Moxa - Artificial Intelligence of Things

Edge-Computing für das industrielle AIoT

Artificial Intelligence of Things
Edge-Computing für das industrielle Artificial Intelligence of Things
© Moxa

Mit dem IIoT können Unternehmen riesige Datenmengen mit Hilfe künstlicher Intelligenz analysieren und wertschöpfend einsetzen. Datenerfassung und -analyse erfolgen dabei immer häufiger am Rand des Feldes, sprich: „an der Edge“. Entscheidend ist der passende Edge-Computer.

IoT-Anwendungen erzeugen mehr Daten als je zuvor. Bei vielen industriellen Anwendungen, insbesondere bei hochgradig verteilten Systemen in abgelegenen Regionen, ist es unter Umständen nicht möglich, ständig große Mengen von Rohdaten an einen zentralen Server zu senden. Um Latenzzeiten zu verkürzen, die Kosten für die Datenkommunikation und -speicherung zu senken und die Netzwerkverfügbarkeit zu erhöhen, gehen die Unternehmen dazu über, für die Entscheidungsfindung und die Durchführung von Aktionen vor Ort in Echtzeit künstliche Intelligenz (KI) und maschinelles Lernen einzusetzen.

Diese hochmodernen Anwendungen, bei denen KI-Fähigkeiten in IoT-Infrastrukturen eingesetzt werden, werden als „AIoT“-Anwendungen (Artificial Intelligence of Things, AIoT) bezeichnet. Zwar müssen KI-Modelle nach wie vor in der Cloud trainiert werden, aber das Erfassen von Daten und das Ableiten von Rückschlüssen (Inferencing) kann vor Ort erfolgen, indem trainierte KI-Modelle auf Edge-Computern eingesetzt werden. In diesem Beitrag wird beschrieben, wie Sie den richtigen Edge-Computer für Ihre industrielle AIoT-Anwendung auswählen.

KI-Einbindung in das IIoT

Die Zahl industrieller Geräte, die mit dem Internet verbunden sind, nimmt Jahr für Jahr weiter zu und wird im Jahr 2025 voraussichtlich 41,6 Milliarden Endpunkte erreichen. Eine manuelle Analyse der Informationen, die z.B. von allen Sensoren an einem Montageband erzeugt werden, ist nahezu unmöglich. Es ist kaum verwunderlich, dass „weniger als die Hälfte der strukturierten Daten eines Unternehmens aktiv für die Entscheidungsfindung verwendet wird – und weniger als 1 % ihrer unstrukturierten Daten werden analysiert oder überhaupt verwendet“ [1]. Künstliche Intelligenz und maschinelles Lernen helfen, dieses ungenutzte Potenzial zu heben.

In der vorstehend beschriebenen Industrieanwendung bietet das AIoT die Möglichkeit, Arbeitskosten zu senken, menschliche Fehler beispielsweise bei einer manuellen Qualitätsprüfung zu reduzieren und die vorbeugende Wartung zu optimieren. Die ‚Künstliche Intelligenz der Dinge‘ (AIoT) bezeichnet den Einsatz von KI-Technologien in Anwendungen des ‚Internet der Dinge‘ (Internet of Things, IoT) zur Verbesserung der betrieblichen Effizienz, der Mensch-Maschine-Interaktionen sowie der Datenanalyse und -verwaltung [2]. Aber was genau ist unter KI zu verstehen, und wie passt sie in das industrielle Internet der Dinge (IIoT)?

‚Künstliche Intelligenz‘ als allgemeines Wissenschaftsgebiet beschäftigt sich mit der Konstruktion von intelligenten Programmen und Maschinen, um Probleme zu lösen, die traditionell durch menschliche Intelligenz bewältigt werden. Zur künstlichen Intelligenz zählen u.a. das „maschinelle Lernen“ (ML). Diese spezielle Untergruppe versetzt Systeme in die Lage, durch Erfahrung zu lernen und z.B. Prozesse dadurch automatisch und ohne Programmierung anzupassen, z.B. durch spezielle Algorithmen wie etwa neuronale Netze. Ein verwandter Begriff ist ‚Deep Learning‘ (DL), eine Teilmenge des maschinellen Lernens, bei dem mehrschichtige neuronale Netze aus riesigen Datenmengen lernen.

Fokus auf KI-basierte Videoanalyse

Da KI eine so breit gefächerte Disziplin ist, wird im Folgenden vor allem darauf eingegangen, wie Computer-Vision oder KI-basierte Videoanalyse[HB1]  für Klassifizierungs- und Erkennungsaufgaben in Industrieanwendungen genutzt werden. Vom Auslesen von Daten aus der Fernüberwachung und vorbeugenden Wartung über die Identifizierung von Fahrzeugen über landwirtschaftliche Drohnen und Outdoor-Patrouillenroboter bis hin zur automatischen optischen Inspektion (AOI) kleinster Defekte an Golfbällen [3] und anderen Produkten – Computer-Vision und Videoanalyse ermöglichen eine höhere Produktivität und Effizienz für industrielle Anwendungen.

 


  1. Edge-Computing für das industrielle AIoT
  2. Verlagerung von KI in den Edge-Bereich des IIoT
  3. Die Edge-Computing-Ebenen
  4. Die Entwicklungstools
  5. Edge-Computing für industrielle AIoT-Anwendungen – Beispiel Maschinenbau

Das könnte Sie auch interessieren

Verwandte Artikel

Moxa Europe GmbH, MOXA Technologies Co. Ltd.