Im Zusammenhang mit Cloud Computing ist auch immer häufiger von Fog Computing zu lesen. Doch was genau bedeutet eigentlich der Begriff und hat Fog Computing tatsächlich das Potenzial, Cloud Computing zu ersetzen?

Definition: Was ist Fog Computing?

Die Bezeichnung Fog Computing wurde ursprünglich von dem Unternehmen Cisco geprägt. Hinter diesem Begriff steht ein Cloud-Konzept, bei dem nicht alle Rechenleistung zentral, sondern ein Teil der Rechenleistung dezentral am Rand der Cloud bereitgestellt wird. So müssen nicht mehr alle Daten zum zentralen Datenendpunkt transferiert werden. Stattdessen können ausgewählte Aufgaben in den „Minirechenzentren“ in lokaler Nähe ausgeführt werden. Der dadurch verkürzte Weg der Daten von den Endgeräten zum Ort der Datenverarbeitung sorgt für die Minimierung der Latenz- und somit auch der Bearbeitungszeiten.

Abgrenzung zu Cloud und Edge Computing

Da die Begriffe Cloud Computing und Edge Computing zusammen mit Fog Computing in eine Begriffsfamilie gehören, sollen im Folgenden die Hauptunterschiede kurz beleuchtet werden.

Cloud Computing

Cloud Computing differenziert sich vom Fog Computing vor allem durch den anderen Ort der Ressourcenbereitstellung und Datenverarbeitung. Während Cloud Computing in der Regel vollständig in zentralen Rechenzentren stattfindet, setzt Fog Computing auf eine Zwischenverarbeitung nahe der Datenquelle, um den Netzwerk-Traffic zum Rechenzentrum zu reduzieren.

Edge Computing

Edge Computing stellt ein Konzept im Rahmen des Fog Computings dar. Es verarbeitet die Daten nicht nur dezentral, sondern direkt im Endgerät, um die Latenzzeiten noch weiter zu reduzieren. In der Praxis bekommt dabei jedes „intelligente Gerät“ einen eigenen Micro-Controller. Dieser ermöglicht es mit anderen „intelligenten Geräten“ und Sensoren zu kommunizieren und die Daten vor Ort zu verarbeiten.

3 Anwendungsgebiete in der Praxis

Nachdem die Definition des Begriffs Fog Computing in Abgrenzung zu Cloud und Edge Computing geklärt ist, stellt sich nun die Frage: Wie wird diese Technologie in der Praxis genutzt?
Im Folgenden werden drei (mögliche) Szenarien vorgestellt:

Intelligente Fabrik

Fertigungsmaschinen und Logistik-Systeme kommunizieren untereinander und stimmen ihre Arbeitsabläufe selbstständig ab. Der Mensch greift dabei so wenig wie möglich ein. Das ist die Vision hinter dem Begriff „intelligente Fabrik“. Die Datenmengen, die dabei generiert werden, müssen aufgrund des zeitlichen Aspektes lokal verarbeitet werden. Aus diesem Grund wird auf Fog Computing als Lösung zurückgegriffen.

(halb)autonomes Fahren

Selbstfahrende oder halbautonome Fahrzeuge sind ein weiteres Einsatzgebiet des Fog Computings. Das intelligente Fahrzeug benötigt unzählige Informationen über seine Umgebung und von seiner Antriebstechnik. Diese werden ihm von verschiedenen Sensoren geliefert und müssen innerhalb kürzester Zeit analysiert und verarbeitet werden, damit das Fahrzeug in Echtzeit z.B. auf die Verkehrslage und unerwartete Ereignisse reagieren kann. Klassisches Cloud Computing kann diesen Anforderungen nicht gerecht werden. Fog und Edge Computing hingegen lassen die Daten direkt im Fahrzeug oder an Übertragungseinrichtungen in unmittelbarer Nähe des Fahrzeugs verarbeiten, wodurch Latenzzeiten minimiert werden.

Intelligente Verkehrssteuerung

Ein weiteres Einsatzgebiet könnte die intelligente Verkehrssteuerung mithilfe von Kameras sein. „Intelligente Kameras“ überwachen den fließenden Verkehr, erkennen dabei Einsatzfahrzeuge mit Blaulicht und schalten für diese eine grüne Welle. Dabei werden die Daten vor Ort analysiert und die Reaktion direkt eingeleitet.

Vorteile des Fog Computings

Fog Computing besitzt gegenüber dem klassischen Cloud Computing einige Vorteile. Nachfolgend sind einige der zentralen Vorteile kurz zusammengefasst:

  • Latenz- und Verarbeitungszeiten sinken
  • das Datenvolumen, das in die Cloud übertragen werden muss, wird reduziert
  • der Netzwerk-Traffic wird reduziert
  • auch bei gestörter Netzwerkverbindung können IoT-Devices uneingeschränkt weiterarbeiten
  • Sensible Daten müssen den Ort ihrer Entstehung nicht verlassen
  • Analyse- und Entscheidungsprozesse werden beschleuigt

Nachteile des Fog Computings

Die dezentrale Verarbeitung bringt jedoch auch Nachteile mit sich. Zum einen sind Controller und Speicherelemente über das ganze Netzwerk verteilt, wodurch der Wartungsbedarf steigt. Zum anderen sorgen die zusätzlich benötigten Recheneinheiten für höhere Hardware-Kosten. Des Weiteren gibt es zusätzliche Anforderungen an die Netzwerksicherheit, da Fog Computing aufgrund seiner Architektur anfällig für Man-in-the-Middle-Angriffe ist.

Bedeutung für Managed Services

Doch was bedeutet all das für die Managed Services und deren Provider? Wird Cloud Computing bald vollständig durch Fog und Edge Computing abgelöst?

Diana McKenzie, CIO bei dem SaaS-Anbieter Workday, sagt dazu, dass ihrer Meinung nach, beide Konzepte weiterhin parallel existieren werden. Es könnten zum Beispiel Daten aus Edge Devices in der Cloud zusammengeführt werden, um dort aufwendige Analysen durchzuführen. Diese Aussage verdeutlicht noch einmal, dass sich die primären Anwendungsgebiete der beiden Technologien unterscheiden.

Besonders bei großen Datenmengen, die nicht in Echtzeit verarbeitet werden müssen, bringt es keinen Mehrwert, die Daten mit einem höheren Kostenaufwand direkt vor Ort zu verarbeiten. Stattdessen werden Echtzeit-Daten lokal verarbeitet und alle weiteren Daten, die z.B. für Auswertungen benötigt werden, weiterhin in der Cloud verarbeitet. So lassen sich die Vorteile beider Technologien erfolgreich nutzen.

Dementsprechend ist die Technologie des Fog Computings keine wirkliche Alternative zum Cloud Computing. Stattdessen ist es eine ergänzende Technologie, die andere Anwendungsszenarien bedient.

Vorderseite Whitepaper Private Cloud vs. Public Cloud

KOSTENLOSES WHITEPAPER

Private Cloud vs. Public Cloud

Wir skizzieren unterschiedliche Wege in die Cloud und unterstützen Sie mit Tipps für Ihre persönliche Cloud-Strategie.

New call-to-action