Bahn-Computer auf Basis von Nvidia Jetson AGX Industrial

Bild: Syslogic GmbH

Der KI-Railway-Computer RSL A3 von Syslogic, basierend auf dem neuen Jetson-AGX-Xavier-Industrial-Modul von Nvidia, ebnet den Weg für künftige KI-gestützte Bahnanwendungen. Die Anforderungen an Bahnelektronik sind hoch. Das eben lancierte Industrial-Modul bietet die Leistung des bewährten Jetson AGX Xavier, ist aber speziell für anspruchsvolle Umgebungsvoraussetzungen konzipiert. Es eignet sich für extreme Temperaturen und ist schock- und vibrationsbeständig. Das neue Modul verfügt über eine 512-Kern-Nvidia-Volta-GPU mit 64 Tensor-Cores, zwei Deep-Learning-Beschleuniger, zwei Vision-Beschleuniger und über eine Acht-Kern-Nvidia-Carmel-Arm-CPU. Damit eignet sich das Jetson-Modul für KI-Applikationen wie intelligente Video-Analyse, Computer Vision, Inferencing, Machine Learning oder autonomes Fahren.

Dieses Modul kombiniert Syslogic für den Railway-Computer RSL A3 mit einem eigenen Trägerboard und einem robusten Gehäuse. Mit mehr als 30 Jahren Erfahrung im Bahnmarkt kennt Syslogic die Anforderungen von Bahnbetreibern und Schienenfahrzeugherstellern. Die gesamte Elektronik des Railway-Computers ist auf den langfristig zuverlässigen Bahnbetrieb ausgelegt. Er eignet sich für den Temperaturbereich von mindestens -40 bis +70 Grad Celsius. Die Boards des Railway-Computers sind mittels Conformal Coating gegen Betauung geschützt. Neben dem Elektronik- und Gehäusedesign sorgen verschraubbare M12-Steckverbinder für einen zuverlässigen Betrieb unter Extremsituationen. Weiter verfügt der KI-Computer über einen galvanisch getrennten Speisungseingang. Der RSL A3 hat die Bahnzertifizierung nach EN50155 bestanden. Weiter erfüllt er die Brandschutznorm EN45545-2 HL3 und ist schock- und vibrationsbeständig nach EN61373.

Thematik: Technologie
Syslogic GmbH

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