Edge Computing

Viele digitale Dienste rechnen nicht auf deinem Gerät. Dein Handy schickt die Anfrage an einen fremden Großrechner im Internet, dort passiert die Arbeit, das Ergebnis kommt zurück. Edge Computing dreht das um. Die Rechenarbeit findet direkt am Rand des Netzes statt, also im Gerät selbst oder in einem kleinen Rechner ganz in der Nähe. „Edge“ ist englisch für Rand. Gemeint ist der Rand des Netzwerks, dort wo die Daten entstehen: in der Kamera, im Auto, in der Maschine in der Fabrik.

Warum das wichtig ist

Der wichtigste Grund ist Zeit. Eine Anfrage quer über den Atlantik und zurück braucht selbst im besten Fall einige Zehntelsekunden. Für einen Chatbot ist das egal. Für ein selbstfahrendes Auto, das ein Kind auf der Straße erkennt, ist es zu lang.

Der zweite Grund ist Geld. Eine Fabrik mit hundert Kameras erzeugt riesige Datenmengen. Alles davon dauerhaft ins Internet zu schicken und dort speichern zu lassen, ist teuer. Verarbeitet man die Bilder vor Ort, wandert nur noch das Ergebnis nach außen: „Werkstück fehlerhaft“, ein paar Bytes statt Gigabyte.

Der dritte Grund ist Vertrauen. Daten, die das Gerät nie verlassen, können unterwegs auch nicht abgefangen werden. Für Sprachaufnahmen, Gesichter oder Patientendaten ist das ein starkes Argument. Und ein Gerät, das lokal rechnet, funktioniert auch dann, wenn die Internetverbindung ausfällt.

Wie es funktioniert

Technisch braucht Edge Computing zwei Dinge: passende Hardware und abgespeckte Software. Moderne Handys, Autos und Industriekameras enthalten kleine Spezialchips, die nur für KI-Berechnungen gebaut sind. Sie sind viel schwächer als die Chips in einem Rechenzentrum, verbrauchen aber auch nur wenige Watt statt vieler Hundert.

Damit ein KI-Modell auf so einem Chip läuft, muss es schrumpfen. Ein gängiger Trick heißt Quantisierung: Die vielen Zahlen im Modell werden gröber gespeichert, etwa mit acht statt mit 32 Stellen Genauigkeit. Das Modell wird deutlich kleiner und schneller und verliert dabei nur wenig Qualität. Ein anderer Trick ist Destillation: Ein großes Modell trainiert ein kleines, das seine Antworten nachahmt.

In der Praxis kombiniert man beide Welten. Das Gerät übernimmt, was schnell gehen muss oder privat bleiben soll. Schwierige Aufgaben schickt es weiter an das Rechenzentrum. Man kann das mit einer Werkstatt vergleichen: Kleine Reparaturen macht der Mechaniker vor Ort, den Motorschaden schickt er in die Spezialwerkstatt.

Wo man dem Begriff begegnet

Im Alltag steckt Edge Computing in vielen Geräten, ohne dass es draufsteht. Die Gesichtserkennung, die dein Handy entsperrt, rechnet lokal. Ebenso die Sprachbefehle, die manche Assistenten ohne Internet verstehen. Auch die Bildverbesserung nach einem Foto passiert im Telefon.

In den Wirtschaftsnachrichten taucht der Begriff meist bei Chipherstellern auf. Firmen wie Qualcomm, Nvidia, Apple und ARM werben damit, dass ihre Prozessoren KI-Modelle direkt im Gerät ausführen können. Apple nennt seinen Ansatz „On-Device-Intelligenz“, was dasselbe Prinzip beschreibt.

Wichtig ist auch die Industrie. Fabriken, Windparks und Logistikzentren nutzen Edge-Rechner, um Maschinen zu überwachen. Und in Debatten über Datenschutz oder das autonome Fahren gilt lokale Verarbeitung oft als das ruhigere Argument: Was das Gerät nicht verschickt, muss niemand schützen.