KI im Jahr 2020 Motor für Innovation

Was bedeuten die Fortschritte bei KI für das Entwickeln von Hard- und Software-Produkten?
Was bedeuten die Fortschritte bei KI für das Entwickeln von Hard- und Software-Produkten?

Wenn es um die Technologietrends für 2020 geht, steht künstliche Intelligenz nach wie vor weit oben. Sie durchdringt immer neue Anwendungsbereiche und wird den Fortschritt maßgeblich mitbestimmen. Bei Hard- und Software wirft das die Frage nach neuen Höchstleistungen auf.

Das Potenzial von künstlicher Intelligenz (KI) ist unbestritten. In Deutschland soll die Wirtschaft aufgrund KI-basierter Technologien bis 2030 auf 430 Milliarden Euro wachsen. Allerdings haben bisher nur sechs Prozent der Unternehmen KI implementiert, so PwC (PricewaterhouseCoopers International) [1]. Häufig mangelt es an einer ganzheitlichen Strategie oder schlicht an den Daten, auf deren Grundlage ein KI-System operiert. Dabei hat die Wechselwirkung zwischen den Erkenntnissen von Forschungseinrichtungen wie dem Deutschen Forschungszentrum für Künstliche Intelligenz [2] und der Praxiserfahrung von Herstellern von KI-Anwendungen bereits zu einer Vielzahl konkreter Produkte für den realen Einsatz geführt. Sei es in der Industrie 4.0, der Energiewirtschaft oder im Gesundheitswesen.

Punktgenaue Wartung mit Predictive Maintenance

In der Industrieautomation und der Energieversorgung tragen KI-Systeme schon heute dazu bei, Produktionsausfälle zu vermeiden. Ebenso sind potenzielle Gefahren für die Sicherheit von Systemen, Betrieb, Versorgung und Umwelt erkennbar. KI-basierte Predictive-Maintenance-Strategien bilden die Grundlage für präventive Diagnose­systeme, mit denen sich Störungen frühzeitig erkennen lassen. Sie erlauben eine Fernüberwachung in Echtzeit, stimmen Wartungspläne auf die tatsächlichen Gegebenheiten ab und erleichtern die Instandhaltung von Anlagen. Durch umfassende Datenanalysen und intelligente Planungsalgorithmen ermöglichen Machine und Deep Learning (ML, DL), Störungen schon in einem frühen Stadium zu identifizieren. Dysfunktionen wie beispielsweise Unwuchten, Fluchtungsfehler oder Risse im Material von Turbinen und Kompressoren werden angezeigt, bevor sie sich negativ auswirken können.

Mit KI schneller im Wettlauf gegen die Zeit

KI hat das Potenzial, nicht nur die Industrie, sondern auch das Gesundheitswesen grundlegend zu verändern. Gerade bei epidemischen und metastasierenden Erkrankungen ist Schnelligkeit – unter Einhaltung einer Null-Fehlerquote – entscheidend für die Genesung des Patienten. Immer häufiger werden KI-Anwendungen, die große Datenmengen in kurzer Zeit strukturieren und analysieren können, für Prävention, Diagnose und Therapie genutzt. Laut einer Studie von PwC setzen in Deutschland bereits 30 Prozent der CEOs im Gesundheitswesen KI-Anwendungen ein. So ermöglicht etwa maschinelles Lernen, eine präzisere Auswertung von bildgebenden Verfahren. KI-Systeme können Daten aus verschiedenen Quellen verknüpfen, daneben unterstützen auch Techniken wie Natural Language Processing das medizinische Personal bei der Entscheidungsfindung.

Skalierbare Rechenleistung

Um die für maschinelles Lernen, Deep Learning und Inferencing benötigten großen Datenmengen innerhalb kürzester Zeit zu analysieren, sind hochleistungsfähige Hard- und Software-Komponenten gefragt. Multicore-CPUs, Video Processing Units (VPUs), Graphics Processing Units (GPUs) oder Field Programmable Gate Arrays (FPGAs) berechnen neuronale Netze heute im Bereich von Tera-Operations pro Sekunde.
Eine exponenzielle Leistungssteigerung ermöglicht beispielsweise Intels OpenVino-Video-Processing-Schnittstelle. Sie wird von Kontrons Internet of Things (IoT) Software Framework ­»SUSiEtec« unterstützt (Bild 1). Einmal erstellte neuronale Netzwerkmodelle lassen sich hierdurch skalieren und wahlweise auf Intel Multicore CPUs, GPUs, VPUs oder FPGAs ausführen. Bereits trainierte neuronale Netzwerkmodelle sind mit wenig Aufwand auf OpenVino konvertierbar.

Bei Plattformen für Inferencing und Deep Learning setzt Kontron neben Intel- und NXP-Prozessoren auf GPUs von NVIDIA, beispielsweise beim Kontron Rackmount-Server »KISS 4U V3  SKX« (Bild 2). Mit zwei Prozessoren der Intel Xeon SP-Serie ist er der derzeit leistungsfähigste KISS-Server. Für eine besonders hohe GPU-Leistung sorgen bis zu drei der doppelt breiten High-End-GPU-Karten NVIDIA „TESLA­ V100“. Die NVIDIA GPUs führen exakt die Matrix-Mathematik aus, die für die Simulation künstlicher Neuronen erforderlich ist, und unterstützen die Intel Xeon-Prozessoren damit beim Trainieren neuronaler Netze.

Marktprognosen für KI
Deutsche Unternehmen zeigen sich bislang zurückhaltend beim Thema KI. Der Umfrage 2019 [3] des Digitalverbands Bitkom zufolge interessierten sich nur 25 Prozent der 1000 befragten Firmen für KI-Technologien, ebenso viele äußerten sich kritisch, für 17 Prozent war das Thema fremd. Anders sieht es in Europa aus. Laut dem 2019 veröffentlichten Bericht der Organisation »European Information Technology Observatory« (EITO) [4] soll der europäische KI-Markt sich bis 2022 mehr als verdreifachen auf zehn Milliarden Euro. Vor allem die Ausgaben für KI-Dienstleistungen sollen steigen (47 Prozent pro Jahr), gefolgt von Software (45 Prozent) sowie Server und Speicherplatz für KI (24 Prozent).