Interview zu Embedded-KI

»Unternehmen müssen ihr Innovationsgen zeigen«

23. Januar 2023, 10:00 Uhr | Tobias Schlichtmeier
AITAD
20 Mitarbeiter arbeiten bei AITAD an Embedded-KI-Produkten. Hierzu greift das Unternehmen auf Experten aus allen Disziplinen zurück.
© AITAD

Lokale Technologien der künstlichen Intelligenz sind weiter auf dem Vormarsch und könnten 2023 einen neuen Spitzenrekord erreichen. Viacheslav Gromov, Gründer und CEO des Embedded-KI-Anbieters AITAD, zeigt KI-Trends auf und gibt einen Einblick in die Tätigkeiten des Unternehmens aus Offenburg.

Markt&Technik: Herr Gromov, AITAD bezeichnet sich als Full-Stack-Embedded-KI-Anbieter. Was darf man darunter verstehen?

Viacheslav Gromov: Wir verstehen die Probleme unserer Kunden in den Bereichen Predictive Maintenance, User Interaction und funktionale Innovationen schon lange: Sie haben weder das Know-how noch die personellen Ressourcen, um High-Tech-Projekte mit sogenannter Embedded-KI, also künstlicher Intelligenz auf dem Chip, umzusetzen. Wir übernehmen daher für sie den kompletten Prozess – von der Zielsetzung bis zur fertig entwickelten, mit KI versehenen Komponente. Möglich ist das mit unserem interdisziplinären Team: vom Maschinenbauer mit Teststand über den Hardware-Ingenieur mit seinen Sensoren bis hin zum Data Scientist für die Datenakquise und -exploration. Hinzu kommen unsere Software-Ingenieure, die die Embedded Software entsprechend umsetzen. Unter Full Stack verstehen wir, dass wir die komplette Prozesskette abbilden, mit eigenen Servern und eigener EMS, und das unabhängig, schnell und agil.

Die Energiekrise wird uns wohl auch 2023 beschäftigen. KI benötigt viele Rechenressourcen, also viel Energie. Wie lässt sich Embedded-KI energieeffizient implementieren?

Das Image der KI, die viel Energie verbraucht, geht auf den Einsatz großer Server, der Cloud oder auf lokale PC-Systeme zurück. Bei Embedded-KI-Systemen ist das jedoch nicht der Fall. Sie basieren von Natur aus auf wenigen Ressourcen – angefangen bei der Rechenleistung und dem Speicher bis hin zur Leistungsaufnahme. In der Rechnertechnik misst man die Energieeffizienz an der Rechenleistung, also Befehlssatz und Parallelisierung pro Takt in Relation zur Leistungsaufnahme. Die Energieeffizienz wird sich 2023 durch die stetige Optimierung der Halbleiter mit Neural Processing Units (NPUs) weiter verbessern. Hinzu kommt der Trend der Dezentralisierung: Die Nutzung vieler kleiner dezentraler und intelligenter Komponenten anstelle einer zentralen Verarbeitung wird zunehmen.

Anbieter zum Thema

zu Matchmaker+
Gromov Viacheslav
Viacheslav Gromov, AITAD: »Hardware as a Service bekommt 2023 einen riesigen Schub.«
© AITAD

Kann Embedded-KI dabei helfen, die weiter anhaltenden Lieferprobleme zu lösen? Und falls ja, wie?

Beherrscht man den Einsatz von Embedded-KI, ist man flexibel bei der Wahl der Halbleiterbausteine. So kann man von einzelnen, nicht lieferbaren MCUs oder MPUs absehen. Noch wichtiger ist jedoch, dass Maschinen- und Gerätehersteller aufgrund der Krise immer häufiger Bauteile – zum Beispiel aus Asien – in ihre Produkte aufnehmen, deren Qualität nicht einschätzbar ist. Hiermit erhöht sich das Ausfallrisiko für ihre Kunden. Predictive Maintenance auf Embedded-KI-Basis kann dem entgegenwirken, und zwar indem man die bezüglich Lebensdauer und Qualität unbekannten Bauteile im Sinne des Endkunden überwacht. Das funktioniert immer tiefgehender und effektiver, da immer größere Datenmengen von der Embedded-KI verarbeitet werden können. So können Unternehmen Imageverluste durch Ausfälle vermeiden und Qualitätsversprechen einhalten.

Wie kann KI endlich von der Forschung flächendeckend in die Anwendung gelangen? Welche Schritte sind dazu in deutschen Unternehmen nötig?

Der Forschungstransfer in Deutschland ist ein Problem. Nichtsdestotrotz gibt es firmeninterne Forschungen und Vorentwicklungen, die KI-Themen langfristig verfolgen. Zum einen muss der Wille zur Umsetzung vorhanden sein. Zum anderen offenbar auch der Krisendruck – wie wir aktuell branchenübergreifend feststellen. Steigt der Druck, bekommt die Forschung wieder eine höhere Priorität, während andere Market-Player dagegen in angsterfüllte Lethargie verfallen. Ich sehe eine Mentalitätsspaltung bei deutschen Unternehmen. Jedoch besitzen viele hierzulande immer noch das Innovationsgen, das sie jetzt wieder im großen Stil ausspielen müssen.

Welche Methoden der KI werden sich im nächsten Jahr durchsetzen?

Wir werden im nächsten Jahr weitere, teils sprunghafte Fortschritte erleben, insbesondere bei der Verhaltensanalyse mit Objekterkennung oder bei der Emotions- und Ausdrucksanalyse in der Sprache. Außerdem halten nachlernende und adaptive Systeme als Hauptforschungsthemen vermehrt in lokalen Systemen Einzug. Dann wird sich Embedded-KI an die Umgebung anpassen. Das fängt bei Predictive Maintenance an, die sich fürs präzisere Vorhersagen selbstständig an das individuelle Nutzungsverhalten und die Umgebungsvibrationen anpasst. Es reicht bis hin zur intelligenten Zahnbürste, die zwischen Kindern und Erwachsenen oder Links- und Rechtshändern bei der Zahnstatuserkennung unterscheidet und sich adaptiert. Nicht zu vergessen ist das komplexe Problem der Sprechertrennung, das heißt: Wer sagt was? Auf wen muss ich hören?

Derzeit ist zu sehen, dass Hardware as a Service (HaaS) zunehmend bedeutend wird. Was verstehen Sie darunter und in welchen Bereichen wird HaaS zum Einsatz kommen?

Erste Unternehmen setzen bereits HaaS ein. Aufgrund des globalen Systemwettbewerbs – besonders in der Krise – gewinnen Hersteller aufgrund von Inflation und Problemen der Lieferkette nicht mehr im direkten Stückpreis-Wettbewerb. Aus dem Grund besinnen sie sich mehr und mehr auf Kundenorientierung und Service: Leasing-, Abo- und Full-Service-Geschäftsmodelle sind eine konstante Umsatzquelle mit niedriger Kunden-Einstiegbarriere. Im Produkt integrierte Predictive Maintenance ist aufgrund seiner niedrigen Einmalkosten statt der Cloud-Dauerrechnung deshalb hoch im Kurs. So verhindert man planbare Service-Ausfallzeiten und vermindert gleichzeitig den Regelservice oder kann ihn sogar komplett wegfallen lassen. Prädestiniert für HaaS sind dabei die Bereiche Maschinenbau, Medizin und Automotive, gerade wenn es um margensensitive oder besonders preisintensive Produktbereiche geht.

Nachhaltigkeit ist ein wichtiger Trend, auch für 2023. Was kann Embedded-KI hierzu beitragen?

Das ist das Spannende an HaaS: Der Interessenfokus des Herstellers wandert von der Masse und möglicher Obsoleszenz zu maximaler Lebensdauer der Produkte. Das ist eine gewaltige Interessensverschiebung und spart Energie und Materialressourcen. HaaS gibt bald einen großen Schwung, davon bin ich fest überzeugt.

Kann KI etwas gegen den Fachkräftemangel bewirken, der sich bereits in vielen Branchen abzeichnet und weiter verstärkt?

Zwangsläufig ist es nötig, Geräte und dadurch Prozesse mit Intelligenz zu versehen. So kann man viele Interaktionen und Zeitressourcen – die letztendlich auch Personalressourcen sind – automatisieren respektive einsparen. Das fängt schon bei Haushaltsgeräten wie Saugrobotern mit besserer Hindernis-Objekterkennung oder Raumlüftern mit Staubanalysen und automatischer Betriebseinstellung an. Die Themen erstrecken sich bis in für Fachkräftemangel besonders anfällige Branchen wie die Medizin. Hier könnten beispielsweise Chirurgie-Hochfrequenz-Geräte mittels Spracherkennung direkt auf die Anweisungen des Chirurgen hören. So spart man sich den Umweg über eine OP-Schwester.

Vielen Dank für das Gespräch, Herr Gromov.


Das könnte Sie auch interessieren

Verwandte Artikel

AITAD