Adapdix kündigt erstes Produkt der nächsten Generation der adaptiven KI-Softwareplattform EdgeOpsTM an

Bild: Adapdix Corporation

Adapdix kündigt EdgeOps DataMeshTM an, das erste reine Softwareprodukt, das auf der Adapdix EdgeOps-Plattform basiert und Massendatenvirtualisierung, -analyse und KI-Inferenz am Edge in Millisekunden liefert. Die EdgeOps-Plattform bietet eine wachsende Suite von Softwareprodukten, die mit DataMesh beginnt und es Unternehmen ermöglicht, ihre Daten zu nutzen, um betriebliche Leistungsverbesserungen durch intelligente Analysen, Anlagenoptimierung in Echtzeit und adaptive Maschinensteuerung zu erzielen. Da Halbleiter- und Präzisionshersteller aufgrund der weltweiten Chipknappheit zunehmend unter Druck geraten, können Unternehmen mit EdgeOps-Produkten ihre bestehenden Maschinen und Prozesse optimieren, um Ertrag, Durchsatz und Qualität zu maximieren.

Als KI/ML-Produkt der nächsten Generation mit Datenvirtualisierung und -analyse überwindet DataMesh die typischen Hürden des betrieblichen Datenmanagements in Echtzeit, indem es disparate Datenströme zusammenfügt und die Datenaufnahme, Vorverarbeitung und Edge-Inferencing in Millisekunden durchführt. DataMesh integriert alle kritischen Datenströme für die Echtzeitanalyse und ermöglicht sekundenschnelle Entscheidungen für kritische Operationen und reduzierte Ausfallzeiten von hochwertigen Anlagen bei marktführender Einfachheit und Geschwindigkeit der Implementierung.

Zu den KI/ML-Funktionen von EdgeOps DataMesh gehören KPI-Messungen, anpassbare Dashboards und eine API. Mit einer ausgeprägten Edge-optimierten Architektur bietet DataMesh  Flexibilität und Systemintegrationsfähigkeiten, die die Implementierung vereinfachen und dabei helfen, die typischen Edge-KI-Herausforderungen wie Datensilos, Latenz, Datensicherheit und ausufernde Kosten der Edge-to-Cloud-Datenübertragung zu überwinden. DataMesh-Anwender können Daten schnell und einfach in neue oder bestehende Tools und Anwendungen für eine Vielzahl von Anwendungsfällen einspeisen, einschließlich der Beobachtung des Anlagenzustands und der vorausschauenden Wartung.

Thematik: Technologie
Adapdix Corporation

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige