ISSCC 2016 in San Francisco:

Das »Internet of Everything« ruht auf drei Säulen

2. Februar 2016, 19:07 Uhr | Gerhard Stelzer
Diesen Artikel anhören

Fortsetzung des Artikels von Teil 3

Automatisierte Echtzeit-Einblicke

»Unsupervised Deep Learning« benötigt viel Rechenleistung und damit mehr Silizium
»Unsupervised Deep Learning« benötigt viel Rechenleistung und damit mehr Silizium.
© ISSCC/Xerox/Google

Die dritte tragende Säule des Internet of Everything ist das automatisierte Bereitstellen von Echtzeitdaten, die sich aus den riesigen Datenmengen der intelligenten Objekte und allgegenwärtigen verteilten Sensoren destillieren lassen. Das IoE wird eine Fülle von individualisierten Daten über alles Mögliche zur Verfügung stellen: Leute, die durch Städte strömen, Patienten in Krankenhäusern, Werkstücke durch Fabriken, Fahrzeuge auf den Straßen usw. Dabei kommt es darauf an, dass die Durchführung einer automatisierten Echtzeit-Datenanalyse in einer die Privatsphäre des Einzelnen wahrenden und sicheren Weise erfolgt. Wenn eine Analyse noch Steuersysteme beeinflusst, dann entsteht ein digitales Nervensystem, das eine automatisierte breit angelegte Echtzeit-Optimierung in der realen Welt durchführt. Beispielsweise hilft Xerox Autofahrern Parkplätze zu finden, während gleichzeitig der Stadtverwaltung geholfen wird, mit Steuerung über die Festsetzung des Preises die Nutzung freier Parkplätze auszuweiten und den Verkehr zu reduzieren. Dabei wird man nicht umhinkommen abzuwägen, ob eine Analyse in der Cloud stattfindet, oder an den Rändern des Netzes. Computing an den Rändern erfordert eine extrem niedrige Leistungsaufnahme und kostengünstige Elektronik.

Die Erzeugung von automatisierten Echtzeit-Informationen am Rand des IoE wird möglich durch fortschrittliche Maschinenintelligenz-Software und die gerade aufkommenden Deep-Learning-Chips. Machine Learning lassen beispielsweise Kameras Objekte besser erkennen und klassifizieren. Und es gibt auch schon Ansätze, bei denen kein Training der Applikation mit ausgewählten Mustern erforderlich ist: »Unsupervised Deep Learning«, aber auch dieser Ansatz benötigt viel Rechenleistung und damit mehr Silizium.

Preisgünstige Deep-Learning Hardware mit eingebauten Sicherheitsfunktionen für mehr Privatsphäre: links ein Chip von MIT, rechts »TrueNorth« von IBM.
Preisgünstige Deep-Learning Hardware mit eingebauten Sicherheitsfunktionen für mehr Privatsphäre: links ein Chip von MIT, rechts »TrueNorth« von IBM.
© ISSCC/MIT/IBM

  1. Das »Internet of Everything« ruht auf drei Säulen
  2. Smarte Objekte des Alltags
  3. Information-zentrierte Netze
  4. Automatisierte Echtzeit-Einblicke

Lesen Sie mehr zum Thema


Das könnte Sie auch interessieren

Jetzt kostenfreie Newsletter bestellen!

Weitere Artikel zu Xerox Austria GmbH

Weitere Artikel zu Forschung und Lehre

Weitere Artikel zu Sensoren & -systeme