ 8004-Prozessoren vor Angriffen auf Firmware- und Betriebssystemebene schützen würden, gewährleiste HPE Silicon Root of Trust die Integrität der Serverhardware. Hier werde beim Start des Servers stets verifiziert, ob Firmware und Software nicht manipuliert wurden.
  
  
• Zentralisierte Verwaltung: Dank Management-Lösungen wie HPE iLO und HPE Compute Ops Management können Unternehmen den HPE ProLiant DL145 Gen11 einfach und zentralisiert verwalten – so HPE. Zum Beispiel sei es möglich, den Edge-Server aus der Ferne zu überwachen, Fehler zu diagnostizieren, Firmware-Updates durchzuführen oder Systemneustarts auszulösen, ohne physisch vor Ort sein zu müssen. Zudem ließe sich der Server mittels Zero Touch Provisioning automatisiert bereitstellen und konfigurieren. Wie HPE betont, spart dies Zeit, minimiert Fehlerquellen und ermöglicht eine schnelle Inbetriebnahme.