Verarbeitung an der Randstelle

Die Antwort darauf kann Edge-Computing liefern, ein Ansatz, bei dem die Datenverarbeitung durch erhöhte lokale Speicher- und Leistungskapazitäten nicht in der Cloud, sondern unmittelbar an der Randstelle eines Netzwerks stattfinden kann. Santhosh Rao, Principal Research Analyst beim IT-Marktforschungsunternehmen Gartner, hält die Edge-Computing-Technologie sogar für regelrecht erforderlich, um viele Herausforderungen, mit denen die IT heutzutage konfrontiert ist, effektiv zu bewältigen: „Der Bedarf an Echtzeit-Einblicken und sofortigem Handeln, die aktuellen Netzwerkeinschränkungen, die hohen Mengen an Daten und die Geschwindigkeit, mit der diese Daten von Sensoren und Endpunkten generiert werden, zwingen die IT-Leiter, Edge-Computing-Lösungen einzusetzen, um die Daten näher an der Quelle ihrer Entstehung zu verarbeiten.“

Zum einen kann sich Edge-Computing positiv auf die Verbreitung von KI-Technologien auswirken: „Wenn wir den KI-Einsatz auch am Rand des Netzwerks unterstützen würden, könnten wir die Möglichkeiten für KI um einige Aspekte erweitern und einen neuen Wert fürs Geschäft schaffen“, unterstreicht Jim Liu, CEO des taiwanischen Embedded-Computing-Unternehmens Adlink.

Zum anderen sorgt Edge-KI für mehr Datensicherheit und Transparenz – Kriterien, die auch im Hinblick auf die DSGVO eine kritische Rolle spielen. Dazu Noah Schwartz von Quorum AI: „Die zentralen cloudbasierten KI-Systeme nutzen Daten von Millionen von Menschen. Unter diesen Umständen sind die Rückverfolgung der Daten auf einzelne Personen und die Nachverfolgung dessen, wie genau diese Daten genutzt wurden, äußerst schwierig.“ Wenn das Lernen und die Analyse jedoch parallel mit der Datenerhebung direkt in einem Edge-Gerät stattfinden, dann müssen die meisten Daten nicht woandershin übermittelt werden.

So können die Endanwender, aber auch die Unternehmen die Vorteile der Künstlichen Intelligenz nutzen, ohne ihre sensiblen Daten mit Drittanbietern oder „über eine potenziell anfällige Cloud-Umgebung” teilen zu müssen, ergänzt Gary Brotman, Direktor für Produktmanagement im Bereich KI beim Chiphersteller Qualcomm.

Darüber hinaus hat Edge-Computing auch positive Auswirkungen auf die Reaktionszeiten. Findet die Analyse noch zum Zeitpunkt der Datenerhebung statt, dann können die Edge-basierten Systeme lernen und Schlussfolgerungen aus den Daten ableiten. „Das verkürzt die Zeit zwischen der Datenerhebung und der Gewinnung nützlicher Erkenntnisse“, so Noah Schwartz. Auch die Speicher- und Leistungsanfor­derungen werden gesenkt, weil diese Daten nicht mehr abgespeichert werden müssen, „zumindest nicht in den Mengen, die für die traditionellen KI-Methoden erforderlich sind“.