27.06.2021
Von Peter Hecker, Inhaber von HECKER CONSULTINGWas ist Edge Computing? Definition, Unterschied zur Cloud, Beispiele aus Industrie, Handel und Medizin sowie die Rolle von Edge-KI, 5G und Sicherheit.
Ein Auto fährt mit 100 km/h auf ein Stauende zu. In einer Zehntelsekunde legt es knapp drei Meter zurück. Müsste das Fahrzeug jedes Kamerabild erst an ein Rechenzentrum in Frankfurt schicken und auf die Antwort warten, käme die Bremsentscheidung im ungünstigen Fall zu spät – und in einem Funkloch gar nicht. Deshalb rechnet das Auto selbst. Genau das ist die Idee hinter Edge Computing.
Die kurze Antwort: Edge Computing bedeutet, Daten dort zu verarbeiten, wo sie entstehen – am „Rand“ (englisch edge) des Netzes, also direkt in der Maschine, im Fahrzeug, im Geschäft oder in einem kleinen Rechenzentrum in der Nähe –, statt sie zuerst in ein zentrales Rechenzentrum oder die Cloud zu schicken. Das spart Zeit, Bandbreite und oft auch Kosten und hält sensible Daten vor Ort.
Der Begriff wird von Telekommunikationsanbietern, Cloud-Konzernen, Netzwerkausrüstern und der Open-Source-Gemeinde gleichermaßen benutzt – und entsprechend unterschiedlich ausgelegt. Die folgenden Abschnitte ordnen ein, was dahintersteckt: wie Edge und Cloud zusammenspielen, wo Edge Computing heute schon arbeitet, welche Rolle KI und 5G spielen und wo die Schwierigkeiten liegen.
Über Jahrzehnte ging der Trend in die Gegenrichtung: Rechenleistung wanderte in immer größere, zentrale Rechenzentren. Cloud Computing ist die konsequente Fortsetzung davon – riesige Serverhallen, die Tausende Kunden gleichzeitig versorgen. Was Cloud Computing genau ist und welche Modelle es gibt, erklärt der Grundlagenbeitrag Cloud Computing: Was es ist und wie es funktioniert.
Für viele Anwendungen funktioniert das zentrale Modell hervorragend. Es stößt aber an physikalische Grenzen. Signale brauchen in der Glasfaser rund eine Millisekunde für 200 Kilometer; dazu kommen Netzknoten, Warteschlangen und die Verarbeitung selbst. Die Zeit, die eine Anfrage hin und zurück braucht, heißt Latenz oder Round Trip Time. Für eine E-Mail sind 50 Millisekunden egal, für einen Industrieroboter oder eine Bremse nicht.
Edge Computing bringt deshalb cloudähnliche Rechenleistung näher an Geräte und Nutzer. Fachleute unterscheiden grob drei Ebenen:
Statt weniger großer Rechenzentren entstehen so Hunderte oder Tausende kleiner Standorte. Die stehen oft nicht in gesicherten Gebäuden mit Klimaanlage und Wachpersonal, sondern in Fabrikhallen, Verteilerkästen oder Fahrzeugen. Das bringt eigene Herausforderungen mit sich – von Staub und Hitze über Diebstahl bis zur Frage, wer im Fehlerfall vor Ort hilft.
Ersetzt Edge Computing die Cloud? Nein. Edge Computing ergänzt sie, und in der Praxis arbeiten beide fast immer zusammen. Eine einfache Faustregel: Am Edge wird entschieden, was sofort passieren muss; in der Cloud wird gesammelt, ausgewertet und gelernt.
Angenommen, ein Maschinenbauer überwacht Pumpen bei Kunden mit Schwingungssensoren. Die Sensoren liefern Tausende Messwerte pro Sekunde. Ein kleiner Rechner an der Pumpe wertet sie sofort aus und schaltet bei gefährlichen Werten ab. In die Cloud gehen nur Kennzahlen und Auffälligkeiten. Dort vergleicht ein Modell die Daten aller Pumpen weltweit und erkennt, welches Bauteil demnächst verschleißt. Das verbesserte Modell wird anschließend wieder auf die Edge-Rechner verteilt.
Die großen Cloud-Anbieter haben sich auf dieses Zusammenspiel längst eingestellt. AWS und Microsoft bieten Hardware und Software, mit der ihre Cloud-Dienste im Werk oder in der Filiale laufen (etwa AWS Outposts, AWS IoT Greengrass oder Azure IoT Edge), und verwalten die Edge-Standorte zentral aus der Cloud. Neu ist das Prinzip übrigens nicht: Content Delivery Networks (CDN), die Videos und Webseiten von Servern in der Nähe des Nutzers ausliefern, gibt es seit Ende der 1990er-Jahre. Sie gelten als eine der ersten Formen von Edge Computing. Mit dem Internet der Dinge, dem neuen Mobilfunkstandard 5G und KI hat das Thema seit etwa 2018 neuen Schub bekommen.
In Fabriken ist Edge Computing am weitesten verbreitet. Kamerasysteme prüfen Schweißnähte oder Lackoberflächen im Takt der Fertigungslinie, Steuerungen regeln Roboter, Sensoren melden Verschleiß, bevor eine Maschine ausfällt (Predictive Maintenance). Eine Produktionslinie darf nicht stillstehen, nur weil die Internetleitung gestört ist – deshalb muss die Logik vor Ort laufen. Hersteller wie Siemens bieten dafür eigene Industrial-Edge-Plattformen an. Ein öffentlich bekanntes Beispiel aus Deutschland ist die „Factory 56“ von Mercedes-Benz in Sindelfingen, die mit einem eigenen 5G-Campusnetz arbeitet.
Moderne Fahrzeuge sind rollende Rechenzentren. Fahrerassistenzsysteme werten Kamera-, Radar- und teils Lidar-Daten im Fahrzeug aus, weil nur so die nötigen Reaktionszeiten erreichbar sind. Die Cloud kommt ins Spiel für Kartenupdates, Software-Aktualisierungen über das Mobilfunknetz und die Auswertung anonymisierter Flottendaten. Ähnlich arbeiten Züge, Landmaschinen oder fahrerlose Transportsysteme im Lager.
Im Einzelhandel laufen Kassensysteme, Self-Checkout-Kassen, elektronische Preisschilder und Kameras zur Regalüberwachung zunehmend über Server in der Filiale. Der Vorteil: Wenn die Verbindung zur Zentrale ausfällt, kann trotzdem kassiert werden. Kamerabilder werden vor Ort ausgewertet, etwa um leere Regale zu erkennen, und nur das Ergebnis wird weitergeleitet. Das spart Bandbreite und hilft beim Datenschutz, weil Bilder von Kundinnen und Kunden die Filiale nicht verlassen.
Im Krankenhaus werten Systeme Bilder aus CT oder MRT oder Vitaldaten auf der Intensivstation direkt vor Ort aus, um Ärztinnen und Ärzte schneller auf Auffälligkeiten hinzuweisen. Wearables und Messgeräte für chronisch Kranke verarbeiten Daten auf dem Gerät und melden nur Abweichungen. Gesundheitsdaten zählen nach der DSGVO zu den besonders geschützten Daten; sie lokal zu verarbeiten, verringert das Risiko. Für Software, die als Medizinprodukt gilt, kommen zusätzlich die Anforderungen der EU-Medizinprodukteverordnung (MDR) hinzu.
Die spannendste Entwicklung der letzten Jahre ist die Verbindung von Edge Computing und künstlicher Intelligenz. Lange galt: KI braucht die Cloud, weil nur dort genug Rechenleistung steht. Für das Training großer Modelle stimmt das weiterhin. Für die Anwendung eines fertigen Modells – Fachleute sprechen von Inferenz – reicht inzwischen oft ein spezieller Chip im Gerät.
Solche KI-Beschleuniger, häufig NPU (Neural Processing Unit) genannt, stecken heute in Smartphones, in Industriekameras und auch in neuen Notebooks. Microsoft vermarktet seit 2024 Windows-Rechner mit leistungsfähiger NPU als „Copilot+ PCs“; Apple verbaut seit Jahren eine „Neural Engine“ in seinen Chips. Für Industrie und Robotik gibt es Module wie die Jetson-Reihe von Nvidia. Gleichzeitig werden Sprachmodelle kleiner und effizienter, sodass sich einfache Assistenzfunktionen auch ohne Cloud-Verbindung nutzen lassen. Wie Unternehmen Sprachmodelle auf eigener Hardware betreiben, zeigt der Beitrag Lokale KI-Modelle statt Cloud.
Die Vorteile von Edge-KI sind dieselben wie beim Edge Computing insgesamt, nur deutlicher: schnelle Reaktion, weniger Datenverkehr, keine Abhängigkeit vom Netz und mehr Datenschutz, weil Bilder, Sprache oder Messwerte das Gerät nicht verlassen. Die Grenzen: Große Modelle passen nicht auf kleine Chips, und jedes Modell auf Tausenden Geräten muss aktuell gehalten und überwacht werden. Meine Einschätzung: Edge-KI wird in den nächsten Jahren vor allem dort wachsen, wo Kameras und Sensoren Daten liefern – in Qualitätsprüfung, Logistik und Gebäudetechnik. Für komplexe Textaufgaben bleibt die Cloud vorerst erste Wahl.
5G, die fünfte Mobilfunkgeneration, wird oft in einem Atemzug mit Edge Computing genannt. Der Zusammenhang ist eng, aber nicht zwingend. 5G kann sehr kurze Latenzen und eine hohe Zahl angeschlossener Geräte pro Fläche bewältigen. Diese Stärken nützen jedoch nur, wenn auch die Rechenleistung nah ist – eine schnelle Funkstrecke zu einem Rechenzentrum am anderen Ende Europas bringt wenig. Deshalb bauen Netzbetreiber Rechenkapazität in ihre Netze ein (Network Edge, MEC) und arbeiten dafür mit Cloud-Anbietern zusammen. Ein frühes Beispiel ist AWS Wavelength, bei dem AWS-Dienste direkt im 5G-Netz von Mobilfunkanbietern laufen; in Deutschland startete das Angebot Ende 2021 im Netz von Vodafone. Aktuell führt AWS allerdings keine Wavelength-Standorte in Deutschland mehr.
Für die Industrie besonders interessant sind 5G-Campusnetze: private Mobilfunknetze auf dem eigenen Gelände. Die Bundesnetzagentur vergibt dafür seit 2019 eigene Frequenzen im Bereich 3,7 bis 3,8 GHz an Unternehmen, Hochschulen und Kliniken. Ein solches Netz verbindet Maschinen, Roboter und fahrerlose Transportfahrzeuge drahtlos mit einem Edge-Server in der Halle. Standards für das Zusammenspiel liefern die Gremien ETSI (für MEC) und 3GPP (für den Mobilfunk). Einordnend gilt: Viele Edge-Projekte kommen gut mit WLAN, Kabel oder LTE aus. 5G lohnt sich vor allem bei vielen mobilen Geräten, großen Flächen und harten Anforderungen an Zuverlässigkeit.
Edge Computing verteilt nicht nur Rechenleistung, sondern auch Risiken. Ein zentrales Rechenzentrum lässt sich mit Zaun, Kameras und Zutrittskontrolle schützen. Tausende Edge-Geräte in Hallen, Fahrzeugen und Filialen nicht. Typische Schwachstellen:
Auch der Gesetzgeber zieht nach. Die EU-Richtlinie NIS2 verpflichtet deutlich mehr Unternehmen als bisher zu Maßnahmen für die Cybersicherheit; Deutschland hat sie 2025 in nationales Recht umgesetzt. Der Cyber Resilience Act der EU schreibt Herstellern vernetzter Produkte Sicherheitsanforderungen und Updates über die gesamte Nutzungsdauer vor; die ersten Meldepflichten gelten seit September 2026, die übrigen Pflichten ab Dezember 2027. Für Unternehmen heißt das: Bei der Auswahl von Edge-Hardware auf Update-Zusagen und Sicherheitsfunktionen achten.
Edge Computing erfordert Investitionen an vielen Standorten gleichzeitig: Hardware, Software-Lizenzen, Installation und Wartung vor Ort. Die größte Hürde sind deshalb die Kosten – und die Frage, welcher Anwendungsfall sie rechtfertigt. Viele Unternehmen warten ab, bis sich klare Anwendungsfälle zeigen; die frühen Treiber waren vor allem Hyperscaler, Netzbetreiber und große Industriekonzerne mit entsprechenden Budgets. Anders als bei der Cloud, die von wenigen Hyperscalern dominiert wird, ist der Edge-Markt ein Ökosystem: Hardwarehersteller, Netzbetreiber, Cloud-Anbieter, Automatisierungsspezialisten und Softwarefirmen müssen zusammenarbeiten. Kein einzelnes Unternehmen deckt alles ab. Lizenzmodelle, die für das zentrale Rechenzentrum gemacht wurden, passen oft nicht zu Hunderten kleiner Standorte.
Eine Einheitslösung gibt es nicht. Die wichtigsten technischen Fragen bei einem Edge-Projekt:
Die Diskussion um Edge Computing hat sich vom Warum zum Wie verschoben. Gartner prognostizierte 2017, dass bis 2025 rund drei Viertel der Unternehmensdaten außerhalb klassischer Rechenzentren und der Cloud erzeugt und verarbeitet würden. Ob diese Zahl genau so eingetroffen ist, lässt sich schwer messen; die Richtung stimmt. Gleichzeitig ist viel Marketing im Spiel: Nicht jedes vernetzte Gerät ist ein Edge-Projekt, und nicht jede Anwendung braucht Millisekunden.
Meine Empfehlung: Prüfen Sie Edge Computing dort, wo mindestens einer von vier Gründen zutrifft – Reaktionszeit, große Datenmengen am Entstehungsort, unzuverlässige Verbindung oder Daten, die den Standort nicht verlassen sollen. Für Büroanwendungen, Verwaltung und die meisten Webanwendungen bleibt die Cloud die bessere Wahl. In der Produktion, der Logistik, im Handel und im Gesundheitswesen dagegen gehört eine Edge-Strategie inzwischen zur normalen IT-Planung. Den Einstieg in vernetzte Geräte und Sensoren bietet das Seminar Internet of Things (IoT) Grundlagen; wie Edge-Standorte mit Cloud-Diensten zusammenarbeiten, ist Thema im Seminar Edge Computing in der Cloud.
Fog Computing bezeichnet eine Zwischenschicht zwischen Geräten und Cloud, etwa Gateways oder lokale Server, die Daten mehrerer Geräte bündeln. Heute wird der Begriff meist unter Edge Computing zusammengefasst; die Unterscheidung ist eher akademisch.
Nein. Das Internet der Dinge (IoT) beschreibt vernetzte Geräte und Sensoren. Edge Computing ist eine Art, die Daten dieser Geräte zu verarbeiten – nah an der Quelle statt zentral. Viele IoT-Projekte nutzen Edge Computing, nötig ist es aber nicht immer.
Nein. Viele Edge-Anwendungen laufen über Kabel, WLAN oder LTE. 5G hilft bei vielen mobilen Geräten und strengen Anforderungen an Latenz und Zuverlässigkeit, ist aber keine Voraussetzung.
Nicht automatisch. Daten, die das Gerät nicht verlassen, sind vor Abfangen im Netz geschützt. Dafür sind viele verteilte Geräte schwerer zu überwachen und zu aktualisieren als ein zentrales Rechenzentrum. Entscheidend ist der Betrieb.
Vor allem für Unternehmen mit Produktion, Logistik, Filialen, Fahrzeugflotten oder medizinischen Geräten – also überall dort, wo Daten in großer Menge vor Ort entstehen und schnell verarbeitet werden müssen.
Wir erweitern ständig unser Beratungsportfolio. Über 600 Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen.
Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>Sie entwerfen Cloud-Architekturen unabhängig vom Anbieter, begründen die Wahl von Cloud-Modell, Dienstschnitt, Datenhaltung und Betriebsmodell und machen Zielkonflikte zwischen Skalierbarkeit, Sicherheit, Kosten und Nachhaltigkeit sichtbar.
Sie bewerten Cloud-Dienste aus Sicht der IT-Administration, richten Speicher, Identitäten und Team-Werkzeuge in Microsoft 365 und Google Workspace sicher ein, ziehen Daten in Wellen um und messen danach, ob die Leistung stimmt.
Sie grenzen IaaS, PaaS und SaaS sicher voneinander ab, ordnen Public, Private, Hybrid und Multi-Cloud ein und treffen fundierte Entscheidungen zu Anbieterwahl, Sicherheit, Kosten mit FinOps und europäischer Datensouveränität.
Sie beschreiben Cloud-Infrastruktur mit Terraform oder OpenTofu als Code, binden Provider ein, verwalten den State sicher, bauen wiederverwendbare Module, testen sie und lassen Änderungen über eine Pipeline mit geprüftem Plan ausrollen.
Sie bauen Cloud-Sicherheit auf – von Governance, Risikomanagement und Datenschutz über ein ISMS und Standards wie BSI C5 und CSA CCM bis zur technischen Absicherung von Identitäten, Netzen und Daten bei AWS, Microsoft und Google.
Sie machen die AWS-Rechnung nachvollziehbar, ordnen Kosten Teams und Anwendungen zu und senken sie mit Rightsizing, Savings Plans, Spot und Graviton, ohne dass die Leistung Ihrer Anwendungen leidet.
Sie führen Cloud-Lösungen im Unternehmen geordnet ein: mit einer Strategie, die Workloads priorisiert, einem Cloud Center of Excellence, verbindlichen Richtlinien und einer Kostensteuerung, die Verantwortung bei den Teams verankert.
Sie entwerfen Edge-Computing-Systeme, die Daten nahe an Maschinen, Fahrzeugen und Sensoren verarbeiten, mit der Cloud zusammenarbeiten und sich auch an Hunderten Standorten sicher verwalten und aktualisieren lassen.
Sie wählen geeignete Workloads aus, entscheiden je Anwendung zwischen den 7 Rs und bauen ein Migrationsteam auf, das Anwendungen anbieterneutral, planbar und in Wellen in die Cloud bringt.
Sie vergleichen die DevOps-Dienste von Azure, AWS und Google Cloud entlang Ihres eigenen Lieferprozesses, treffen eine begründete Auswahl und planen die Einführung – mit Blick auf Kosten, Sicherheit, Datenhoheit und einen möglichen Anbieterwechsel.
Sie entscheiden begründet, wann sich Serverless Computing lohnt, vergleichen AWS Lambda und Azure Functions in Programmiermodell, Skalierung, Grenzen und Kosten und planen eine ereignisgesteuerte Anwendung bis zu Test und Bereitstellung.
Aktuelle und interessante Themen und Beiträge für Sie zusammengetragen und aufbereitet.
Welche Anwendungen gehören in die Cloud, welcher Cloud-Speicher passt zu Ihrem Unternehmen und was verlangt die DSGVO? Eine Entscheidungshilfe zu Microsoft 365, EU-Anbietern, Kosten, Migration und Datensicherung.
Es gibt viele Einsatzmöglichkeiten von Cloud Computing, die Unternehmen erhebliche geschäftliche Vorteile bieten können. Cloud Computing ist ein Computermodell und eine Reihe von Technologien, die es Verbrauchern ermöglichen, auf Cloud-Dienste über das Internet auf einer Pay-as-you-go-Basis zuzugreifen.
Die Ereignisse des Jahres 2020 haben die meisten Vorhersagen für 2021 auf den Kopf gestellt. Top-Trends wie künstliche Intelligenz (KI) und das Internet der Dinge (IoT) werden auch im nächsten Jahr die Art und Weise bestimmen, wie die Technik unser Leben umgestaltet. Die wichtigsten Anwendungsfälle bestehen jedoch darin, uns dabei zu helfen, uns anzupassen und in den sich wandelnden Zeiten, die wir erleben, zu überleben.
Cloud Computing im Jahr 2020 wird technologisch sehr fortschrittlich sein, z. B. durch Multi-Cloud-Optionen und eine stärkere Konzentration auf vertikale und vertriebliche Aspekte. Die Auswahl der Top-Cloud-Anbieter ist in der Tat eine anspruchsvolle Aufgabe unter den zahlreichen Unternehmen wie Amazon Web Services, Microsoft Azure in Infrastructure-as-a-Service (IaaS).
Was ist Cloud Computing? Die Definition, die Servicemodelle IaaS, PaaS und SaaS, Public, Private und Hybrid Cloud, die großen Anbieter, Kosten sowie Sicherheit und Datenschutz – verständlich erklärt.
Welche Cloud-Computing-Variante empfiehlt sich für den Unternehmenseinsatz? Nun, es hängt davon ab! Alle drei Cloud-Modelle haben Gemeinsamkeiten. Sie ermöglichen es Ihnen, große Datenmengen zu speichern und zu verwalten und fortschrittliche Anwendungen bereitzustellen, ohne dass Sie die Infrastruktur, auf der sie laufen, besitzen - oder auch nur sehen - müssen, und Sie zahlen nur für das, was Sie nutzen. Es gibt jedoch wichtige Unterschiede, die bedeuten, dass es wichtig ist, diejenige zu wählen, die am besten zu Ihren Anforderungen passt.
