embedded world Conference 2019 Intelligente Systeme für die Embedded-Welt

Die Künstliche Intelligenz befasst sich mit der Automatisierung intelligenten Verhaltens und dem Maschinellen Lernen (ML). Hinsichtlich der bereits existierenden und der sich als Potenziale abzeichnenden Anwendungsbereiche gehört KI zu den wegweisenden Antriebskräften der digitalen Revolution.

Dies gilt nicht nur für »große« »big-data-orientierte« Anwendungen, bei denen versucht wird, zum Beispiel aus den immens großen Datenmengen in sozialen Netzwerken Muster zu erkennen und vorherzusagen und Kundenverhalten klassifizieren oder antizipieren zu können, sondern zunehmend auch für industrielle Anwendungen. Besonders relevant sind hierbei alle die Anwendungen, bei denen ebenfalls Verhalten, Eigenschaften oder Zustände analysiert oder prädiziert werden müssen.

Diese Anwendungen basieren oft auf Industrie-PCs oder auf eingebetteten Systemen, die in der Regel über viel weniger Rechenleistung verfügen als die Cloud-Server, auf denen die herkömmlichen KI- und ML-Probleme gerechnet werden. Trotz der beschränkten Speicher und Rechenressourcen von eingebetteten Mikrocontrollern boomt dieser Bereich ganz massiv. Hintergrund ist die faszinierende Möglichkeit, kleine, kostengünstige, autonome und adaptive Systeme zu bauen, die deutlich über den Funktionsumfang herkömmlicher statischer modellbasierter Steuer- und Regelalgorithmen hinausgehen. Autonome Fahrzeuge, selbständige Roboter oder interaktive Assistenten sind nur einige bekannte Beispiele. Die weltgrößte Fachkonferenz zu Eingebetteten Systemen, die embedded world Conference (ewC), hat sich in ihrem 17ten Jahr unter das Motto »Embedded Intelligence« gestellt. Damit greift die ewC den Titel einer ihrer Vorgängerveranstaltungen aus den 90er Jahren wieder auf. Damals war »Embedded Intelligence« eher eine Zukunftsvision, während heute im Zeitalter von immer günstigerer Rechen- und Kommunikationsleistung, neuen Architekturen zwischen Edge-, Cloud- und Fog-Computing und weiter entwickelter Algorithmik reale Produkte und Lösungen mit immensen Möglichkeiten bereits verfügbar sind. 

Anwendungen im und jenseits des Rampenlichts 

Dabei stehen die folgenden Anwendungen gegenwärtig im Rampenlicht:

Die automatisierte Mustererkennung in Bildern verleiht dem ohnehin schon boomenden Anwendungsbereich der »Embedded Vision« (der die ewC übrigens auch einen ganzen Track widmet) noch weitere Dynamik. Nicht nur, dass Kamerasysteme immer günstiger, energieeffizienter und kleiner werden. So werden nun auch Anwendungen wie zum Beispiel die Fußgängererkennung bei autonomen Fahrzeugen, Identifikation von Personen durch Gesichtserkennung, Abgleich von Fingerabdrücken oder die industrielle optische Qualitätskontrolle (Automated Optical Inspection, AOI) von diesen Systemen unterstützt.

Mit der Zustandsüberwachung und der darauf aufbauenden vorhersagenden Instandhaltung (Predictive Maintenance) von Maschinen, Anlagen oder Anlagenteilen profitiert ein Kernbereich der vierten industriellen Revolution (Industrie 4.0, I 4.0). 

Und schließlich profitieren autonome Systeme im Allgemeinen ganz wesentlich von den Entwicklungen, um die komplexen Entscheidungen mit »zusätzlicher Erfahrung« immer weiter zu optimieren. Hierin eingeschlossen sind die gesamten zukunftsgerichteten Bereiche des autonomen Fahrens, der autonomen, unter Umständen auch kollaborativen Robotik oder der intelligenten Assistenzsysteme.

Darüber hinaus gibt es natürlich zahlreiche weitere Anwendungen, die vom Einsatz von KI und ML profitieren können. Generell gilt, dass KI-basierte Systeme immer dort vorteilhaft eingesetzt werden können, wo die Probleme so komplex oder so unstrukturiert werden, dass die Methoden der klassischen Modellbildung zu entwicklungsaufwändig, zu teuer oder zu unflexibel wären.

Ein Paradigmenwechsel und seine Herausforderungen

Mit dieser Vorgehensweise wird das klassische Entwicklungsmodell von Software auf den Kopf gestellt. Das Modell der Wirklichkeit wird nicht mehr manuell erstellt, wobei im Sinne des V-Modells zuerst analysiert und dann synthetisiert wird. Im V-Modell wird in der Regel das komplexe Problem in kleinere Teilprobleme zerlegt, die dann in ihren Teilen gelöst und validiert werden. Stattdessen werden die Modelle nun automatisiert erzeugt. Dies bedeutet aber auch, dass ein quasi »unbekanntes« und oft auch sehr komplexes Modell vorliegt und nun validiert werden muss. Fragen der Komplexitätsbewältigung, der Systemstabilität, des Tests und der Testabdeckung müssen komplett neu angegangen werden, gerade auch, wenn diese Algorithmen sicherheitskritische Funktionen umsetzen.

Architekturen

Die Anwendungen der »Embedded Intelligence« haben mindestens zwei Besonderheiten: 

Die lokalen Rechner verfügen nur über begrenzte Ressourcen und sind oft genug nur über sehr beschränkte Kommunikationskanäle angebunden.

Sehr oft werden physische Umgebungen sensiert, deren Komplexität und Variabilität aber sehr groß ist.

Der Einsatz von Embedded Intelligence hat also nicht nur praktische Herausforderungen wie das verteilte Rechnen, sondern bring auch viele herausfordernde algorithmische Fragestellungen mit sich. Entsprechend sehen wir bereits heute bei den Entwicklungen unendlich viele Spielarten. Einige Beispiele:

Lernen im Backend, Entscheiden im Frontend?

assistiertes versus nichtassistiertes Lernen?

Nutzung dezidierter Hardware?

Embedded Intelligence auf der ewC 

Auch auf der weltgrößten Leitmesse sowie der parallel vom 26.-28. Februar 2019 in Nürnberg stattfindenden embedded world Conference stehen diese Themen rund um die »Embedded Intelligence« im Fokus. In insgesamt 20 Vorträgen in vier Sessions an zwei ganzen Tagen versuchen Fachleute Antworten auf die oben aufgeführten Fragen zu geben.

Das Programm der embedded world Conference steht unter http://www.embedded–world.eu zur Verfügung. (fr)

 

Prof. Dr.-Ing. Dipl.-Ing. Dipl. Wirt.-Ing. Axel Sikora 
ist wissenschaftlicher Direktor des Instituts für verlässliche Embedded Systems und Kommunikationselektronik (ivESK) an der Hochschule Offenburg, Bereichsleiter »Software Solutions« und stellvertretender Institutsleiter bei der Hahn-Schickard Gesellschaft für Angewandte Forschung e.V. in Villingen-Schwenningen, sowie Gründer und Inhaber der Stackforce GmbH. In seinen Teams werden Algorithmen, Protokolle und Systemlösungen für die sichere, zuverlässige und effiziente drahtgebundene und drahtlose Kommunikation für intelligente Systeme konzipiert, evaluiert, implementiert und verifiziert. Zusammen mit dem WEKA-Verlag begleitet er unter anderem den Wireless Congress und die IoT-Konferenz als wissenschaftlicher Beirat. Außerdem ist er Chairman der embedded world Conference.