Die Verlagerung von Unternehmensanwendungen in eine zentral gelegene Cloud hat sich in den letzten zehn Jahren aufgrund der erheblichen Betriebs- und Kosteneffizienz im Vergleich zur On-Premise-Cloud durchgesetzt. Da sich Privat- und Unternehmenskunden jedoch an Anwendungen gewöhnt haben, die ein Benutzererlebnis in Echtzeit bieten, ist die Nachfrage nach Netzwerklösungen wie Edge Computing, die eine schnellere Datenverarbeitung ermöglichen, in den letzten Jahren erheblich gestiegen. Dies stellte Betriebe und Telekommunikationsunternehmen vor die neue Herausforderung, die Netzwerklatenz zu verringern, um eine optimale Reaktionszeit der Anwendungen und ein optimales Benutzererlebnis zu gewährleisten.
Die neue Chance für die Telekommunikationsbranche – Edge Computing
Da der durchschnittliche Umsatz pro Nutzer (ARPU) allein durch den Datenverbrauch stagnierte, eröffnete die Modernisierung der Netzwerke für die Zusammenarbeit mit Unternehmenskunden den Telekommunikationsunternehmen neue Umsatzmöglichkeiten. Die Bereitstellung von Anwendungen und Diensten durch die Nutzung von Hochgeschwindigkeitsdatenverarbeitungsfunktionen hat es der Telekommunikation ermöglicht, für Unternehmen zu einem wichtigen Faktor bei der Optimierung interner Prozesse zu werden und ein besseres Kundenerlebnis zu bieten.
Wie also nutzen Telekommunikationsunternehmen die Edge-Computing-Technologie, um Latenzzeiten zu reduzieren und ein hocheffizientes Netzwerk zu gewährleisten? Edge Computing erfasst, speichert, analysiert und verarbeitet Daten näher an dem Ort, an dem sie ursprünglich erzeugt wurden. Dadurch kann die Telekommunikation eine Netzwerklösung mit höherer Effizienz, Verfügbarkeit, Zuverlässigkeit und Skalierbarkeit anbieten. Telekommunikationsunternehmen befinden sich jetzt in einer erstklassigen Position für neue Umsatzmöglichkeiten mit Edge Computing, indem sie ihren Kunden in vielen Branchen ein Echtzeit-Erlebnis bieten, wie die beiden folgenden Beispiele zeigen.
- Bereitstellung von Edge Computing für intelligente Fabriken
Große Produktionsstätten befinden sich aus Gründen der Kosteneffizienz in der Regel an abgelegenen Standorten und sind häufig durch WANs (Wide Access Networks) unterversorgt. Bis vor einigen Jahren kommunizierten Anwendungen, die Fertigungsprozesse automatisierten, mit dem Kernnetz eines Kommunikationsdienstleisters (CSP), der dann mit einem Back-End-Server zusammenarbeitete. Diese Back-End-Server verfügten über die analytische Fähigkeit, eine kalibrierte Antwort auf demselben Weg an die Anwendung zurückzusenden. Die Antwortzeit hängt 1) von der geografischen Lage der Server, 2) von der Menge der erzeugten Daten und 3) von der Fähigkeit der Back-End-Server ab, mehrere eingehende Anfragen zu verarbeiten.
Mit der exponentiellen Zunahme der Automatisierung ist die Menge der von Sensoren und IoT-Geräten gesammelten Daten jedoch dramatisch gestiegen. Eine intelligente Fabrik kann jeden Tag Millionen von Gigabytes an Daten erzeugen. Bandbreitenbeschränkungen und Netzwerkunterbrechungen können bei der Verarbeitung der von diesen Sensoren und IoT-Geräten empfangenen Daten zu unhaltbaren Latenzen führen und sich somit negativ auf automatisierte Prozesse auswirken. Damit eine Fabrik effizient arbeiten und ideale Ergebnisse erzielen kann, müssen die Daten mit minimaler Latenzzeit verarbeitet werden. Hier kommt das Edge Computing ins Spiel.
Edge-Server befinden sich näher an den Datenquellen in den Produktionsstätten, um die Latenzzeit und das Datenvolumen im gesamten Netzwerk zu reduzieren und so die Effizienz des gesamten Netzwerks zu verbessern. Edge Computing schützt die Anwendung auch vor Netzwerkausfällen, bei denen die Kommunikation zwischen der Anwendung und den Backend-Servern unterbrochen wird. Und schließlich verringert es die Belastung der Backend-Server, sodass das Unternehmen eine Anwendung für andere Aufgaben nutzen kann. So bevorzugen Unternehmen in der Regel maschinelle Lernmodelle, die sich zentral auf dem Cloud-Server befinden. Diese maschinellen Lernmodelle tragen dazu bei, die Genauigkeit von Anwendungen, die sich auf dem Edge-Server befinden, im Laufe der Zeit zu verbessern.
2. Multi-access Edge Computing (MEC) als Grundlage für autonome Fahrzeuge
Beim regulären Edge Computing werden Daten an einem festen Standort generiert, z.B. in einem Einzelhandelsgeschäft, um das Einkaufserlebnis zu verbessern. Stellen wir uns nun ein Szenario vor, bei dem eine ähnliche Rechenleistung entscheidend ist, aber an dynamischen Orten, wie z.B. bei selbstfahrenden Autos. Ein autonom fahrendes Auto kann bis zu 1 GB Daten pro Sekunde erzeugen. Da die Reaktionszeit bei autonomen Fahrzeugen extrem wichtig ist, befinden sich die Mobility Edge-Computer an der Basisstation eines Funkzugangsnetzes oder sind im Edge-Compute-Rechenzentrum des Netzes selbst installiert. Diese Architektur ermöglicht es MEC, die Reaktionszeit auf bis zu zehn Millisekunden zu reduzieren.
Was bedeutet das für die Telekommunikation?
Edge Computing bietet eine breite Palette von Anwendungen in den Bereichen Videoanalyse, Sicherheit, Standortdienste, IoT, intelligente Wearables, Augmented Reality und mehr. Mit der Einführung von Technologien wie 5G und Wi-Fi 6 werden Edge-Implementierungen die Datenvirtualisierung und -automatisierung vorantreiben. Schätzungen zufolge wird der globale Markt für Edge Computing bis 2027 ein Volumen von 43,4 Mrd. USD erreichen und bis 2027 jährlich um mehr als 35 % wachsen. Die Telekommunikationsbranche kann dieses Wachstum nutzen, indem sie mit Hilfe von Technologiepartnern das richtige Netzwerk-Ökosystem aufbaut und ihren Unternehmenskunden differenzierte Dienste zur Verfügung stellt.
Seit mehr als 3 Jahrzehnten unterstützt Orion Kunden aus der Telekommunikationsbranche mit OSS/BSS-Modernisierung, Netzwerkvirtualisierung, Cloudifizierung, technischen Dienstleistungen, Produktentwicklung und mehr.
Erfahren Sie mehr über unsere Lösungen für die Telekommunikationsbranche.
