Mikrocontroller-Systeme
KI-Daten verarbeiten, aber wo?
Fortsetzung des Artikels von Teil 1
Verwendung eines Edge-Geräts mit integrierter KI
Eine alternative Option besteht darin, die Inferenz auf ein lokales Gateway-Gerät zu verlagern. Schon ein Gateway kann die Inferenzaufgaben für eine Anzahl von Sensorknoten übernehmen, wenn der Durchsatz pro Knoten vergleichsweise gering ist. Bei Bildverarbeitungsanwendungen müssen beispielsweise keine Daten für KI-Inferenzprozesse gesendet werden, wenn das Tool nicht in Betrieb ist oder ein neues Teil zur Prüfung geladen wird.
Die Notwendigkeit, Workloads zu verteilen und Modelle aus Cloud-orientierten Frameworks zu übertragen bzw. zu optimieren, erhöht die Komplexität der Entwicklung. Eine weitere Option ist der Einsatz eines Frameworks, das bereits für die integrierte Verwendung optimiert ist. Ein Paradebeispiel hierfür ist die von Octonion entwickelte Brainium-Plattform. Sie bietet ein vollständiges Entwicklungsframework für Embedded-Systeme. Die Software-Umgebung unterstützt die Prototypen-Erstellung direkt mithilfe von Cloud-Systemen mit Bereitstellung auf IoT-Geräten und Gateways, die mit der SmartEdge-Agile-Hardware von Avnet (Bild 2) erstellt werden. In der Brainium-Softwareumgebung werden die Gateway- und Cloud-Layer-Aktivitäten des Geräts koordiniert, um eine holistische KI-Umgebung zu schaffen. Um die Skalierung von Anwendungen auf tief eingebettete Knoten zu ermöglichen, unterstützt die Umgebung mehrere KI-Techniken, die weniger rechenintensiv als die in DNNs verwendeten sind. Die Gateway-Software lässt sich auf vorgefertigter Hardware wie beispielsweise dem Raspberry Pi oder jeder Android- oder iOS-kompatiblen Plattform einsetzen. Wenn eine höhere Leistung erforderlich ist, kann der Cloud-Layer von Brainium auf AWS, Microsoft Azure oder kundenspezifischen Serverlösungen eingesetzt werden.
Andere Anbieter wie Schneider Electric und Festo haben lokale KI-Unterstützung in Steuerungsprodukte für bestimmte Anwendungen integriert. Schneider Electric bietet die Anwendung vorausschauender Analysen, um geringfügige Änderungen des Systemverhaltens zu identifizieren, die sich auf die Leistung auswirken. Festo erwarb 2018 den Data-Science-Experten Resolto, und seine Scraitec-Software lernt den »gesunden« Zustand eines Systems, um anhand dessen jede Anomalie zu erkennen.
Anwendung bestimmter Architektur
Welchen Ansatz ein Erstausrüster oder Integrator bei der Bereitstellung von KI verfolgt, hängt von den jeweiligen Umständen ab. Neben der verfügbaren Verarbeitungsleistung gibt es weitere Faktoren, die jeweils für den Einsatz von Cloud-Computing, die Erstellung neuer Software und/oder die Integration eines Edge-Geräts zur Verwaltung der KI sprechen. Wenn Benutzer beispielsweise versuchen, Big-Data-Analysen zu nutzen, müssen sie möglicherweise die Informationen aus vielen Systemen in eine größere Datenbank übertragen und bevorzugen daher die Verwendung von Cloud-Diensten.
Andere hingegen möchten einen hochgradigen Schutz für ihre Daten gewährleisten. Wenn die Auslagerung der Verarbeitung ein Schlüsselfaktor ist, gibt es verschiedene Möglichkeiten, diese zu bewerkstelligen: von der Entlastung des Sensorknotens durch ein lokales Gateway bis hin zur umfassenden Nutzung von Cloud Computing. Wichtig ist, dass es zahlreiche Umgebungen gibt, die eine einfache Prototypen-Erstellung und die Bereitstellung in der Architektur Ihrer Wahl ermöglichen. (jk)
Jobangebote+ passend zum Thema
- KI-Daten verarbeiten, aber wo?
- Verwendung eines Edge-Geräts mit integrierter KI
Lesen Sie mehr zum Thema
