Schwerpunkte

Machine Learning

Künstliche Intelligenz erfordert Rechenpower

12. September 2019, 08:30 Uhr   |  Armin Erich

Künstliche Intelligenz erfordert Rechenpower
© iStockphoto

Durch die Integration von KI in industriellen Anwendungen steigt der Bedarf an Computing-Lösungen, die der Komplexität der gestellten Aufgaben gewachsen sind. Neben der CPU gewinnen auf KI-Algorithmen und große Datenmengen spezialisierte Prozessoren an Stellenwert.

Industrielle Anwendungen im Bereich der Künstlichen Intelligenz haben wesentlich höheren Leistungsanforderungen als bisherige ‚Standard‘-Applikationen. Zudem werden diese zunehmend in die Nähe der Sensorik beziehungsweise direkt an die Maschine verlagert. Grund hierfür ist, dass sich die anfallenden Datenmengen mit ihrer hohen Bandbreite kaum unter Einhaltung der im industriellen Umfeld geltenden Echtzeit-Anforderungen über ein schlecht kontrollierbares öffentliches Datennetz transportieren lassen – ganz zu schweigen vom Thema Datensicherheit.

KI an der Maschine erfordert allerdings eine leistungsfähige und gleichzeitig robuste Hardware. Wie muss diese ‚gestrickt‘ sein beziehungsweise wie unterscheiden sich die am Markt verfügbaren Technologien in ihrer Funktionsweise voneinander, und in welchen Szenarien lassen sie sich jeweils sinnvoll einsetzen? Zur Beantwortung dieser Frage sei zunächst ein Blick auf die im Rahmen von KI gängigen Begriffen erlaubt.

Seite 1 von 4

1. Künstliche Intelligenz erfordert Rechenpower
2. Definitionen und Abgrenzung der Begriffe
3. Spezialhardware für Trainingsvorgänge und Inferenzen?
4. Vor Ort oder in der Cloud?

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

InoNet Computer GmbH