Neue Technologien wie autonomes Fahren, vernetzte Städte oder das Internet der Dinge (IoT) generieren eine wachsende Flut an Daten. Diese müssen gesammelt, gespeichert, verarbeitet und analysiert werden. Nur dann können Unternehmen die Daten zu ihrem Vorteil nutzen, z.B. um weitere Innovationen zu entwickeln oder daraus Erkenntnisse zu ziehen, die sie dabei unterstützen, bessere Entscheidungen zu treffen und Wettbewerbsvorteile zu erzielen. Edge Computing ist die Lösung für viele dieser Herausforderungen: Daten lassen sich direkt an der Edge sammeln und analysieren. Gleichzeitig benötigen Unternehmen eine geringere Bandbreite als bei der Verarbeitung in einem zentralen Rechenzentrum und können somit schneller agieren. Gerade bei der Vernetzung von Geräten aller Art im IoT spielt auch die künstliche Intelligenz (KI) ihre Vorteile aus. Die Implementierung von KI bei Edge Computing ermöglicht eine einfache Umsetzung von Aufgaben, die normalerweise extrem schwierig und vielschichtig sind. Dazu gehört beispielsweise auch kundenspezifische Qualitätsprüfungen. Machine Learning, kognitive Dienste, Bildverarbeitungsanalyse und andere komplexe Informationsmanagement-Aufgaben können an der Edge durchgeführt werden, um Anpassungen in Echtzeit vorzunehmen. Produktionsanlagen, autonome Fahrzeuge und komplexe Robotik profitieren von dieser höheren Stabilität, der reduzierten Latenzzeit und der gesteigerten Effizienz, die FoF (Force-on-Force)-Arbeitsgänge ermöglichen. Die Genauigkeit lässt sich durch den Einsatz einer KI über kontinuierliches Training erhöhen und dadurch gleichzeitig die Entwicklungszeit deutlich verkürzen.
Vision-KI für Edge Computing
Doch wie können Entwickler IoT-Anwendungen und -Geräte schnell und problemlos implementieren, damit Unternehmen von den Vorteilen von Edge Computing möglichst zügig profitieren können? Die Antwort darauf heißt Vizi-AI. Das SDK bietet die technischen Voraussetzungen, um die Vorteile von Edge Computing auszuschöpfen. Vizi-AI ist ein kleiner KI-Computer, der speziell für Entwickler entworfen wurde. Das SDK kombiniert Hardware und Software – und bietet so einen Ausgangspunkt für den Einsatz von Bildverarbeitungs-KI direkt an der Edge. Vizi-AI lässt sich für eine Vielzahl industrieller Anforderungen skalieren. Dabei wird immer dieselbe Software eingesetzt, aber je nach Bedarf eine entsprechend leistungsfähigere Hardware. Zu dem Kit gehören eine Reihe von vorgefertigten OpenVino-kompatiblen Modellen für Machine Learning, die sich Out-of-the-Box nutzen lassen. Das OpenVino Toolkit optimiert Deep Learning-Workloads auch über die Intel Architektur hinaus und erlaubt eine schnelle Installationen von der Edge bis zur Cloud. Die Edge-Software von Adlink bietet zudem über die Data River Software erweiterte Funktionen von OpenVino und gewährleistet einen dynamischen und sicheren Datenfluss. Anwender können darüber hinaus eine vorinstallierte Auswahl eigener Modelle dank des Edge Model Manager hinzufügen. Zu den weiteren Bestandteilen des Kits gehören Intel Atom-basierte SMARC Computermodule mit Intel Movidius MyriadX VPU und 40 Stiftsteckern. Das Adlink Edge Profile gewährleistet eine unkomplizierte Anwendererfahrung beim Management von Endgeräten und Applikationen. Einmal installiert, lässt sich eine Vielzahl von Bilddaten sammeln und analysieren, ob zu Trainingszwecken oder um neue Modelle zu entwickeln, hochzuladen und zu nutzen.
Fazit
Dank Vizi-AI lässt sich die Vernetzung von Anwendungen und Geräten für das IoT beschleunigen und vereinfachen. Das Sammeln und die Verarbeitung der Daten an der Edge entlasten Rechenzentren und Bandbreite. Gleichzeitig erhalten die Firmen belastbare Informationen und können flexibler agieren. Da Edge AI eine relativ neue Technologie ist, besteht noch kein einheitlicher Standard hinsichtlich Anwendungen und Systemen. In Zusammenarbeit mit Intel ist Adlink derzeit dabei, entsprechend offene Angebote zu entwickeln, die sich zu einem Standard entwickeln könnten.
www.adlinktech.com
