Edge-Computing, KI und maschinelles Lernen sind in Internet-of-Things-Anwendungen auf dem Vormarsch. Diese Technologien haben sich aus der Forschungs- und Prototypenphase heraus entwickelt und werden nun in praktischen Anwendungsfällen in vielen verschiedenen Branchen eingesetzt. Die Symbiose von Edge Compute und künstlicher Intelligenz ist besonders interessant, da künstliche Intelligenz die extrem schnelle Verarbeitung von Daten erfordert, die Edge Computing ermöglicht; währenddessen ermöglicht KI eine höhere Leistung von Rechenressourcen und Intelligenz am Edge.
In diesem Artikel befassen wir uns mit Edge Computing (EC), künstlicher Intelligenz (KI) und maschinellem Lernen (ML) und wie diese Kombination die Netzwerkinfrastruktur verändert, neue Anwendungsfälle ermöglicht und die nächste Generation der Datenverarbeitung schafft.
Der Paradigmenwechsel im Rechenzentrum, der zu Edge Compute führte
Ein Rechenzentrum zentralisiert den IT-Betrieb und die IT-Ausstattung eines Unternehmens. Es beherbergt Computersysteme und zugehörige Komponenten wie Telekommunikations- und Speichersysteme. Häufig sind redundante Stromversorgungssysteme, Datenkommunikationsverbindungen, Umgebungskontrollen und Sicherheitseinrichtungen enthalten.
Die Rolle und Zusammensetzung eines Rechenzentrums hat sich in den letzten zehn Jahren erheblich verändert und entwickelt sich weiter. Früher war der Aufbau eines Rechenzentrums eine langfristige Verpflichtung mit Ineffizienzen bei der Stromversorgung/Kühlung, keine Flexibilität bei der Verkabelung und keine Mobilität innerhalb oder zwischen Rechenzentren. In den heutigen Rechenzentren geht es um Geschwindigkeit, Leistung und Effizienz.
Das Rechnen im Rechenzentrum bietet traditionell einen Vorteil gegenüber verteilter, lokalisierter Hardware. Rechenzentren sind relativ kostengünstig und können bei Bedarf große Mengen an Informationen verarbeiten. Allerdings sind auch Rechenzentren nicht perfekt. Einer der größten Nachteile ist, dass die Daten zur Verarbeitung an eine zentrale Stelle gesendet werden müssen und dann zurückgeschickt werden, um das Ergebnis anzuzeigen oder Maßnahmen zu ergreifen. Diese Hin- und Her-Kommunikation, oft über Verbindungen mit begrenzter Bandbreite, reduziert die Geschwindigkeit, mit der eine Anwendung laufen kann. Wir alle kennen dies vom Laden einer Website, die in einem entfernten Rechenzentrum gehostet wird.
Mit dem Einsatz von 5G-Netzen der nächsten Generation Mobilfunk auf der ganzen Welt,
Edge-Computingmaschinelles Lernen und künstliche Intelligenz an Popularität gewonnen haben. Edge Computing verarbeitet Daten lokal, in der Nähe oder direkt dort, wo sie erzeugt wurden. Dadurch entfällt die Notwendigkeit, eine große Menge an Informationen zwischen dem Edge-Gerät und einem zentralen Rechenzentrum hin und her zu senden.
Intelligenz am Rande
Einer der wichtigsten Faktoren für Intelligenz am Rande - oder Edge-KI - ist kompakte, kostengünstige und leistungsstarke Hardware. Noch vor einigen Jahren wäre es unmöglich gewesen, KI lokal auszuführen, da die Größe und die Kosten der Hardware unerschwinglich gewesen wären. Da sich das Mooresche Gesetz jedoch weiterhin bewahrheitet hat und die Rechenleistung billiger geworden ist, ist lokalisierte KI nun Realität. Tatsächlich wird sie so populär, dass die Beratungsfirma,
Deloitte, prognostiziert 750 Millionen Edge-KI-Chips werden allein im Jahr 2020 in Geräte eingebaut werden. Deloitte geht außerdem davon aus, dass diese Zahl weiter steigen wird, mit einer Schätzung von 1,5 Milliarden verkauften Edge-KI-Chips im Jahr 2024.
Neben der abstrakten Analyse dieser Zahlen kann es aufschlussreich sein, sich ein reales Beispiel für den Einsatz von Edge AI anzusehen. Der Computerchip-Hersteller NVIDIA setzt
GPUs in Überwachungskameras. Der Grafikprozessor ermöglicht es der Kamera, die Erkennungssoftware auszuführen, ohne dass das Video zur Verarbeitung an ein Datenzentrum gestreamt werden muss. In einer intelligenten Stadt, die Tausende dieser Kameras haben könnte, kann der Verzicht auf das Streaming all dieser Daten eine enorme Kostenersparnis bedeuten. Diese KI-fähigen Kameras können nicht nur Erkennungsaufgaben durchführen, sondern mit ihrer lokalen Intelligenz auch dabei helfen, den Verkehr zu regeln und andere fortschrittliche Funktionen in Verbindung mit einer
intelligente Stadtein weiteres Thema, das uns hier bei Digi sehr am Herzen liegt.
Siri und Alexa sind zwei weitere interessante Beispiele für Programme, die Edge-KI einsetzen. Anstatt lokalisierte Hardware zu verwenden, nutzen diese Spracherkennungsplattformen ein Edge-Netzwerk. Da ein Edge-Netzwerk im Wesentlichen aus mehreren kleineren, verteilten Rechenzentren besteht, müssen die Informationen nicht weit reisen, um verarbeitet zu werden. Ein Edge-Netzwerk ist für ein großes Unternehmen wie Apple oder Amazon praktikabel. Für kleinere Unternehmen bietet jedoch lokalisiertes Edge-Computing in Verbindung mit KI den besten Service zu erschwinglichen Kosten.
Die Vorteile von Edge AI
Einer der Hauptvorteile von Edge-KI ist die Geschwindigkeit. Jede Aufgabe oder Aktion kann schneller durchgeführt werden, wenn die Daten zur Verarbeitung nicht hin- und hergeschickt werden müssen. Ein weiterer Vorteil ist die Möglichkeit, Probleme zu erkennen, indem intelligente Geräte und Analysefunktionen integriert werden, um Intelligenz am Rande des Netzwerks für schnelle Erkenntnisse einzusetzen.
Diese Vorteile ermöglichen wichtige Einblicke und Funktionen wie die vorausschauende Wartung, bei der KI und Edge-Computing perfekt zusammenarbeiten, um Probleme zu erkennen, die zu Systemausfällen führen können, und diese Daten schnell an das Personal weiterzuleiten, das sich darum kümmern kann.
Die Spracherkennung stützt sich zunehmend auf Edge-KI, zumal Verbraucher eine sofortige Antwort erwarten. Es gibt auch industrielle Anwendungen, bei denen KI-fähige Kameras und andere Sensoren die Produktion überwachen und anpassen können, ohne dass sie mit einem zentralen Prozessor verbunden sein müssen.
Dies bringt einen weiteren wichtigen Punkt zur Sprache: Edge AI kann funktionieren
ohne eine Netzwerkverbindung. Im Falle einer Unterbrechung der Netzwerkverbindung kann ein Edge-Gerät weiterhin normal funktionieren, z. B. zur Steuerung von Ampeln an einer belebten Kreuzung.
Es besteht das Missverständnis, dass Edge Computing letztlich das Cloud Computing ersetzen wird, aber das ist nicht unbedingt der Fall. Es gibt immer noch rechenintensive Aufgaben, die ein Rechenzentrum erfordern. Der Vorteil einer lokalisierten KI ist, dass sie so programmiert werden kann, dass sie Daten filtert, sodass nur notwendige Informationen an die Cloud übertragen werden. Das heißt, anstatt alle lokalen Daten von einem Gerät an die Cloud zu senden, kann die KI sicherstellen, dass nur relevante Daten übertragen werden. Dies kann sowohl Bandbreite als auch die Kosten für die Übertragung irrelevanter Daten einsparen. Je mehr Verarbeitung auf Edge-Hardware verlagert werden kann, die von einer KI gesteuert wird, desto weniger Verarbeitung muss im Rechenzentrum erfolgen.
Zusammengefasst bietet Edge-KI-Computing die folgenden Vorteile:
- Verarbeitung mit geringerer Latenz (höhere Geschwindigkeiten)
- Prädiktive Erkenntnisse für proaktive und präventive Fehlerbehebung
- Höhere Betriebszeit, da die Informationsverarbeitung auch ohne Netzwerkverbindung stattfinden kann
- Lokales Filtern von relevanten von irrelevanten Daten
Anwendungsfälle für KI und Edge Computing
KI ist wichtig, weil sie die Technologie ist, die ein hohes Maß an Entscheidungsfindung am Rande ermöglicht. Edge Computing hätte sich nie durchgesetzt, wenn die Funktionalität begrenzt wäre. Da KI jedoch so viele Prozesse am Edge ermöglicht, reduziert sie den Bedarf an zentraler Rechenleistung.
Edge AI und Entscheidungsfindung
Eine der interessanten Eigenschaften von KI ist, dass sie befähigt werden kann, Entscheidungen zu treffen. Ein gutes Beispiel ist eine intelligente Kamera, die für die Sicherheit in einer Produktionsanlage eingesetzt wird. Wenn die Kamera feststellt, dass sich ein Mitarbeiter in einem gefährlichen Bereich aufhält oder ein anderes potenziell gefährliches Hindernis vorhanden ist, kann die KI-fähige Kamera alle in diesem Bereich laufenden Maschinen abschalten.
Eine KI-fähige Kamera kann auch Entscheidungen darüber treffen, welche Daten an einen menschlichen Bediener weitergeleitet werden sollen. Eine KI-Kamera in einem Bürogebäude kann zum Beispiel so programmiert werden, dass sie die Gesichter aller dort arbeitenden Personen erkennt. Wenn die Kamera jemanden erkennt, den sie nicht kennt, kann sie einen Alarm an einen Wachmann senden. Dies ist bei weitem effizienter, als einen Wachmann zu beschäftigen, der rund um die Uhr eine Kamera (oder 12 Kameras) auf verdächtiges Verhalten hin "überwacht". Mit dem Ausbau der IoT Infrastruktur zu Hause und am Arbeitsplatz versprechen KI-fähige intelligente Geräte ein neues Maß an Funktionalität.
Wenn Edge-KI unternehmenskritisch ist
Die Anwendungsfälle sind tatsächlich riesig und umfassen eine Vielzahl von Branchen und zukünftigen Anwendungen. Wie wir bereits erörtert haben, hat die Fähigkeit der Edge-KI, die Vorbedingungen für einen Ausfall zu erkennen und zu melden, enorme Auswirkungen sowohl auf die vorausschauende Wartung als auch auf die Entscheidungsfindung in unternehmenskritischen Anwendungen. Denken Sie zum Beispiel an abgelegene Anlagen wie Lagertanks, Förderbänder und Energiesysteme, die entweder Hunderttausende von Dollar für jede Stunde verlieren, die sie für die Wartung offline sind, oder tatsächlich das Potenzial für Feuer, Explosion oder Kernschmelze haben, wenn kritische Probleme nicht erkannt werden.
Edge-KI, maschinelles Lernen, 5G und die Zukunft des autonomen Fahrzeugs
Auch wenn sich die Gesellschaft nach selbstfahrenden Autos sehnt, gibt es noch weitere Systeme und Technologien, die ausgereift sein müssen, bevor diese Realität vollständig verwirklicht werden kann. Denken Sie an die Bedeutung der Erkennung von Objekten, die die Straße kreuzen, plötzliche Änderungen der Straßenbedingungen und das Erscheinen von Straßenschildern am Straßenrand. Künstliche Intelligenz, maschinelles Lernen und 5G-Hochgeschwindigkeitsnetzwerke werden autonome Fahrzeuge ermöglichen, indem sie diese kritischen Elemente unterstützen. Ein Fahrzeug muss zum Beispiel in der Lage sein, in Echtzeit zu erkennen, wenn ein Straßenarbeiter ein Stopp-, Langsam- oder Vorfahrt-Schild hochhält, und auf diese Information hin zu handeln.
Sind Edge Computing und künstliche Intelligenz sicher?
Edge Computing ist sicher, wenn es mit sicheren eingebetteten Lösungen wie
Digi ConnectCore i.MX 8-Moduleund auf einem sicheren Gerät eingesetzt werden, wie
Digi IX20. Sie werden mit einem Gerätehersteller zusammenarbeiten wollen, der die Sicherheit von IoT sehr ernst nimmt und die Sicherheit in seine Lösungen integriert, um eine
mehrschichtiger Sicherheitsansatz in installierten Anwendungen.
Beim Edge-Computing wird ein Großteil der Daten lokal verarbeitet. Es besteht ein geringeres Risiko, dass diese Daten kompromittiert werden, als wenn sie an ein Rechenzentrum gesendet, für einen unbekannten Zeitraum gespeichert, verarbeitet und zurück an das Gerät gesendet würden. Wenn das Edge-Gerät und das lokale Netzwerk, mit dem sich ein Edge-Gerät verbindet, gesichert und durch eine Firewall gut geschützt sind, sind die Daten sicher.
In Bezug auf die Frage, wo die Sicherheit beeinträchtigt werden kann, gibt es jedoch einige Faktoren zu beachten.
- Edge-Geräte erhalten möglicherweise nicht so oft Updates wie sie sollten. Es ist wichtig, Geräte von einem Hersteller zu kaufen, der regelmäßige Updates herausgibt, und dann die Gerätesicherheit zu überwachen, sich über Sicherheitsbedrohungen auf dem Laufenden zu halten und Edge-Geräte proaktiv konform zu halten - eine wichtige Funktion von Digi Remote Manager®.
- Da Edge-Geräte leicht zu erwerben sind, kann ein Hacker leicht Geräte kaufen, um nach Schwachstellen zu suchen. Es ist wichtig, die Branchennachrichten zu verfolgen und sich über alle Schwachstellen, die in bestimmten Geräten entdeckt wurden, zu informieren. Beachten Sie, dass Digi ein Security Center hat, das eine wertvolle Ressource für diejenigen ist, die IoT Lösungen entwickeln oder einsetzen.
Wo passen Digi-Lösungen zu Edge Compute und KI?
Als Anbieter von IoT Lösungen, die dem Internet der Dinge vorausgingen, unterstützt Digi seit Jahrzehnten Kunden bei der Lösung ihrer Datenkonnektivitätsherausforderungen vom Rechenzentrum bis zum Edge. Unsere Mobilfunk Gateway- und Router-Lösungen bieten kritische Konnektivität für Edge-Knoten, einschließlich Sensoren, Steuerungen und RTUs, mit der Verarbeitungsgeschwindigkeit, die Sie für die Identifizierung und Weiterleitung kritischer Daten in unternehmenskritischen Anwendungen benötigen. Erfahren Sie mehr in unserem Blogbeitrag, Was ist Edge Compute?
Digi-Produkte sind auch programmierbar - durch Python-Integration, BASH-Skripting und sogar Native-C-Linux-Anwendungen - und ermöglichen es Entwicklern, In-Node-Verarbeitung einzurichten und hochentwickelte Verarbeitung und Intelligenz am Edge zu definieren. Die Edge-Router und -Gateways von Digi unterstützen auch die Aggregation von Edge-Knoten, um eine weitere Verarbeitung zu ermöglichen. Edge-Geräte können dann zum Hosten von Kundenanwendungen verwendet werden, um weitere Edge-Verarbeitung je nach Bedarf der spezifischen Anwendung durchzuführen. Erfahren Sie mehr in unserem Edge-Computing-Webseite.
Darüber hinaus steht Entwicklern ein kompletter Satz an Entwicklerressourcen zur Verfügung, um mit den Lösungen Digi ConnectCore und Digi XBee die anspruchsvollsten, leistungsfähigsten Anwendungen mit geringer Latenz zu entwerfen und zu erstellen. Jedes dieser Ökosysteme bietet eine vollständige Dokumentation, Code-Bibliotheken und integrierte Sicherheit und lässt sich zudem mit der Remote-Management-Lösung von Digi, Digi Remote Manager, integrieren. Erfahren Sie mehr über die Embedded-Lösungen von Digi für KI-, Machine Learning- und Machine Vision-Anwendungen von heute und morgen und in unserem Blogbeitrag, Maschinelles Lernen und maschinelles Sehen funktionieren besser mit Echtzeit-Edge-Verarbeitung.
Und zum Schluss, Digi Wireless Design Dienstleistungen kann Ihre Ressource für die Identifizierung der wichtigsten Anforderungen, Architektur und Komponenten Ihrer Edge-KI-Lösung sein. Dieser Prozess kann Ihrem Team während der gesamten Entwicklung bei kritischen Entscheidungen helfen, einschließlich aller oder einiger der folgenden Punkte:
- Durchführen einer Trade-Off-Analyse, um jeden Aspekt Ihres Designs zu optimieren.
- Bereitstellung von technischer Unterstützung zur Ergänzung Ihres Ingenieurteams.
- Sicherstellen, dass Sie keine kritischen Integrations- oder Interoperabilitätsanforderungen verpassen (z. B. Sicherheit, Latenz, Bandbreite, Verarbeitungsgeschwindigkeit, Batterie, Zertifizierungen, Datenvisualisierung).
- Sie erhalten eine Anleitung, wie Sie Ihre Lösung für optimale Effizienz, Funktionalität und Kosteneinsparungen entwerfen, aufbauen und einsetzen können.
Digi WDS verfügt über umfassende Erfahrung in allen Aspekten der Entwicklung und Konstruktion von Edge-Computing- und KI-Systemen und kann Sie bei Ihrer Initiative unterstützen, unabhängig davon, ob Sie nur Beratung benötigen oder Ihr Ingenieurteam verstärken möchten, um sicherzustellen, dass Ihr Projekt alle wichtigen Ziele erreicht, einschließlich Zertifizierungen und Markteinführung.
Die Zukunft des Edge Computing
Nach
IoT Wirtschaftsnachrichten"Für jede 100 Meilen, die Daten reisen, verlieren sie eine Geschwindigkeit von etwa 0,82 Millisekunden." Das kann sich schnell zu einer großen Latenz summieren. KI-gestütztes Edge Computing löst dieses Problem. Die Latenz wird ausgelöscht, da die gesamte Verarbeitung an Ort und Stelle stattfindet. Oder, in Fällen, in denen die lokale Verarbeitung nicht ausreicht, kann die KI entscheiden, relevante Informationen an ein Rechenzentrum zu senden, während sie die irrelevanten Daten auf ihren lokalen Laufwerken behält.
Ein Rückblick
von Gartner fand heraus, dass im Jahr 2018 nur 10 % aller Daten am Edge verarbeitet wurden. Gartner geht jedoch davon aus, dass bis 2025 ganze 75 % aller Verarbeitungen am Edge stattfinden werden. Dies ist ein enormer Wandel, der durch immer leistungsfähigere Hardware und intelligente KI-Systeme ermöglicht wird, die Informationen verarbeiten, über Netzwerke hinweg kommunizieren und lokal in Sekundenbruchteilen Entscheidungen treffen können, schneller als je zuvor.
Darüber hinaus stehen wir mit 5G, das heute eingeführt wird, und den Möglichkeiten zur Entwicklung und Bereitstellung von Hochgeschwindigkeitsanwendungen mit geringer Latenz, die eine Datenübertragung in Sekundenbruchteilen erfordern, an der Schwelle zur vollständigen Realisierung von KI und Edge Compute.
Was planen Sie und wie kann Edge-KI helfen? Die Experten von Digi können mit Ihnen zusammenarbeiten, um die nächsten Schritte zu identifizieren, Ihre Lösung zu entwerfen und zu bauen und die Vorteile der nächsten Generation von Edge Computing, maschinellem Lernen und 5G zu nutzen und sich die Leistung der neuesten Technologien zunutze zu machen.
Kontakt um das Gespräch zu beginnen!