KI für Edge-Anwendungen »Mehr Intelligenz an der Datenquelle«

Der „Adlink Data River“ tauscht die Daten nicht nur zwischen den Geräten aus, sondern auch zwischen den Unternehmens-Domänen OT und IT.

Wie sich das Embedded-Computing-Geschäft und die Datenverarbeitung durch künstliche Intelligenz (KI) verändern wird, erklärt Jim Liu, Chairman und CEO von Adlink Technology.

Markt&Technik: Ist künstliche Intelligenz mehr als ein Trendthema?

Jim Liu: KI ist ein Buzzword geworden und jeder spricht darüber. KI wird aber einiges ersetzen, und das ist der eigentliche Trend dieser Technologie. Für uns bedeutet KI mehr Intelligenz in unterschiedlichen Geräten auf der Edge-Seite. Das kann in der Fabrik sein oder ein autonomes Fahrzeug auf der Straße. Die wichtigste Aufgabe für KI wird dabei die Bildanalyse und -verarbeitung sein.

Bislang hat man KI eher mit Rechenzentren in Verbindung gebracht.

KI kann überall eingesetzt werden, das ist das Tolle daran. Unser Fokus ist die Edge-Seite. Wir sind uns sicher, dass immer mehr Intelligenz von der Cloud- oder Server-Seite auf die Device-Seite übergeht – und damit kommt KI in immer mehr Geräte. Die Endpunkte bekommen immer mehr Intelligenz, um autonomer zu werden – autonome Fahrzeuge, autonome Robotik sind Beispiele dafür.

Warum muss man die Intelligenz in das Device bringen?

Dafür gibt es zwei Gründe. Alle Rohdaten, die auf der Edge-Seite gesammelt werden, sind wertvolle Information zur Steuerung der Edge-Seite. Die Intelligenz muss also so nahe an der Datenquelle sein wie möglich. Das kann eine Menge Aufwand und Kosten bei der Datenübertragung einsparen. Der zweite Grund sind die Latenzzeiten – auf der OT-Seite ist die Zeit entscheidend. Wenn in einem Fahrzeug die Entscheidung nicht sofort fallen kann, sondern man hat 1 bis 2 Sekunden Verzögerung, dann ist das ein Riesendesaster. Das muss einfach auf der OT-Seite passieren. Wir setzen daher ganz klar auf EVA – Edge Video Analysis.

KI in der Cloud oder am Edge – wer wird erfolgreich sein?

Wer kann in welcher Form erfolgreich liefern und installieren? Es ist nicht nur die Technologie, sondern weitere Faktoren spielen eine entscheidende Rolle. Zuerst einmal brauchen wir Daten – Qualitätsdaten! Dann brauchen wir Domain-Kenntnisse – wir müssen wirklich verstehen, was die Domäne braucht. Und dann braucht man ein Feld, um die KI zu testen. Wenn man diese drei Kriterien nicht erfüllt, wird es schwer, erfolgreich zu sein.

Und wenn man diese drei Kriterien erfüllt?

Dann muss man sich fragen, ob das wirklich schon genug ist. Man muss auch noch das Security-Thema im Auge behalten, genauso wie die Konnektivität. Und man muss sich auch über die Zukunft Gedanken machen, also über die Nachhaltigkeit, Haltbarkeit und Skalierbarkeit.

Kann man KI aus einer Hand bekommen?

Es gibt heute keine Firma, die das gesamte Spektrum an KI abdecken kann. Daher braucht man Allianzpartner, um es gemeinsam möglich zu machen.

Hat deshalb Adlink eine Partnerschaft mit Nvidia?

Ja, die GPU ist eine sehr wichtige Siliziumkomponente für zukünftige KI. Am Anfang waren GPUs einfache Grafikbeschleuniger. 90 Prozent der Edge-KI-Anwendungen sind Bild- und Videoanalytik – und damit sind GPUs an einer Schlüsselposition. Deshalb arbeiten wir seit drei Jahren mit Nvidia zusammen, um Edge-KI voranzubringen.

Welche Rolle hat Adlink dabei?

Wir verstehen die richtige Plattform zu bauen, um das richtige Silizium zu nutzen – GPU, CPU, SoC oder FPGA – und den Industrieansprüchen gerecht zu werden. Die Herausforderung für uns ist es, das zu vereinfachen und ein schnelles Time-to-Market zu erzielen. Und das so einfach wie möglich an der Edge-Seite auszuliefern. Wir haben die Erfahrung, die Hardware und Software so zu integrieren, dass der Kunde sie möglichst schnell einsetzen kann.

PCIe-Bus, MXM, USB – was ist der beste Bus für die Integration von KI-Beschleunigern?

Das hängt sehr stark von der Anwendungssituation ab. Wir wollen deshalb keine Standards vorschreiben, sondern sie nutzen, um den Kunden einen möglichst einfachen, effektiven und effizienten Zugang zu KI zu schaffen, der zu seinem Anwendungsfall passt.

Ich nehme an, das gilt auch für die Halbleiter-Basis wie CPU, GPU, VPU oder FPGA.

Ja! Diese Halbleiter haben alle ihre Stärken und Schwächen. Wir wollen deshalb unseren Kunden eine breite Basis an Technologien zur Verfügung stellen, damit sie die beste für ihre jeweilige Applikation nutzen können.