Wie Edge Computer Anwendungen für KI massentauglich machen

| Autor / Redakteur: Stefan Eberhardt * / Margit Kuther

KISS 4U V3 SKX: Der Server meistert High-End-Bildverarbeitung, SCADA/MES-Applikationen, AI und Machine Learning.
KISS 4U V3 SKX: Der Server meistert High-End-Bildverarbeitung, SCADA/MES-Applikationen, AI und Machine Learning. (Bild: bluemeetsyou.com / Kontron)

Mit dem IoT-Software Framework SUSiEtec von S&T Technologies kann Kontron Lösungen für Künstliche Intelligenz für seine Edge Computer aus einer Hand anbieten, so etwa für Visual Inspection.

Edge Computer erfüllen neben der Maschinensteuerung noch weitere wesentliche Aufgaben: Zum einen dienen sie als Gateways in das Netzwerk bis hin zum Internet. Und zum anderen können Embedded Computer direkt an der Maschine anspruchsvolle Aufgaben übernehmen, die in der Cloud aufgrund von Latenzzeiten und Bandbreitenbeschränkungen nicht erledigt werden können, etwa Anwendungen der Artificial Intelligence (AI; Künstliche Intelligenz (KI)).

Bei Visual Inspection werden Aufnahmen über eine Kamera, die entweder über USB oder Netzwerk angeschlossen ist, direkt auf dem Edge-Gerät von einem trainierten neuronalen Netz, im sogenannten Inference-Prozess, analysiert und ausgewertet, genauer als Menschen dazu in der Lage wären. Weitere Anwendungsmöglichkeiten für Computer mit Edge Performance sind Machine- und Deep-Learning, in deren rechenintensiven Prozessen zumeist vorgefertigte neuronale Netze trainiert werden, um dedizierte Anwendungen zu erfüllen. Dies Edge-seitig umzusetzen ist meist effizienter als zunächst Terabyte-weise Trainingsmaterial in die Cloud hochzuladen. Ein kompletter Prozess für Deep Learning besteht aus verschiedenen Phasen:

  • Samples sammeln,
  • Trainingsphase,
  • Gelerntes Netz transformieren,
  • Integration des trainierten Netzes in ein Produkt.

Trefferquote größer 80 Prozent gefordert

Nach den Kundenerfahrungen von S&T Technologies erwarten Kunden zumeist ein fertiges Produkt, beispielsweise wenn es um Objekterkennung geht. Ein „minimal viable product“, das also den Mindestanforderungen genügt, muss eine Trefferquote von mindestens 80% erreichen. Dabei sind die Anwendungsbeispiele vielfältig: So sollen Waagen im Supermarkt in die Lage versetzt werden, automatisch zu erkennen, welche Art Obst oder Gemüse abgewogen wird; Kunden müssen sich dann nicht mehr die dazugehörigen Nummern merken und von Hand eingeben. Angestellte an der Kasse müssen nicht mehr prüfen, ob der Kunde den richtigen Preis ermittelt hat.

Ein weiteres Beispiel: Bei der professionellen dauerhaften Haarentfernung mittels Laser beim Hautarzt kann das Gerät automatisch erkennen, auf welchen Hauttyp es sich einstellen soll. Eine aufwändige Untersuchung und Justierung durch den Arzt ist nicht mehr notwendig. Und bei Reparaturen und Instandhaltung reicht ein Foto des auszutauschenden oder defekten Teils, damit die Software oder App das Teil korrekt identifiziert und gegebenenfalls sofort die Bestellung des Ersatzteils auslöst.

S&T Technologies macht dabei oft die Erfahrung, dass Unternehmen bereits erprobte und bewährte Visual-Inspection-Systeme in Betrieb haben. Diese sind manchmal bereits weit über zehn Jahre im Einsatz und dadurch perfekt auf die Anwendung abgestimmt. Neue AI-Lösungen haben es naturgemäß schwer, sich gegen etablierte Systeme durchzusetzen. Oft fehlt inzwischen die Kenntnis einer effizienten Programmiersprache zur Entwicklung einer neuen Lösung.

Einfache Programmierung von AI-Anwendungen

Hier bietet das AI-Software Framework von SUSiEtec eine Alternative. Es erlaubt Entwicklern, die Learning- und Inference-Phase in den gängigen Sprachen .Net und Java unter Windows zu programmieren. Hardwareseitig zeigt sich, dass Embedded Computer für AI-Aufgaben ausreichend gerüstet sind, denn in der Praxis spielt die Auswertegeschwindigkeit oft nur eine geringe Rolle: Der Unterschied zwischen einer Zehntel und zwei Sekunden ist für die Anwendung oft nicht entscheidend. Kräftige Hardware-Beschleuniger wie Intels Movidius-Chips für neuronale Netze sind deshalb meistens in zeitkritischen Szenarien erforderlich, nicht aber in jeder Anwendung.

Neben Visual Inspection sind auch AI-Anwendungen in der Texterkennung und -Wiedergabe, der Audioerkennung und Verhaltensmustererkennung denkbar. Über die Audioerkennung lassen sich etwa ungewöhnliche Vibrationen identifizieren, die auf ein fehlerhaftes Maschinenteil hindeuten. So könnten etwa Züge „im Vorbeifahren“ geprüft werden. Firewalls in IT-Netzwerken werden über kurz oder lang „lernen“, was normales Verhalten im Netzwerk ist und bei als ungewöhnlich erkannten Aktivitäten Alarm schlagen oder sogar erste Schutz- und Abwehrmaßnahmen einleiten.

Software Framework SUSiEtec von S&T Technologies: realisiert die Vernetzung von IoT- und anderen Komponenten in Industrieumgebungen „from Edge to Fog to Cloud“.
Software Framework SUSiEtec von S&T Technologies: realisiert die Vernetzung von IoT- und anderen Komponenten in Industrieumgebungen „from Edge to Fog to Cloud“. (Bild: S&T Technologies)

AI maßgeschneidert für alle Einsatzbereiche

Die Grundlagenforschung von vielen Internetkonzernen sowie aus den Universitäten wie Harvard und anderen Forschungsinstituten tut ihr Übriges zur Entwicklung von AI-Anwendungen. Auf dieser Basis können nun auch kommerzielle Unternehmen eigene Anwendungen umsetzen: Hier ist der Punkt, an dem Kontron mit S&T Technologies ansetzt. Sie ermöglichen ihren Kunden, sich auf ihre Kernkompetenzen zu konzentrieren und setzen State-of-the-Art-Technologien maßgeschneidert um, genauso wie es der Kunde benötigt, etwa die automatisierte Bildersuche einer Internetsuchmaschine.

Die gleichen neuronalen Netze kommen zum Einsatz, wenn eine AI-Anwendung von S&T Technologies Produkte kategorisiert. Ausgeführt und beschleunigt wird die Anwendung natürlich auf Hardware von Kontron. Grundsätzlich halten Kontron und S&T Technologies den Markt reif für skalierbare AI-Lösungen, da alle Komponenten quasi „von der Stange“ verfügbar sind. Zudem unterstützt die S&T-Gruppe ihre Kunden beim Einstieg in diese neue Technologie, mit dem IoT Software Framework SUSiEtec. Bei der visuellen Erkennung, als prominentes Beispiel, beinhaltet dies die Klärung der Hardware-Anforderungen, Auswahl und Integration von Open-Source-Modulen und -Paketen sowie die Kapselung komplexer Probleme, z.B. über Docker.

Durch diese enorme Komplexität ergeben sich beim Zusammenspiel oft viele kleine Probleme, die dann von Kontron gemeinsam im Verbund mit der S&T-Gruppe für die Kunden gelöst werden können. Der Kunde wird auf seiner gesamten Reise von der Beratung bis hin zu einem fertigen, maßgeschneiderten Produkt begleitet. Vielfältige AI-Einsatzmöglichkeiten sind heute nicht nur denk- sondern auch umsetzbar.

Edge Computing: schon bald keine Randerscheinung mehr?

Edge Computing: schon bald keine Randerscheinung mehr?

27.06.19 - Ein rasantes Wachstum von Edge Computing scheint unmittelbar bevorzustehen, wie jüngste Studienergebnisse verlautbaren lassen. Der gleichzeitig starke Rückgang an Fachkräften könnte jedoch Probleme mit sich bringen und wo kommt eigentlich die benötigte Energie her? lesen

* Stefan Eberhardt verantwortet bei S&T Technologies in Augsburg das Business Development für Artificial Intelligence.

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45946324 / Embedded Boards & PCs)