Edge-KI-Agenten — Was sie von Cloud-KI unterscheidet
Edge-KI-Agenten sind KI-Systeme, die ihre Inferenz vollständig oder überwiegend lokal — auf Hardware im oder am Werk — ausführen, anstatt Anfragen an einen externen Cloud-Dienst zu senden.
Was unterscheidet einen Edge-KI-Agenten von Cloud-KI?
Der wesentliche Unterschied liegt im Ausführungsort der Berechnung. Bei Cloud-KI sendet das Edge-Gerät eine Anfrage (z. B. Sensordaten, eine Frage des Bedieners, ein Maschinenalarm) an einen entfernten Server, der die KI-Inferenz durchführt und das Ergebnis zurückschickt. Bei einem Edge-KI-Agenten findet diese Berechnung lokal statt — auf einem Industrie-PC, einem Edge-Gateway oder einem leistungsfähigen eingebetteten System.
Das hat weitreichende Konsequenzen für Latenz, Verfügbarkeit, Datensicherheit und Betriebskosten.
Vier Unterscheidungsmerkmale im Detail
1. Latenz
Cloud-Anfragen durchlaufen Netzwerkstack, Internet-Routing, Rechenzentrumsinfrastruktur und Antwortübertragung. Typische Latenz: 50 bis 500 Millisekunden, unter Last auch mehr.
Edge-Inferenz auf lokaler Hardware: je nach Modellgröße und Hardware 20 bis 200 Millisekunden — und das ohne Netzwerkabhängigkeit.
Für Diagnose- und Assistenzanwendungen ist dieser Unterschied oft tolerierbar. Für Szenarien, die auf schnelle Rückmeldung beim Bediener oder auf zeitnahe Alarminterpretation angewiesen sind, macht er einen spürbaren Unterschied in der Nutzungsqualität.
2. Datenschutz und Datensouveränität
In der Fertigungsindustrie enthalten Maschinendaten oft schützenswerte Informationen: Produktionsgeschwindigkeit, Rezepturparameter, Ausschussquoten, Wartungsintervalle. Wer diese Daten an einen externen Cloud-Dienst sendet, gibt die Kontrolle darüber teilweise ab — unabhängig davon, welche vertraglichen Zusicherungen der Anbieter macht.
Edge-Agenten können so konfiguriert werden, dass Rohdaten das Werksnetz nie verlassen. Die KI-Verarbeitung findet lokal statt, und nur aggregierte, anonymisierte oder explizit freigegebene Ergebnisse werden nach außen kommuniziert.
Für Unternehmen, die unter strengen Geheimhaltungsvereinbarungen arbeiten oder deren Kunden hohe Anforderungen an Produktionsdatenschutz stellen, ist das ein entscheidendes Argument.
3. Offline-Fähigkeit
Industrielle Umgebungen sind nicht immer gut vernetzt. Werke in abgelegenen Regionen, Schiffsbord-Anlagen, mobile Arbeitsmaschinen oder Produktionslinien in netzwerksensiblen Bereichen können nicht zuverlässig auf Cloud-Dienste zugreifen. Ein Edge-Agent, der lokal ausgeführt wird, funktioniert auch ohne Internetverbindung.
Das gilt auch für geplante oder ungeplante Netzwerkausfälle. Wenn die Cloud-Verbindung wegfällt, arbeitet ein Cloud-KI-System nicht mehr — ein Edge-Agent bleibt verfügbar.
4. Datensouveränität als strategisches Argument
Über den technischen Datenschutz hinaus geht es um strategische Kontrolle. Wer entscheidet, welche KI-Modelle auf die eigenen Maschinendaten zugreifen? Wer garantiert, dass Daten nicht für Modelltraining verwendet werden? Diese Fragen lassen sich bei Edge-Agenten klarer beantworten als bei Cloud-Diensten, deren Nutzungsbedingungen sich ändern können.
Vergleichstabelle: Edge-KI-Agent vs. Cloud-KI
| Merkmal | Edge-KI-Agent | Cloud-KI |
|---|---|---|
| Ausführungsort | Lokal im Werk / an der Maschine | Externes Rechenzentrum |
| Latenz | Gering (20–200 ms) | Höher (50–500+ ms) |
| Offline-Fähigkeit | Ja | Nein |
| Datensouveränität | Hoch — Daten bleiben lokal | Gering bis mittel |
| Modellgröße | Begrenzt durch lokale Hardware | Unbegrenzt (skalierbar) |
| Betriebskosten | Einmalige Hardware + Betrieb | Laufende API-Kosten (nutzungsabhängig) |
| Aktualisierung des Modells | Manuell / über OTA-Update | Automatisch durch Anbieter |
| Skalierbarkeit der Inferenz | Begrenzt auf vorhandene Hardware | Nahezu unbegrenzt skalierbar |
| Regulatorische Eignung | Hoch (Daten bleiben im Kontrollbereich) | Je nach Anbieter und Vertragsgestaltung |
| Einrichtungsaufwand | Höher (Hardware + Deployment) | Geringer (API-Zugang) |
Wann ist Cloud-KI die bessere Wahl?
Edge-KI ist nicht in jedem Fall überlegen. Es gibt Szenarien, in denen Cloud-Inferenz sinnvoller ist:
- Sehr große Modelle: Für Aufgaben, die ein Modell mit Milliarden von Parametern erfordern (z. B. komplexe Code-Generierung, ausführliche Berichterstellung), ist lokale Hardware oft zu begrenzt.
- Geringe Nutzungsintensität: Wenn ein KI-Agent nur wenige Male pro Woche benötigt wird, rechnet sich die Investition in dedizierte Edge-Hardware nicht.
- Schnelle Prototypen: Cloud-APIs ermöglichen schnelle Experimente ohne Hardware-Investition.
- Globale Konsistenz: Wenn über viele Standorte hinweg ein zentrales, einheitliches Modell genutzt werden soll, ist Cloud-Infrastruktur oft einfacher zu verwalten.
Die Praxis in industriellen Projekten zeigt, dass oft eine Hybridlösung optimal ist: Zeitkritische und datensensible Aufgaben laufen lokal, rechenintensive oder seltene Aufgaben nutzen Cloud-Kapazität.
Technische Voraussetzungen für Edge-KI-Agenten
Für einen funktionsfähigen Edge-KI-Agenten sind folgende Komponenten erforderlich:
Hardware
- Mindestens 16 GB RAM, empfohlen 32 GB für Modelle bis 13 Milliarden Parameter
- GPU mit mindestens 8 GB VRAM (z. B. NVIDIA RTX 4000 Ada, RTX 4060, Jetson Orin NX)
- Industrietaugliche Bauform (Temperaturbereich, Schutzklasse, Erschütterungsfestigkeit)
- Ausreichend lokaler Speicher für Modelle und Vektordatenbanken (SSD, mindestens 256 GB)
Software
- Lokale Laufzeitumgebung für Sprachmodelle (llama.cpp, Ollama, vLLM oder ähnliche)
- Vektordatenbank für Dokumentensuche (z. B. Qdrant, ChromaDB, Weaviate)
- Agenten-Framework für Werkzeugkopplung und Ablaufsteuerung
- Schnittstellen zu OPC UA, Modbus TCP, MQTT oder proprietären Protokollen
Betrieb
- Gesicherter Zugang zum OT-Netz (Netzwerksegmentierung)
- Update-Mechanismus für Modelle und Agenten-Software
- Monitoring und Fehlerprotokollierung
Plattform-Beispiel: ForestHub.ai ist eine Plattform für Embedded und Edge AI Agents — für Maschinen, Sensoren, Controller und industrielle Edge-Geräte.
FAQ
Kann ein Edge-KI-Agent und Cloud-KI gleichzeitig genutzt werden? Ja. Hybridarchitekturen sind üblich: Der lokale Agent übernimmt zeitkritische und datensensible Aufgaben, während rechenintensive oder seltene Anfragen an die Cloud weitergeleitet werden — wenn eine Verbindung besteht und die Daten es erlauben.
Wie werden Edge-Agenten aktualisiert? Über gesicherte OTA-Prozesse (Over-the-Air-Updates), die im Werksnetz durchgeführt werden. Dabei werden Modell-Weights, Konfigurationsdateien und Wissensdatenbanken aktualisiert. Sicherheitsanforderungen für solche Updates sind in Cybersicherheit für Edge-Agenten beschrieben.
Wie unterscheiden sich Edge-Agenten von klassischen SCADA-Systemen? SCADA-Systeme überwachen und steuern Prozesse in Echtzeit auf Basis definierter Regeln. Ein KI-Agent versteht natürliche Sprache, zieht Schlussfolgerungen aus Kontext und kann mit Menschen kommunizieren. Beide Systeme ergänzen sich — sie ersetzen sich nicht.
Was passiert, wenn das Edge-System ausfällt? Ein KI-Agent ist kein sicherheitskritisches System im Sinne der Maschinenrichtlinie. Bei Ausfall des Edge-Systems arbeitet die SPS weiterhin normal. Der Verlust betrifft die Assistenz- und Diagnosefunktionen — nicht die Anlage selbst.