Edge Computing
Edge Computing verlagert Datenverarbeitung an den Rand des Netzwerks — nahe an die Maschinen und Sensoren, die die Daten erzeugen. In der Industrie heißt das: Vorverarbeitung, Pufferung und lokale Regelung laufen direkt im Werk, während verdichtete Daten an zentrale Plattformen gehen. Die Treiber: Latenz, Datenvolumen, Ausfallsicherheit und Datenhoheit.
Was ist Edge Computing? Definition
Edge Computing ist das Gegenmodell zur reinen Zentralisierung: Rechenleistung wandert dorthin, wo die Daten entstehen — an den „Rand" des Netzwerks. In der Industrie ist dieser Rand der Shopfloor: die SPS-Ebene, der Schaltschrank, das lokale Server-Rack im Werk. Dort übernimmt ein Edge-System Aufgaben, die früher entweder gar nicht oder erst in der Zentrale erledigt wurden: Daten erfassen, prüfen, verdichten, puffern — und zunehmend auch lokal reagieren.
Wichtig für die Einordnung: Edge Computing ersetzt die zentrale Plattform nicht. Es sorgt dafür, dass sie verlässliche, vollständige und schon vorverarbeitete Daten bekommt — und dass das Werk auch dann weiterarbeitet, wenn die Verbindung zur Zentrale ausfällt.
Warum am Shopfloor rechnen? Die vier Treiber
- Latenz. Eine Grenzwert-Reaktion in Millisekunden kann keine Cloud-Rundreise abwarten. Lokale Logik reagiert im Takt der Anlage.
- Datenvolumen. Hochfrequente Rohsignale — Ströme, Schwingungen, Zyklusdaten — erzeugen mehr Daten, als sinnvoll in die Cloud fließen. Der Edge verdichtet sie zu dem, was zentral wirklich gebraucht wird.
- Ausfallsicherheit. Bricht die Verbindung ab, puffert das Edge-System lokal (Store & Forward) und überträgt lückenlos nach. Ohne Edge fehlen diese Messwerte dauerhaft.
- Datenhoheit. Sensible Prozessdaten können im Werk bleiben; nach außen gehen nur freigegebene, verdichtete Werte — relevant für IT-Vorgaben und Geheimschutz.
Edge vs. Cloud vs. Fog Computing
| Aspekt | Edge Computing | Fog Computing | Cloud Computing |
|---|---|---|---|
| Ort der Verarbeitung | Direkt an der Anlage (Schaltschrank, Werk) | Zwischenebene: lokales Rechenzentrum, Campus-Server | Externes Rechenzentrum |
| Reaktionszeit | Millisekunden bis Sekunden | Sekunden | Sekunden bis Minuten (plus Netzweg) |
| Typische Aufgabe | Erfassen, puffern, verdichten, lokal regeln | Standort-übergreifende Aggregation | Analysen, Vergleiche, Langzeit-Speicher |
| Verhalten bei Netzausfall | Läuft autark weiter | Läuft im Campus weiter | Kein Zugriff |
| Rolle im Zusammenspiel | Edge sammelt und verdichtet → Fog aggregiert (optional) → Cloud/Plattform analysiert und vergleicht | ||
In der Praxis hat sich die Zweiteilung Edge + zentrale Plattform durchgesetzt; die Fog-Ebene taucht vor allem in großen Multi-Standort-Architekturen auf.
Vier Industrie-Anwendungen
- Protokoll-Übersetzung. Der Edge spricht die Sprachen der Anlagenwelt — OPC UA, Modbus TCP — und übersetzt sie in IT-taugliche Wege wie MQTT oder APIs.
- Pufferung (Store & Forward). Messwerte werden lokal zwischengespeichert und nach einem Verbindungsabriss vollständig nachübertragen — die Datenbasis bleibt lückenlos.
- Vorverarbeitung. Aus hochfrequenten Rohsignalen werden lokal Kennzahlen: Mittelwerte, Zählerstände, Zyklen, Energiewerte pro Charge.
- Lokale Überwachung und Regelung. Grenzwert-Checks und einfache Eingriffe laufen an der Anlage — auch als Teil einer Prozessüberwachung oder eines digitalen Zwillings mit Rückkanal.
Zeitreihendatenbank: der Speicher am Edge
Industriedaten sind fast immer Zeitreihen: Messwerte mit Zeitstempel, sekündlich bis viertelstündlich, über Jahre. Eine Zeitreihendatenbank (Time Series Database) ist genau darauf spezialisiert — sie schreibt Millionen Datenpunkte pro Tag, fragt effizient nach Zeiträumen ab und verdichtet alte Rohdaten automatisch, damit der Speicher nicht explodiert. Klassische relationale Datenbanken schaffen das auch, aber langsamer und speicherhungriger.
Am Edge spielt sie ihre Stärke doppelt aus: Lokal geschrieben, macht sie das Werk unabhängig von der Verbindungsqualität — und liefert zugleich die saubere Historie, auf der zentrale Auswertungen, Condition Monitoring und Energie-Kennzahlen aufbauen.
Edge in der Praxis: eco2node
eco2node ist das Industrial Edge Operating System von BS-Systeme: eine lokale Softwareebene zwischen Anlagen und Auswertung. Es liest Maschinen über OPC UA und MQTT aus, puffert bei Verbindungsabriss und schreibt freigegebene Sollwerte sicherheitsbegrenzt zurück — bidirektional bis zum einzelnen Datenpunkt.
Dabei bleibt die Architektur offen: eco2node läuft eigenständig — Zeitreihen fließen direkt in eigene Datenbanken wie SQL/PostgreSQL und lassen sich mit eigenen Werkzeugen bis Power BI auswerten — oder im Verbund mit eco2lot, mit zentraler Konfiguration, Dashboards und Fernzugriff. Der Wechsel ist jederzeit möglich; Nodes und Datenpunkte bleiben dieselben.
Häufige Fragen
Was ist Edge Computing einfach erklärt?
Edge Computing heißt: Daten werden dort verarbeitet, wo sie entstehen — am Rand (englisch: Edge) des Netzwerks, also nahe an Maschinen und Sensoren. Statt jeden Rohwert in die Cloud zu schicken, übernimmt ein lokales System Vorverarbeitung, Pufferung und einfache Regelungen direkt im Werk. An zentrale Plattformen gehen nur die verdichteten, relevanten Daten.
Was ist der Unterschied zwischen Edge Computing und Cloud Computing?
Cloud Computing zentralisiert Rechenleistung in externen Rechenzentren — ideal für große Auswertungen, Vergleiche über Standorte und langfristige Speicherung. Edge Computing verarbeitet lokal an der Anlage — ideal für kurze Reaktionszeiten, hohe Datenraten und den Weiterbetrieb bei Verbindungsabriss. In der Industrie-Praxis ergänzen sich beide: Der Edge sammelt, puffert und verdichtet; die zentrale Plattform analysiert und vergleicht.
Welche Beispiele für Edge Computing gibt es in der Industrie?
Typische Beispiele: die lokale Erfassung und Pufferung von Maschinen- und Energiedaten (Store & Forward bei Verbindungsabriss), die Vorverarbeitung hochfrequenter Signale zu Kennzahlen, lokale Grenzwert-Überwachung mit sofortiger Reaktion und das Protokoll-Übersetzen zwischen Anlagenwelt (OPC UA, Modbus) und IT-Welt (MQTT, APIs). Auch Anomalieerkennung direkt an der Maschine zählt dazu.
Was ist eine Zeitreihendatenbank?
Eine Zeitreihendatenbank (Time Series Database) ist auf Messwerte mit Zeitstempel spezialisiert: Millionen von Datenpunkten pro Tag schreiben, nach Zeiträumen abfragen, automatisch verdichten und alte Rohdaten platzsparend zusammenfassen. Klassische relationale Datenbanken können das auch — aber deutlich langsamer und mit mehr Speicherbedarf. Im Industrial IoT ist die Zeitreihendatenbank deshalb der Standard-Speicher für Energie- und Maschinendaten.
Warum gehören Edge Computing und Zeitreihendatenbank zusammen?
Weil Messdaten am Edge entstehen und als Zeitreihen gespeichert werden: Jeder Wert trägt einen Zeitstempel. Ein Edge-System, das lokal in eine Zeitreihendatenbank schreibt, macht das Werk unabhängig von der Verbindungsqualität — die Daten sind lückenlos, auch wenn die Leitung zur Zentrale ausfällt. eco2node schreibt Zeitreihen wahlweise direkt in eigene Datenbanken wie SQL/PostgreSQL oder in die eco2lot-Plattform.
Ihre Anlagendaten sollen im Werk bleiben — und trotzdem zentral auswertbar sein? Wir zeigen in einem 60-Minuten-Gespräch, wie eine Edge-Architektur mit eco2node in Ihren Bestand passt — ohne Eingriff in Ihre Steuerungen.
Zu eco2node