Embedded-Systeme für KI-Anwendungen

Künstliche Intelligenz trifft Embedded

An künstlicher Intelligenz (KI) und maschinellem Lernen führt kein Weg vorbei. Die Automobilindustrie, die industrielle Automation, die Landwirtschaft - kaum ein Sektor, der nicht vor tiefgreifenden Veränderungen steht. Mit KI-fähigen Embedded-Systemen steht künstliche Intelligenz zunehmend direkt at the Edge zur Verfügung.
 Der KI-Edge-Computer S A2 verfügt über vier Ethernet-Schnittstellen mit jeweils eigenen NICs für eine latenzfreie Sensoransteuerung. Damit eignet sich der Box-PC ideal für Intelligence-Edge-Anwendungen wie Inferencing oder Perception.
Der KI-Edge-Computer S A2 verfügt über vier Ethernet-Schnittstellen mit jeweils eigenen NICs für eine latenzfreie Sensoransteuerung. Damit eignet sich der Box-PC ideal für Intelligence-Edge-Anwendungen wie Inferencing oder Perception.Bild: Syslogic GmbH

Künstliche Intelligenz (KI) hat lange im Datencenter stattgefunden. Seit einigen Jahren steht sie dank neuartiger Prozessortechnologie immer häufiger am Netzwerkrand bereit. Dadurch eröffnen sich neue Anwendungsgebiete. Insbesondere, wenn eine sehr kurze Latenzzeit zwingend ist oder wenn eine Maschine nicht ständig mit dem Netz verbunden ist, werden KI-gestützte Embedded-Systeme eingesetzt.

Vom autonomen Fahren bis zur vorausschauenden Wartung

Diese übernehmen heute vielseitige Inferenzfunktionen, treffen also selbstständig Schlussfolgerungen. Zum Beispiel die Analyse und Kategorisierung von Bilddaten. Weiter lassen sich KI-fähige Embedded-Systeme zur Umgebungswahrnehmung einsetzen. Daten verschiedener Sensoren wie Lidar, Radar, Ultraschall oder Kamera werden gesammelt und praktisch in Echtzeit zu einem Gesamtbild zusammengetragen. Man spricht dabei von Sensorfusion. Durch Sensorfusion wiederum sind Embedded-Systeme dank paralleler Prozessortechnologie und cleverer KI-Algorithmen in der Lage, selbstständig intelligente Entscheide abzuleiten. Die Einsatzmöglichkeiten von künstlicher Intelligenz in der Industrie sind vielseitig. Sei es für Fahrassistenzsysteme in Fahrzeugen, für autonomes oder teilautonomes Fahren, für Robotikanwendungen oder für Smart Farming. Wertvolle Dienste leistet KI außerdem in der vorausschauenden Wartung. Betrieb, Wartung und Reparatur von Maschinen oder Fahrzeugen werden dabei so effizient wie möglich gestaltet. Sensordaten werden fast latenzfrei ausgewertet. Auffälligkeiten und bevorstehende Ausfälle sind frühzeitig zu erkennen. Weiter kann ein System wenn nötig sofort reagieren und beispielsweise einen Notstopp einleiten, um Beschädigungen zu verhindern. Dadurch lassen sich Wartungsaufwand und Stillstandzeiten von Maschinen oder Fahrzeugen reduzieren und langfristig planen. KI-getriebene Wartung lässt sich nicht nur auf einzelne Maschinen, sondern auf die gesamte Wertschöpfungskette anwenden. Weiter wird KI bereits heute für die sensorbasierte Inspektion und Überwachung eingesetzt. Sei es die Qualitätskontrolle von Rotorblättern für Windturbinen, die Kontrolle von Bahnschienen und -weichen oder medizinische Diagnostik. Grundsätzlich bietet KI branchenübergreifend Möglichkeiten, um Effizienz, Sicherheit und Komfort zu verbessern.

Module inklusive Entwicklerumgebung

 Künstliche Intelligenz (KI) unter Extremsituationen, dafür ist der IP67-geschützte KI-Rugged-Computer RS A2 von Syslogic ausgelegt. Der Box-PC basiert auf einem TX2i-Modul aus der Nvidia-Jetson-Reihe.
Künstliche Intelligenz (KI) unter Extremsituationen, dafür ist der IP67-geschützte KI-Rugged-Computer RS A2 von Syslogic ausgelegt. Der Box-PC basiert auf einem TX2i-Modul aus der Nvidia-Jetson-Reihe.Bild: Syslogic GmbH

Wegbereiter für diese lokale KI sind GPU-beschleunigte Prozessorplattformen. Marktführer ist Nvidia. Das Unternehmen stellt mit seiner Jetson-Produktfamilie eine leistungsfähige Plattform für Industrieanwendungen zur Verfügung. Die Produktfamilie beinhaltet Module in verschiedenen Leistungsklassen. Angefangen beim Jetson Nano über den Jetson TX2 und Jetson Xavier NX bis zum Jetson AGX Xavier. Weiter bietet Nvidia mit dem Jetpack SDK eine für alle Module einheitliche Entwicklerumgebung. Diese beinhaltet das Linux Betriebssystem (L4T) sowie KI-Bibliotheken für Deep Learning, maschinelles Sehen, beschleunigtes Computing und Multimedia. Zudem werden Treiber für eine Vielzahl von Sensoren unterstützt. Damit liefert Nvidia einen Werkzeugkasten, der den einfachen und schnellen Einstieg in KI-Applikationen ermöglicht.

KI meets Embedded

Eines der ersten Unternehmen, das die Nvidia-Technologie in robuste Embedded-Computer integriert hat, ist Syslogic. Das Unternehmen mit Niederlassungen in Deutschland und in der Schweiz ist offizielle Nvidia-Jetson-Ecosystem-Partnerin und bietet seit 2018 KI-fähige Embedded-Computer. Syslogic kombiniert das Nvidia-Jetson-Modul mit einem eigenen Board-Design, das auf die Anforderungen der Industrie ausgelegt ist. Als eines von wenigen europäischen Unternehmen verfügt Syslogic über eine eigene Entwicklungsabteilung sowie über eigene europäische Fertigungswerke mit SMD-Bestückung. Zum industriellen Elektronikdesign gehört der Verzicht auf bewegliche Teile. Weiter bietet Syslogic optional verschraubbare Steckverbinder und robuste Gehäuse bis Schutzklasse IP67. Das ist insbesondere bei Geräten für den Fahrzeug- oder Ausseneinsatz wichtig. Diese KI-Rugged-Computer sind zudem für den erweiterten Temperaturbereich von -25 bis +65°C ausgelegt und sind gegen Betauung geschützt. Geräte auf Basis des Jetson-TX2i-Moduls sind sogar für -40 bis +70°C zugelassen.

Seiten: 1 2Auf einer Seite lesen

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