Interview mit AITAD-Gründer und CEO

»Embedded-KI führt zu nachhaltigen Produkten«

2. September 2022, 7:30 Uhr | Tobias Schlichtmeier
Viacheslav Gromov
Viacheslav Gromov ist Gründer und Geschäftsführer des Unternehmens AITAD.
© AITAD

Viacheslav Gromov ist Gründer und Geschäftsführer des Unternehmens AITAD, das Embedded-KI-Produkte entwickelt. Er verfügt über ein großes Wissen in den Bereichen Halbleiter, KI sowie Embedded Hard- und Software. Im Interview erklärt er, wie Unternehmen an KI-Innovationen herangehen sollten.

Herr Gromov, wie können Unternehmen vermehrt künstliche Intelligenz (KI) in ihre Embedded-Produkte integrieren?

Viacheslav Gromov: Unternehmen sollten sich zunächst einen umfassenden Überblick verschaffen, welche Möglichkeiten es hierfür gibt. Externe Berater können die Produkte des Unternehmens analysieren und anschließend Vorschläge unterbreiten, welche Embedded-KI mit welchem Anwender-Nutzen zu welchen Kosten realisierbar ist. Sie können zudem den Entwicklungsprozess vom Prototyp bis zur Serie begleiten. Wir empfehlen, auf individuelle Produkte zu setzen. Standardprodukte decken einen Anwendungsfall nie vollständig ab. Jedes Unternehmen, das aktuell auf Embedded-KI setzt, hat zudem ein Alleinstellungsmerkmal, eine USP, da die Technologie noch sehr neu am Markt ist.

Wie ausgereift ist die Embedded-KI in den Applikationen der Hersteller bereits?

Wir beobachten sowohl bei Kunden als auch auf Messen, dass KI, falls überhaupt, auf Edge-KI-Produkte abzielt. Das ist jedoch nicht immer zielführend. Edge-KI ist kostenintensiv, einerseits bei der Datenübertragung, andererseits aufgrund des dauerhaften Cloud- oder Server-Einsatzes, und benötigt viel Pflege. Gerade bei margensensiblen Produkten rechnet sich das meist nicht. Eine Weiterentwicklung, die genau dieses Dilemma umgeht, ist Embedded-KI. Sie ist ebenfalls marktreif und bereits in diversen Produkten im Einsatz – und das mit geringem Aufwand. Gerade der Mittelstand, der oft weniger Budget für Neuentwicklungen zur Verfügung hat, kann davon profitieren.

Wie grenzt sich Embedded-KI von Edge-KI ab?

Es geht im Wesentlichen um die Verarbeitungstiefe vor Ort im Gerät respektive am Sensor. Edge-KI ist meistens eine Vorverarbeitung am Netzwerkrand. Hierbei werden beispielsweise verschiedene Objekte zur Erkennung aufgenommen und die Daten auf Rechnern oder in der Cloud gespeichert. Jedoch werden erkannte Objekte erst nach dem Daten-Stream einer Kategorie zugeordnet. Das ist zeitaufwendig, kostenintensiv und teilweise auch mit Sicherheitsschwachstellen behaftet, wodurch es nicht in jedem Umfeld einsetzbar ist.

Embedded-KI hingegen arbeitet autark. Der Großteil aller Verarbeitungsschritte wird sicher und in Echtzeit vor Ort realisiert. Das Gesamtergebnis liegt in Echtzeit lokal vor und reduziert die Datenmengen deutlich. Es sind weder Server- oder Cloud-Ressourcen noch teure Schnittstellen und Netzwerkanbindungen nötig. Embedded-KI ist die nächste Stufe nach Edge-KI.

Anbieter zum Thema

zu Matchmaker+
Messen und Testen von Soft- und Hardware
Messen und Testen von Soft- und Hardware in der Praxis, hier am Oszilloskop.
© AITAD

Warum sollten Unternehmen auf individuelle Produkte setzen, statt sich am Mainstream-Markt zu bedienen?

In letzter Zeit kommen scheinbar spielerisch leichte Framework-Lösungen auf den Markt, die sich an Entwickler ohne KI-Kenntnisse richten. Sie funktionieren im Grunde wie virtuelle Legobausteine. Entwickler können einzelne Blöcke nach den eigenen Anforderungen zusammenbauen. Da es sich um angepasste Systeme handelt, sind sie oft wenig effizient und flexibel, zudem bleiben die genauen Inhalte verborgen. Das wirft Fragen auf: Welche Blackbox habe ich in meinem Produkt? Wirkt hier wirklich eine KI, und wenn ja, welche? Bei individuellen Produkten lassen sich Anforderungen nach einem gemeinsamen Konzept effizient umsetzen.

Welche Bereiche in der Industrie profitieren am meisten von Embedded-KI-Produkten?
Embedded-KI bietet – wenn man sie richtig einsetzt – nahezu für alle Branchen einen Mehrwert. Beliebt ist derzeit zum Beispiel Predictive Maintenance, gerade im Automotive- und Maschinenbausegment für den Hardware-as-a-Service-Trend. Im Trend liegt auch Benutzerinteraktion bei Haushaltsgeräten und Personal Health. Hier geht es vor allem um Bedienung, Personenerkennung und intuitive Sprache. Weiterhin ist die Medizintechnik an neuen Erkenntnissen und »intelligenten« Programmanpassungen interessiert. Hier eröffnet der Einsatz von Embedded-KI neue Felder.

Der Fachkräftemangel behindert viele KI-Projekte in den Unternehmen. Wie sehen Sie das? Können Sie einen Tipp geben, wie es leichter ist, Fachpersonal zu akquirieren?

Der Mangel an Personal und damit fachlichen Kompetenzen im Embedded-KI-Bereich ist allgegenwärtig. Für Embedded-KI braucht es eine Projekt- oder Produktleitung, die die datengetriebene Strategie begleitet und externe Projekte koordiniert – das Thema ist interdisziplinär. Es müssen viele Ingenieurberufe zusammenwirken. Für die meisten lohnt es sich nicht, die Kompetenzen mühsam aufzubauen, an eigenen KI-Modellen oder gar der Transformation auf den Halbleiter zu arbeiten. Hinzu kommt der Zeitdruck beim Innovieren, den Markt und Wettbewerb vorgeben. Sind die Ressourcen nicht ausreichend im Unternehmen vorhanden, empfiehlt es sich, einzelne Prozesse oder die gesamte Entwicklung auszulagern. Fachpersonal an sich bekommt man aus meiner Erfahrung durch Exzellenz und spannende, innovative und treibende Themen.

Wie steht es um die Ausfallsicherheit und den Energiebedarf von Embedded-KI-Systemkomponenten?

Die Autarkie der Systeme macht die Geräte sicher. Es entfallen das Versenden der Daten über ein Netzwerk und somit die Angriffsmöglichkeiten. Zudem sind Machine-Learning-Modelle, insbesondere künstliche neuronale Netze (KNN), besonders robust. Unsere Systeme werten Daten nach mehreren KNN-Inferenzen aus. Über Redundanzen wird das Endergebnis noch robuster. Auch beim Preprocessing erkennen und sondern wir erste Anomalien aus. Die Ressourcenbeschränkungen bei Embedded-KI sind, was Rechenleistung, Speicher oder Leistungsaufnahme angeht, von vornherein besonders hoch. Also müssen die Systemkomponenten sehr effizient sein. So ist Embedded-KI zum Beispiel auf batteriebetriebenen Wireless-Geräten möglich.

Embedded-KI
Embedded-KI ist ein interdisziplinäres Feld und geht nur in Teamarbeit zwischen den Ingenieur-Disziplinen.
© AITAD

Predictive Maintenance ist ein Feld mit vielen Möglichkeiten. Inwiefern spielt KI hier eine Rolle?

Eine KI bei Predictive oder Preventive Maintenance – der Unterschied liegt meist lediglich im konkreten Anwendungsfall – erkennt in Echtzeit die trainierten Anomaliemuster oder Abweichungen von der Norm. Das Modell verarbeitet die Sensordaten und wertet sie aus. Hierbei treten hohe Datenmengen auf, die aufgrund der Menge nicht übertragbar, sondern sofort auszuwerten sind. Beim Überwachen von Motoren, Lagern oder Getrieben kommen diverse Sensoren zum Einsatz. Unterstützt man diese mit KI, lassen sich selbst Sekundärphänomene wie Last oder Achsendruck miterkennen. So ermöglicht Embedded-KI Ausfallvorhersagen über Monate. Das gibt Unternehmen die Chance, ohne Folgekosten auf neue Geschäftsmodelle umzusteigen, die Service, Kundenorientierung und wiederkehrende Einnahmen im Fokus haben.

Können Sie weitere, konkrete Beispiele für Embedded-KI nennen?

Neben den genannten gibt es noch das Feld der Benutzerinteraktion. Hier sind oft Personen-, Gesten- und Spracherkennung – auch im Infrarotbereich – bei der Kollaboration zwischen Mensch und Produkt gefragt. Eine Zahnbürste kann mithilfe des Embedded-KI-Sensors den Zahnstatus miterfassen oder das Krankenbett die Lage des Patienten dokumentieren. Weiterhin gibt es das Feld der »funktionalen Innovationen«. Hier wirkt die Embedded-KI unternehmensspezifisch je nach Anwendungsfall und löst die zuvor nicht lösbaren Herausforderungen. Zum Beispiel eine Drehzahlanpassung abhängig von der Treibstoffqualität oder ein Luftfilter, der die Türöffnung oder den Luftzug über Staubkurven erkennt.

Die deutsche Wirtschaft hinkt bei Trends gerne etwas hinterher. Wie offen ist der deutsche Markt für Innovationen?

Die deutsche Wirtschaft hat die letzten Jahrzehnte viele erfolgreiche, aber auch herausfordernde Zeiten erlebt. Jedoch: Der Nährboden für weitere Digital-Innovationen ist da – Unternehmen sollten diesen frühzeitig nutzen. Es ist wichtig, im globalen Wettbewerb mitzuhalten. Potenzial gibt es bei tiefergehenden Innovationen wie Geschäftsmodelländerungen oder disruptiven Innovationen. Wir sehen, dass ein Umdenken stattfindet und sich viele Unternehmen nach Umsetzungspartnern umschauen. Vor allem dem Mittelstand bietet Embedded-KI einen großen Spielraum, um in den Bereichen Predicitive/Preventive Maintenance, Benutzerinteraktion und funktionale Innovationen vorne mit dabei zu sein.

Nachhaltigkeit ist derzeit das Trend-Thema schlechthin. Was verstehen Sie darunter?

Jede Optimierung oder Verbesserung von Prozessen und Funktionen ist ein Trend zur Nachhaltigkeit. Egal, ob es um Sprit- oder Materialverbrauch oder weniger Ausfälle geht. Für die Embedded-KI gilt das im besonderen Maße. Aufgrund der Autarkie vor Ort gibt es eine hohe Ressourcenbeschränkung seitens Kosten, Leistung, Speicher und Strom.

Ein zweiter wichtiger Aspekt ist, dass Embedded-KI die Hersteller zu nachhaltigen Geschäftsmodellen und langfristigen Produktlebenszyklen hinführt. Predictive/Preventive Maintenance sowie Leasing- und Servicegeschäftsmodelle sind ein Anreiz für Produkthersteller sich wieder vermehrt auf langlebiges Produktdesign und -einsatz zu konzentrieren. Letztendlich regt das zu nachhaltigem Wirtschaften an und führt so zu Material- und Energieeinsparungen.

Können Sie konkrete Vorschläge nennen, wie sich Nachhaltigkeit in Unternehmen umsetzen lässt?

Der erste und wirkungsvollste Schritt ist es, sich Gedanken zu neuen, langfristigen Geschäftsmodellen und langen Produktzyklen zu machen. Hinzu kommen Effizienz-Optimierungen in produktinternen Prozessen, die auf den Material- oder Energieverbrauch zielen.

Der Umbruch in der globalen Wirtschaft ist gut spürbar. Bekanntestes Beispiel aus den alltäglichen Medien ist wohl, dass aus Autoherstellern Mobilitätsanbieter werden oder aus Handyherstellern Digitalkonzerne. Hinzu kommt die sogenannte kommende Hardware-as-a-Service-Welle, bei der Unternehmen die Hardware mitsamt diverser Update-, Service- und Analyseleistungen langfristig vermieten. Das definiert Nachhaltigkeit neu, davon sind wir überzeugt.

Vielen Dank für das Gespräch, Herr Gromov.


Das könnte Sie auch interessieren

Verwandte Artikel

elektroniknet