Erfolg im Internet stand schon immer in einem positiven Zusammenhang mit Katzenvideos, und Edge bildet da keine Ausnahme.
Damit mir kein Post-hoc-Fehlschluss vorgeworfen wird, möchte ich klarstellen, dass ich es nur teilweise ernst meine, wenn ich Katzenvideos als wichtigen Indikator für den Erfolg von Edge bezeichne. Wer mit diesem logischen Fehlschluss nicht vertraut ist, kennt ihn vielleicht aus einem berüchtigten Diagramm, das beweisen soll, dass der „Rückgang der Zahl der Piraten weltweit die globale Erwärmung verursacht“. (Data Science Central) Dieser Fehlschluss ist mitverantwortlich für die griffigere Formulierung: „Korrelation beweist keine Kausalität.“
Dennoch möchte ich darauf hinweisen, dass eine kurze Internetsuche eine umfangreiche Auswahl an Artikeln, Blogs und Videos zutage fördert, die den Einsatz von Katzenvideos und Memes für Marketing, soziale Medien und die allgemeine Kundenbindung empfehlen.
Vielleicht sind Katzenvideos die Ausnahme von der Regel.
Wie dem auch sei, ich werde auf jeden Fall gleich anhand von Katzenvideos einen Anwendungsfall für Edge veranschaulichen.
Finde meine Katze
Bedenken Sie zunächst, dass in Ihrer Wohngegend höchstwahrscheinlich viele Video-Türklingeln installiert sind. Schätzungen zufolge nutzten im Jahr 2020 bereits 16 % aller US-Haushalte eine solche Türklingel.
Amazons Ring macht 40 % der genutzten Türklingeln aus, gefolgt von Googles Nest mit 24 %. Auf alle anderen Marken entfallen jeweils weniger als 10 % der genutzten Türklingeln, darunter Vivint, Remo, August, SkyBell und SimplySafe. Strategy Analytics schätzt, dass inzwischen mehr als 20 Millionen US-amerikanische Haushalte eine Video-Türklingel nutzen. (Business Wire, 13. Feb. 2020)
Nehmen wir an, Ihre Katze ist entwischt. Katzen sind eben so. Sie können sie nicht finden, und selbst leckere Leckerbissen wirken heute keine Wunder. Stellen Sie sich vor, Sie könnten die Möglichkeiten aller Video-Türklingeln in Ihrer Nachbarschaft nutzen, um Ihre Katze zu finden.
Die Fähigkeit, Objekte – einschließlich Katzen – zu erkennen, ist ein häufiger Anwendungsfall für maschinelles Lernen. Forschungsergebnisse weisen auf eine hohe Erfolgsquote hin und diese Technologie findet breite Anwendung in den Bereichen Ökologie, Wildtierbiologie, Zoologie, Naturschutzbiologie und Tierverhalten.
Warum also nicht Ihre entlaufene Katze aufspüren?
Wenn die Daten – also die Videoaufnahmen – dieser Kameras automatisch und kostengünstig zusammengeführt würden, ließen sie sich relativ einfach durchsuchen, um eine Katze zu identifizieren. Wenn sich aus solchen Videos zudem der Standort ermitteln ließe, könnte man recht schnell erfahren, wo sich Ihre Katze möglicherweise befindet.
Die Herausforderungen sind derzeit nicht rein technischer Natur. Es handelt sich um geschäftliche und sogar gesellschaftliche Herausforderungen (Datenschutz).
Trotz dieser Herausforderungen ist der Edge-Bereich angesichts der technologischen Entwicklungen der vergangenen Jahre reif für solche Lösungen. Der zunehmende Reifegrad von maschinellem Lernen und KI sowie die höhere Rechenleistung am Edge eröffnen neue Möglichkeiten, Endgeräte und Edge-Computing einzubinden.
Endpunkte sind Teil der Lösung
Dieses Konzept – dass Endpunkte Teil des Lösungsraums sind – gehört zu den Grundannahmen, auf denen unsere Überzeugung beruht, dass Edge Computing neu definiert werden muss.
Ähnlich wie Cloud Computing ursprünglich aus der Erkenntnis entstand, dass sich ungenutzte Rechenleistung verwenden und als Dienst anbieten lässt, können auch die ungenutzte Rechen- und Verarbeitungsleistung von Endgeräten und Knoten am Netzwerkrand für neue und interessante Zwecke eingesetzt werden. Zum Beispiel, um Ihre Katze zu finden.
Diese ungenutzte Rechenleistung nimmt zu – dank der Renaissance der Infrastruktur, die optimierte Rechenleistung in Formfaktoren bereitstellt, die sich selbst in kleinste Geräte integrieren lassen. Die spannenden Fortschritte bei GPUs und DPUs sind Teil mehrerer unserer internen Innovationsprojekte, mit denen wir neue Möglichkeiten zur Bereitstellung, Verteilung und Optimierung von Anwendungen am Netzwerkrand erforschen.
Endgeräte – Kameras, Telefone, Türklingeln – verfügen heute in der Regel über mehr Rechenleistung als mein erster Computer, meine erste Spielkonsole und sogar mein erstes „Smartphone“. Sie können Teil der Lösung sein, anstatt nur eine passive Rolle zu spielen. Es fehlt lediglich eine Möglichkeit, sie in eine Plattform einzubinden, die den Datenschutz angemessen berücksichtigt, Sicherheit gewährleistet und als Teil eines größeren Ressourcenpools betrieben werden kann.
Werden wir nun tatsächlich erleben, dass ein auf Videotürklingeln basierender Echtzeitdienst zur Suche nach Katzen in der Nachbarschaft entwickelt wird? Vielleicht nicht. Doch das Konzept ist schlüssig, schließlich setzen wir bereits Menschen ein, um Videoaufnahmen von Hunderten öffentlich zugänglichen Überwachungskameras auszuwerten. Maschinelles Lernen und KI nutzen Rechenleistung, um einen bislang von Menschen ausgeführten Prozess zu automatisieren und zu skalieren: die Auswertung von Videoaufnahmen bei der Suche nach einem gestohlenen Auto, einem entführten Kind und ja, sogar einer vermissten Katze.
Stellen Sie sich vor, Sie könnten diese Suchvorgänge in Echtzeit durchführen.
Genau diese Art von Funktionalität halten wir mit der von uns Edge 2.0 genannten Plattform für möglich.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.