Schwerpunkte

SSV Software Systems

Der Trend geht hin zu Edge AI

27. Mai 2021, 10:17 Uhr   |  Meinrad Happacher

Der Trend geht hin zu Edge AI
© Pixabay / CC0

Edge AI ist auf dem Vormarsch

Der Schwerpunkt der IoT-Anwendungsentwicklung verlagert sich weg von der Cloud hin zur Sensorik. Der damit einhergehende Einsatz von Machine-Learning-Algorithmen direkt im Sensor oder seinem Umfeld ermöglicht ganz neue Ansätze für das Internet der Dinge.

Es gibt zahlreiche Gründe, warum ein permanenter Sensor-to-Cloud-Datenstrom für viele Anwendungen keine gute Idee ist. Immer größere Datenmengen, unzureichende Bandbreite, lange Latenzzeiten, Datenschutzprobleme und relativ hohe Betriebskosten sind nur einige Beispiele hierfür. Trotz allem hat sich die Cloud in den vergangenen Jahren als Datenverarbeitungsplattform für IoT-Daten etabliert, weil dort hochentwickelte, bedienerfreundliche und gut dokumentierte Werkzeuge und Möglichkeiten zur Datenverarbeitung existieren. Besonders wichtig ist auch die Möglichkeit des ortsunabhängigen Benutzerzugriffs auf die in der Cloud gespeicherten oder dort erzeugten Daten. Des Weiteren bietet eine Cloud nahezu unbegrenzte Ressourcen in Bezug auf Speicherkapazität und Rechenleistung, die darüber hinaus sehr professionell betreut werden und sogar Lastschwankungen automatisch ausbalancieren können.

Edge AI (AI: Artificial Intelligence) verfolgt einen völlig anderen Lösungsansatz: Daten sollen direkt vor Ort verarbeitet werden, um – vielfach sogar in Echtzeit – die jeweils erforderlichen Informationen zu erzeugen und zur automatischen Entscheidungsfindung zu nutzen.

Edge AI unterscheidet sich allerdings vom Edge Computing, das vielfach auch als Edge-Cloud-Einsatz bezeichnet wird. Hier geht es in der Regel darum, einfach Cloud-Dienste auf entsprechend leistungsfähiger Hardware direkt On-Prem vor Ort zu nutzen. Teilweise werden dabei sogar die gleichen Softwareschnittstellen (APIs) wie in den jeweiligen Cloud-Anwendungen verwendet. Edge Computing ist in erster Linie ein Hardware-Thema. Entscheidend ist hier aus Expertensicht der passende Edge-Computer.

Edge AI verfolgt eine etwas andere Zielsetzung. Es geht primär darum, leistungsfähige KI-Algorithmen auch im kleinsten Mikrocontroller zur Echtzeit-Datenanalyse und automatischen Entscheidungsfindung zu nutzen. Für solche Lösungen müssen Hardware und Software sorgfältig aufeinander abgestimmt sein.

Es sind allerdings auch verschiedene hybride Lösungen möglich. In einem solchen Fall senden die Edge-AI-Lösungen die per Machine-Learning-Algorithmen-Einsatz erzeugten Metadaten direkt an eine Cloud. Oder aber ein Edge AI-Sensor agiert als modulare Lösung, indem er mit einer Datenschnittstelle zu einem Edge Gateway ausgestattet ist, auf dem wiederum ein zum Sensor gehörender Docker-Container mit den Datenanalyse-Algorithmen abläuft.

Eine sehr dynamische Edge AI-Entwicklung ist aber zunächst einmal im Bereich der drahtlosen IoT-Sensorik mit Cloud-Integration zu erwarten; insbesondere in Bezug auf Innovation, Anwendungsvielfalt und den Bedarf an geeigneten Halbleiterchips.

Edge-AI-Anwendung Wireless Sensorik

Eine typische IoT-Anwendung
© SSV Software Systems

Eine typische IoT-Anwendung besteht aus drei elementaren Funktionsblöcken: der Sensorik, den Gateway-Funktionen sowie einer Cloud, zum Beispiel als IoT-Plattform mit verschiedenen Diensten. Sensoren und Gateway waren bisher in erster Linie als Datenlieferant für die Cloud konzipiert. Nun kommt mit der Edge AI eine weitere anspruchsvolle Aufgabe hinzu: dazu gehört die Echtzeit-Sensordatenanalyse direkt vor Ort an der Sensordatenquelle (beispielsweise als Machine-Learning-Inferenz per TensorFlow Lite).

Die Systemintegration von Funksensoren in IoT-Lösungen ist besonders in industriellen Anwendungen recht anspruchsvoll. Eine große Herausforderung ist nach wie vor der jeweilige Protokollstack. Er muss nicht nur für den Sensor selbst, sondern auch für das jeweils zum Einsatz kommende Gateway zur Verfügung stehen. Dabei sind neben den Funktionen und Schnittstellen die jeweiligen Lizenzmodelle zu beachten. Im Rahmen einer Entscheidungsfindung sollten sogar die hinter dem Code stehenden Entwickler bewertet werden. Schließlich erfordert eine industrielle Funksensorlösung auch für die Protokollsoftware qualifizierten Support für die kommenden 10 bis 15 Jahre. Eine Funkfirmware als Binärobjekt (Blob) aus einer intransparenten Quelle, wie für Wi-Fi- oder BLE-Implementierungen im Consumer-Bereich üblich, ist nicht in jedem Fall eine gute Wahl.

Ein weiterer wichtiger Themenkomplex für die Wireless-Sensorik einer Edge-AI-Lösung ist die IT- beziehungsweise IoT-Security. Dazu gehören zunächst einmal die Authentizität, Vertraulichkeit und Integrität der Sensordaten. Eine IoT-Anwendung am anderen Ende benötigt die 100- prozentige Sicherheit, dass die erhaltenen Daten auch tatsächlich von dem Sensor stammen, dessen Absender-Kennung als Quellangabe in den Sensordaten zu finden ist und dass diese Daten auf dem Übertragungsweg nicht verändert wurden. Bei der erforderlichen Ende-zu-Ende-Sicherheit wird häufig übersehen, dass die Sicherheitsmechanismen eines von MQTT- oder HTTPS-Verbindungen genutzten TLS-Protokolls in der Praxis architekturbedingt an mehr als einem Punkt ‚aufgebrochen‘ werden. Dadurch existieren mehrere Bereiche zwischen Sensor und Anwendung, in denen Sensordaten-Manipulation oder andere unerwünschte Eingriffe erfolgen können. Um derartige Risiken weitestgehend auszuschalten, ist aber nicht gleich eine Blockchain erforderlich. In der Praxis reicht es aus, wenn die Sensordaten direkt an der Quelle oder in unmittelbarer Nähe mit einer digitalen Signatur versehen werden, die von der Anwendung am anderen Ende in jedem Fall überprüft wird.

Seite 1 von 2

1. Der Trend geht hin zu Edge AI
2. OTA-Updates für Sensor und Gateway

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

SSV Software Systems GmbH

Industrie 4.0