Wo soll ein Computer rechnen? Künstliche Intelligenz holt die Datenverarbeitung näher an den Entstehungsort der Daten + test

Ein junger Ingenieur mit Klemmbrett steht in einem Serverraum zwischen Racks voller Netzwerkkabel.

Eine Drohne, die im Flug Objekte erkennt, oder ein Sensor, der einen plötzlichen Rückgang der Luftqualität in einem Gebäude feststellt, kann nicht lange auf eine Antwort aus einem fernen Rechenzentrum warten. Das europäische Projekt AC3 hat eine Plattform entwickelt, auf der KI selbst entscheidet, wo jede Aufgabe ausgeführt werden soll: in der Cloud oder auf einem nahegelegenen Server. Lies, wie das funktioniert und was es gebracht hat – und prüfe am Ende in einem kurzen Test, wie viel du dir gemerkt hast.

Inhalt

⇑Das Problem: Daten legen zu weite Wege zurück

Immer mehr Geräte um uns herum sammeln Daten: Kameras, Sensoren in Gebäuden, Drohnen, Laborgeräte. Die einfachste Lösung besteht darin, alles an ein großes Rechenzentrum mit enormer Rechenleistung zu schicken. Das Problem: Der Weg dorthin und zurück kostet Zeit. Wenn eine Drohne ein Objekt in Echtzeit erkennen muss oder ein Sensor eine plötzliche Veränderung der Luftqualität feststellt, kann das Warten auf die Übertragung der Daten an ein weit entferntes Rechenzentrum die Reaktion verlangsamen.

Werden Informationen näher an ihrem Entstehungsort verarbeitet, lässt sich die Datenverarbeitung beschleunigen, und unnötige Datenübertragungen werden reduziert. Die Schwierigkeit liegt allerdings darin, dass jedes Mal entschieden werden muss, wo eine bestimmte Aufgabe ausgeführt werden soll. Das ist eine komplexe Herausforderung, denn die Bedingungen ändern sich ständig: Die Auslastung steigt und sinkt, die Qualität der Verbindung schwankt, und die Geräte sind unterschiedlich leistungsstark.

Mit diesem Problem hat sich das EU-finanzierte Projekt AC3 befasst. Sein Team hat eine Plattform entwickelt, die mithilfe von KI und maschinellem Lernen Rechenressourcen in Cloud-Rechenzentren und auf nahegelegenen Edge-Servern verwaltet und sich dabei an veränderte Arbeitslasten und Bedingungen anpasst. Projektkoordinator Christos Verikoukis vom Athena-Forschungszentrum in Griechenland erklärt: „Durch die Verarbeitung von Daten in der Nähe ihres Entstehungsorts reduziert die AC3-Plattform Kommunikationsverzögerungen und Netzwerküberlastungen, sodass das System schneller auf veränderliche Bedingungen reagieren kann.“

⇑Cloud und Edge: zwei Ebenen der Verarbeitung

Um zu verstehen, was AC3 leistet, lohnt es sich, zwei Orte zu unterscheiden, an denen Programme laufen können. Die Cloud besteht in der Praxis aus riesigen Rechenzentren mit Tausenden von Servern, mit denen wir uns über das Internet verbinden. Sie verfügen über enorme Leistung, stehen aber oft Hunderte Kilometer von dem Gerät entfernt, das die Daten sendet.

Beim Edge-Computing, auf Deutsch etwa Datenverarbeitung am Netzwerkrand, wird ein Teil der Berechnungen am Rand des Netzes erledigt, also auf Servern, die nahe an der Datenquelle stehen, zum Beispiel im selben Gebäude oder in einer nahegelegenen Station. Solche Server sind weniger leistungsstark als ein Rechenzentrum, antworten dafür aber schneller. Die Zeit zwischen dem Senden der Daten und dem Empfang der Antwort nennen Fachleute Latenz. In vielen Anwendungen, von der Steuerung einer Drohne bis zu Alarmen in Gebäuden, entscheidet diese Verzögerung darüber, ob ein System gut funktioniert.

⇑Microservices: ein Programm aus Bausteinen

Moderne Anwendungen sind selten ein einziges großes Programm. Häufiger bestehen sie aus mehreren kleineren Softwarekomponenten, sogenannten Microservices. Jeder davon erledigt eine Sache, zum Beispiel Daten von einem Sensor empfangen, ein Bild analysieren oder eine Benachrichtigung verschicken, und jeder kann an einem anderen Ort ausgeführt werden.

Die AC3-Plattform automatisiert Entscheidungen darüber, wo diese Komponenten bereitgestellt werden sollen. Dabei berücksichtigt sie Rechenkapazität, Netzwerkbedingungen und Energienutzung. Verikoukis erläutert: „Die wichtigste Innovation von AC3 ist der Einsatz von KI und maschinellem Lernen, um automatisch darüber zu entscheiden, wo und wie diese Komponenten bereitgestellt und verwaltet werden sollen.“ Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, in dem ein Programm keine fertigen Regeln bekommt, sondern sie aus Daten lernt, zum Beispiel aus dem Verlauf der Serverauslastung.

⇑Drei Bewährungsproben für die Plattform

Das Team hat die Plattform in drei Szenarien getestet, die gut zeigen, wie unterschiedlich die Anwendungen sein können:

  • intelligentes Gebäudemanagement – Sensoren überwachen zum Beispiel die Luftqualität, und das System soll schnell auf Veränderungen reagieren;
  • drohnenbasierte Videoüberwachung – eine Drohne erkennt in Echtzeit Objekte im Kamerabild;
  • astronomische Datenanalyse – große Datenmengen müssen möglichst schnell verarbeitet werden.

In einem intelligenten Gebäude funktioniert das so: Sensoren erkennen einen plötzlichen Rückgang der Luftqualität, und die AC3-Plattform verlagert die Datenverarbeitung auf einen nahegelegenen Server. Dadurch kann das System schneller einen Alarm auslösen oder die Belüftung anpassen. Gleichzeitig gelangen weniger Daten an ein entferntes Rechenzentrum, sodass das Netz weniger belastet wird.

⇑Eine Drohne, die ihre Arbeit an einen Server abgibt

Am anschaulichsten war die Demonstration mit der Drohne. Objekte in einem Bild zu erkennen, ist eine Aufgabe für ein KI-Modell, und ein solches Modell braucht viel Rechenleistung. Der kleine Computer an Bord einer Drohne kommt damit nicht immer zurecht, etwa wenn er gleichzeitig andere Aufgaben erledigt.

Wenn eine Drohne ein KI-Modell zur Objekterkennung in Echtzeit nicht effizient ausführen kann, verlagert AC3 die Rechenlast auf einen nahegelegenen Edge-Server. Sobald die Drohne wieder über ausreichende Kapazitäten verfügt, kann die Aufgabe an Bord zurückkehren. Adlen Ksentini, technischer Leiter von AC3 am EURECOM in Frankreich, fasst zusammen: „Diese intelligente und nahtlose Migration stellt sicher, dass der Algorithmus zur Objekterkennung kontinuierlich optimal funktioniert, unabhängig von den verfügbaren Rechenressourcen der Drohne bei veränderten Bedingungen.“ Migration bedeutet hier, dass eine laufende Aufgabe von einem Computer auf einen anderen übertragen wird, ohne sie zu unterbrechen.

Eine ähnliche Flexibilität nutzte das Team bei den astronomischen Daten. Die Verarbeitungsaufgaben wurden auf mehrere Rechenressourcen verteilt, also parallel auf mehreren Maschinen statt auf einer einzigen ausgeführt.

Wissenswert: Durch die Verteilung der Arbeit auf mehrere Rechenressourcen verkürzte die AC3-Plattform die Zeit für die Verarbeitung von 5 GB astronomischer Daten im Vergleich zu eigenständigen Systemen um mindestens 50 %. In den Tests des Projekts wies die Anwendung dabei eine Zuverlässigkeit von 100 % auf.

⇑Weniger Strom und Code für alle

Rechenzentren verbrauchen viel Energie, deshalb zählt nicht nur die Geschwindigkeit, sondern auch die Sparsamkeit. Die AC3-Plattform kann Prognosen zum Rechenbedarf und zum Energieverbrauch nutzen, um Arbeitslasten auf weniger Server zu konsolidieren. Ungenutzte Knoten, also einzelne Maschinen im Netz, können dann abgeschaltet werden, während die Anwendungen weiterhin ihre Leistungsanforderungen erfüllen.

Mehrere Softwarekomponenten aus dem Projekt wurden quelloffen veröffentlicht, also mit offenem Code, den jede und jeder einsehen und weiterentwickeln kann. Außerdem wurden verschiedene Tools in die etablierten Ökosysteme Kubernetes und OpenShift integriert. Das sind Plattformen, mit denen viele Unternehmen Anwendungen aus Containern verwalten, also aus verpackten Softwareeinheiten, die auf jedem beliebigen Server lauffähig sind.

Aus Sicht eines Unternehmens oder einer Einrichtung bringt der Ansatz von AC3 mehrere konkrete Vorteile:

  • schnellere Reaktion des Systems, weil die Daten nahe an ihrem Entstehungsort verarbeitet werden;
  • weniger Netzwerküberlastung, weil weniger Daten an ein entferntes Rechenzentrum gehen;
  • Energieeinsparungen, weil die Arbeit auf weniger Server gebündelt und der Rest abgeschaltet wird;
  • offene Komponenten, die Entwicklerinnen, Entwicklern und Forschenden als Ausgangspunkt für eigene Arbeiten dienen.

⇑Wie es weitergeht: vom Labor zu echten Diensten

Verikoukis und Ksentini räumen ein, dass die nächste Herausforderung nicht mehr nur technischer Natur ist. Cloud-Dienste und Edge-basierte Systeme bleiben oft voneinander getrennt, und um sie zusammenzuführen, braucht es eine stärkere Integration und tragfähige Geschäftsmodelle. Anders gesagt: Jemand muss mit einer solchen Lösung Geld verdienen, und jemand anderes muss bereit sein, dafür zu bezahlen.

Das Projekt hat gezeigt, dass eine intelligente Koordination die Datenverarbeitung schneller und effizienter machen kann. Der nächste Schritt besteht darin, Einrichtungen dabei zu unterstützen, diese Möglichkeiten in realen Diensten einzusetzen, vom Gebäudemanagement bis zur Analyse wissenschaftlicher Daten.

⇑Für wen ist das Thema interessant?

Edge-Computing verbindet gleich mehrere Fachgebiete: Rechnernetze, verteilte Systeme, künstliche Intelligenz und Energieeffizienz. Es ist ein gutes Thema für Studierende der Informatik, der Informations- und Kommunikationstechnik, der Automatisierungstechnik und Robotik, der Elektronik oder der Data Science. Fachleute für Cloud, Container und maschinelles Lernen sind bei Technologieunternehmen, Telekommunikationsanbietern und Forschungsinstituten gefragt. Offener Code aus Projekten wie AC3 bietet außerdem eine gute Gelegenheit, mit echten Werkzeugen zu üben.

⇑Kurz gesagt

Wenn Daten schnell verarbeitet werden müssen, zählt nicht nur die Leistung eines Computers, sondern auch, wie weit entfernt er steht. Die Plattform aus dem Projekt AC3 nutzt künstliche Intelligenz, um automatisch zu entscheiden, ob eine Aufgabe in der Cloud oder auf einem nahegelegenen Edge-Server ausgeführt wird. In Tests mit Gebäuden, einer Drohne und astronomischen Daten beschleunigte sie die Berechnungen, blieb zuverlässig und half beim Energiesparen, und ein Teil ihrer Software steht allen zur Verfügung.

⇑Fünf Fragen: Wie viel weißt du über Datenverarbeitung am Netzwerkrand? (Test)

5 Fragen · eine Minute

1. Warum lohnt es sich, Daten nahe an ihrem Entstehungsort zu verarbeiten?

2. Was macht die Plattform aus dem Projekt AC3?

3. Was passiert, wenn eine Drohne mit der Objekterkennung nicht zurechtkommt?

4. Welches Ergebnis wurde bei den astronomischen Daten erzielt?

5. Wie hilft die AC3-Plattform beim Energiesparen?


veröffentlicht: 2026-11-17
Kommentare
StudentNews Group Websites for students and future students — in Poland since 2007, across Europe since 2014. Over 50 websites and millions of users a year (Google Analytics). Studies in Europe Universities in Europe Bachelor’s Master’s Doctorate MBA Study guide Work abroad Travel For partners Advertising and cooperation Reach (online report) Contact advertising@studentnews.eu © 2003–2026 Grupa StudentNews.pl sp. z o.o., Modlnica, Poland
Privacy Policy