Startseite > Halbleiter > Mikrocontroller > AI of Things - Implementierung auf MCUs

KI im Edge

AI of Things - Implementierung auf MCUs

29. Juni 2021, 9:14 Uhr | Kavita Char, Senior Staff Product Marketing Manager bei Renesas Electronics

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 2

Gigantisches Marktpotenzial

In den letzten zehn Jahren ist die Zahl der für das Internet der Dinge (IoT) genutzten Geräte explosionsartig angestiegen, und zwar in Marktsegmenten, die von medizinischen Geräten über die Haus- und Gebäudeautomation bis hin zur Industrieautomatisierung reichen. Dabei handelt es sich um Devices, wie Wearables, Sensoren, Haushaltsgeräte und medizinische Monitore, die alle miteinander verbunden sind, massive Datenmengen sammeln und austauschen. Eine neue Prognose der International Data Corporation (IDC) schätzt, dass es im Jahr 2025 41,6 Milliarden vernetzte IoT-Geräte oder "Dinge" geben wird, die 79,4 Zettabytes (ZB) an Daten erzeugen.

Ein wesentlicher Treiber für diese rasante Entwicklung des IoT ist die allgegenwärtige drahtlose Konnektivität, die es erlaubt, Dinge miteinander und mit dem Internet zu verbinden. Diese Hyperkonnektivität hat viele Vorteile, wie z. B. die automatische Steuerung, die einfache Kommunikation zwischen Geräten und die gemeinsame Nutzung von Daten. Sie ermöglicht auch das Sammeln und Teilen riesiger Datenmengen, die als Grundlage für intelligente Entscheidungen genutzt werden können. Mit der zunehmenden Anzahl an vernetzten Geräten wächst auch die Menge an Daten, die erzeugt wird. IDC prognostiziert, dass die von diesen Devices generierte Datenmenge im Zeitraum von 2018 bis 2025 eine jährliche Wachstumsrate von 28,7 Prozent aufweisen wird.

AIoT ermöglicht es Anwendern, IoT-Rohdaten in nützliche Erkenntnisse umzuwandeln, aus denen das System lernen und die Entscheidungsfindung vorantreiben kann. MarketsandMarkets prognostiziert, dass die Größe des globalen AI im IoT-Markt von 5,1 Mrd. Dollar im Jahr 2019 auf 16,2 Mrd. Dollar bis 2024 wachsen wird, mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 26,0 Prozent während des prognostizierten Zeitraums. Laut MarketsandMarkets zählen zu den wichtigsten markttreibenden Faktoren, die effiziente Echtzeitverarbeitung riesiger Datenmengen, um wertvolle Erkenntnisse zu gewinnen, sowie die Echtzeitüberwachung, verbesserte Benutzererfahrung und reduzierte Wartungskosten sowie geringere Ausfallzeiten.

Die wichtigsten Markttrends:

Der Markt für KI-fähige Edge-Geräte wird das am schnellsten wachsende Segment innerhalb des AIoT sein.
Es gibt eine wachsende Akzeptanz von KI-Technologien in IoT-Endgeräten. Unternehmen wechseln von Cloud-basierter KI zu Edge-KI, um Latenzzeiten und Kosten zu reduzieren und Echtzeitüberwachung zu ermöglichen.
Eine Analyse von Deloitte prognostiziert, dass der Absatz von Edge-KI-Chips 1,5 Milliarden Einheiten übersteigen wird, was einem jährlichen Absatzwachstum von mindestens 20 % entspricht.
Gartner prognostiziert, dass bis 2022 mehr als 80 Prozent der IoT-Projekte in Unternehmen eine KI-Komponente enthalten werden - heute sind es nur 10 Prozent.
Viele Technologieunternehmen im IoT-Bereich investieren in erheblichem Umfang in KI, um neue »intelligente« Produkte zu liefern, die Geschäftseffizienz zu steigern und Daten zu nutzen, um tiefere Business Insights zu gewinnen und die Kundenerfahrung zu verbessern.
Venture-Capital-Finanzierungen und Übernahmen von KI-fokussierten IoT-Start-ups nehmen rasant zu.
Anbieter von IoT-Plattformen wie Amazon, IBM, Microsoft und Oracle integrieren KI-Funktionen in ihre wichtigsten allgemeinen und industriellen IoT-Plattformen.

Die Implementierung von KI auf ressourcenbegrenzten MCUs wird in Zukunft exponentiell steigen. Es werden immer wieder neue Anwendungen und Anwendungsfälle hinzukommen, da sich die Leistungsgrenzen von MCUs noch oben verschieben und die Grenze zwischen MCUs und MPUs verwischen. Darüber hinaus werden immer schlankere NN-Modelle verfügbar, die für ressourcenbeschränkte Bausteine geeignet sind. Künftig wird es bei steigender MCU-Leistung möglich sein, dass neben der Inferenz auch schlanke Lernalgorithmen implementiert werden, die direkt auf der MCU ausgeführt werden. Dies eröffnet MCU-Herstellern neue Märkte und Anwendungen mit erheblichem Investitionspotential.