Herr Binder, wo werden die Rechner eingesetzt?

Raphael Binder: Sie übernehmen dezentrale KI-Aufgaben und werden daher als Edge-Computer eingesetzt. Sie stehen also typischerweise nicht in einem klimatisierten Serverraum, sondern werden im Feld eingesetzt – sei es in Fahrzeugen, Maschinen oder Produktionshallen. Entsprechend erfüllen sie hohe Anforderungen an Robustheit und Zuverlässigkeit.

Was wären typische Einsatzgebiete des Rechners in der Fertigung?

Raphael Binder: Wir nehmen aktuell mit verschiedenen Kunden aus dem Bereich Mobile-Computing erste Deep-Learning-Applikationen im Angriff. Das vor allem, weil Syslogic im Bereich von Fahrzeugcomputern sehr stark aufgestellt ist. Doch auch in der Fertigung sehen wir viele Anwendungen für KI-Embedded-Computer – etwa bei der Robotik, wo es darum geht, die Bewegungsabläufe mittels KI abzustimmen, oder bei Fahrerlosen Transportsystemen, die künftig dank KI auch in nicht überwachten Bereichen eingesetzt werden können.

Warum eignet sich der neue Rechner besonders für KI-Anwendungen?

Raphael Binder: Die Basis unseres KI-Embedded-Computers ist das Jetson-TX2i-Modul von Nvidia. Dieses zeichnet sich durch eine effiziente und leistungsstarke Quad-Core-Prozessorplattform aus. Herzstück des Jetson-TX2 ist das ARM-SoC Tegra X2 namens Parker. Es vereint zwei Rechenkerne mit der von Nvidia selbst entwickelten Denver-2-Mikroarchitektur mit vier Cortex-A57-Kernen und einer Pascal-GPU. Letztere verfügt über 256 Shader-Cores. Damit sind unsere KI-Computer bestens für KI-Anwendungen gewappnet.
Neben der eigentlichen Prozessorplattform trumpft Nvidia vor allem mit den JetPack Software Development Kit auf, das CUDA-Bibliotheken, Programmierschnittstellen und Beispiele enthält. Das erleichtert Anwendern den Einstieg in KI-Anwendungen ungemein.

Worum handelt es sich bei CUDA-Anwendungen?

Raphael Binder: Compute Unified Device Architecture – kurz CUDA – ist eine von Nvidia entwickelte Programmiertechnik, mit der die GPU eines Computers für parallele Berechnungen genutzt werden kann. Sie hat sich bereits breit etabliert und entsprechend stehen eine Großzahl an Bibliotheken und Entwicklertools zur Verfügung, was Anwendern die Umsetzung von KI-Anwendungen erleichtert.

Warum KI direkt in den Rechnern und nicht in der Cloud?

Raphael Binder: Daten müssen vor Ort ausgewertet und Entscheidungen augenblicklich getroffen werden. Bei Anwendungen in autonomen oder teilautonomen Fahrzeugen kann nicht erst auf Ergebnisse aus dem Rechenzentrum gewartet werden. Zudem hat ein Edge-Computer gerade im Fahrzeugeinsatz nicht immer Ver-
bindung zur Cloud. Dass allerdings nicht die Künstliche Intelligenz ganzer Rechenzentren mit Low-Power-Embedded-Systemen gestemmt werden kann, liegt auf der Hand. Entsprechend erledigen unsere als Edge-Computer eingesetzten Embedded-Systeme begrenzte Funktionen. Die ressourcenintensiven Berechnungen finden nachgelagert in der Cloud statt.