M&T-Forum „Embedded Systeme“ Runde 2 »Die Qualität der Daten entscheidet sich im Edge«

Die Expertenrunde des M&T-Forums "Industriecomputer & Embedded Systeme".
Die Expertenrunde des M&T-Forums "Industriecomputer & Embedded Systeme".

Die künstliche Intelligenz (KI) nimmt als Thema in der Allgemeinheit immer mehr Fahrt auf. Für eine gelungene technische Umsetzung sind clevere Embedded-Systeme die notwendige Grundlage, ist sich das Expertengremium sicher.

Die künstliche Intelligenz hat eine lange akademische Geschichte – der erste Antrag auf Fördermittel wurde bereits 1955 in der USA gestellt. Weitere Schlagzahlen und Fördermittel gab ist dann 1982 in Japan um die „Fifth Generation Computer Systems“. Aus dem akademischen Elfenbeinturm entkam dann Ende 2011 „Siri“ in den Massenmarkt und löste damit einige Konkurrenzprodukte aus – und die (börsenwirksame) Öffentlichkeit hatte eine neue Wundertechnologie. Zur diesjährigen embedded world gaben einige Embedded-Computer-Anbieter ihre KI-Strategien bekannt – doch wie ist das Interesse bei den Kunden?
»Ich sehe das Thema seit etwa einem Jahr verstärkt auf uns zukommen. Wir haben verschiedenste Anfragen aus unterschiedlichsten Märkten«, berichtet Jens Plachetka, Manager Product Business Unit Board Platforms von MSC. »In der Diskussion stellt man fest, dass es nicht immer nur eine technische Lösung gibt, wie und wo die Algorithmen zur Anwendung kommen – manchmal ist es die GPU, manchmal ein FPGA. Die Anforderungen sind einfach sehr unterschiedlich.«
Die meisten Embedded-Anbieter setzen dabei auf die „Zweitverwertung“ der Grafikprozessoren. »KI-Aufgaben kann man gut auf GPUs auslagern. Es gibt dafür auch standardisierte Programmumgebungen wie Cuda und OpenCL«, erklärt Christian Eder, Director Marketing von congatec. »Bei einer CPU mit einer anständigen Grafikeinheit bekommt man die Funktionalität praktisch geschenkt.«.
Dies bestätigt Christian Blersch, Geschäftsführer von E.E.P.D.: »Man kommt mit einer CPU im 25-W-Bereich schon sehr weit. So kann man dank der leistungsfähigen integrierten GPU der AMD-G-Serie die gleiche Performance erzielen wie mit einem Intel Core-i7. Die nächste Stufe ist dann der Einsatz von High-End-Grafikkarten.« Allerdings bräuchten die Kunden durchaus schon mal ein ganzes Jahr, um ihre Software-Suiten umzustellen, um dann die Leistung für KI abzurufen.
Einen anderen technischen Ansatz verfolgt Aaeon: »Wir haben eine PCI Express Mini Card mit Intels Movidius für „KI on the Edge“. Movidius braucht dabei sehr wenig Strom und kommt mit passiver Kühlung aus«, berichtet Karl Margraf, Key Account Manager Central Europe von Aaeon Europe. »Das Schöne dabei ist, dass mehrere Software-Frameworks bereits existieren – TensorFlow von Google lässt sich 1:1 auf der Hardware einsetzen.«
Intel bezeichnet Movidius als Vision Processing Unit (VPU) und nennt damit gleich eines der wichtigsten Einsatzgebiete: die selbstlernende Bilderkennung. Damit liegt die Assoziation von autonom fahrenden Kraftfahrzeugen nahe. »Objekt- und Videoerkennung braucht man auch in der Robotersteuerung«, erklärt Norbert Hauser, Vice President Marketing von Kontron S&T. »Die ganzen Bewegungsabläufe bei kollaborativen Robotern abzustimmen, dazu braucht es künstliche Intelligenz. Und das muss im Edge sein, denn man hat nicht immer die Verbindung zur Cloud – speziell bei Fahrzeugen. Man muss daher in der Lage sein, KI in einem bestimmten Zeitintervall vor Ort zu entscheiden zu lassen.« Dabei seien die KI-Devices im Edge typischerweise Embedded-Systeme, allerdings mit begrenzter Funktionalität. Big Data werde nachgelagert auf der nächsten Ebene gemacht. »Die Rechner dort können auch nur so gut sein wie die Daten, die im Edge gesammelt und vorverarbeitet werden«, betont Hauser. »Die Qualität entscheidet sich im Edge – und das ist gut für uns, weil im Embedded-Bereich das Edge typischerweise unsere Systeme sind.« Dort gebe es Kriterien wie Echtzeit- und Zuverlässigkeitsanforderungen sowie ein raues Umfeld, also die typischen Kriterien für ein Embedded-System. Der Einsatz könne dabei in Fahrzeugen sein oder in Fabriken im Roboter oder der Maschine.