Edge AI: Wie uns lokale AI-Algorithmen unabhängig werden lassen

Edge AI erlaubt Echtzeitoperationen, die zu raschen Entscheidungen und Aktionen führen. Wichtig ist diese Art der losgelösten Verarbeitung von Daten daher besonders in den Bereichen, in denen es auf Millisekunden ankommt. So ist der Echtzeitbetrieb zum Beispiel für selbstfahrende Autos, Roboter, medizinische Geräte oder auch für Geräte, die auf die Vitalfunktionen von Menschen reagieren, von großer Bedeutung. Aber nicht nur deshalb setzen große Unternehmen wie Amazon, Apple oder Tesla schon lange auf Edge AI. Schließlich handelt es sich bei der Variante des Edge Computing um eine gute Möglichkeit, die Vielzahl von Anwendungen der Künstlichen Intelligenz (Artificial Intelligence oder auch AI genannt)  zu optimieren.  Auch andere Unternehmen werden hier noch nachziehen. Einer aktuellen Studie zufolge soll der Edge-Computing-Markt bis zum Jahr 2025 voraussichtlich einen Wert von 3,24 Mrd. USD erreichen.

Ein autark arbeitendes Wunderkind

Edge AI ist das Gegenteil von Cloud AI, könnte man sagen. Das heißt, dass die Algorithmen, die man zum Einsatz der Künstlichen Intelligenz bzw. des Maschinellen Lernens benötigt, direkt auf dem Gerät verarbeitet werden. Die Algorithmen benutzen dazu die Signale oder die Daten, die sie durch entsprechende Sensoren  empfangen. 

Das autarke Anwenden setzt voraus, dass das Gerät, das mit Edge AI arbeitet, mit einem Mikroprozessor und mit den nötigen Sensoren ausgestattet ist. Genau damit kann dann aus jeder Smart Watch eine Art Mini HAL werden. Sie muss dazu weder mit einer Cloud, noch mit einem anderen Gerät verbunden sein. Nicht einmal per Bluetooth oder einer anderen Art von Magie. Die Eigenständigkeit, mit der Daten verarbeitet und Entscheidungen getroffen werden, ist genau der Vorteil, den Edge AI ausmacht. Und es gibt noch mehr zu berichten über das autarke Wunderkind.

Edge AI ist schneller und spart Energie

Auch das sind nicht unerhebliche Faktoren, die für den Einsatz sprechen. Edge AI-fähige Geräte verarbeiten die Daten viel schneller, als es IoT verbundene Devices tun, die erst alle Daten an die Cloud liefern müssen. Natürlich brauchen wir die Cloud auch noch. Die Verarbeitung am Edge sollte man daher immer als sehr sinnvolle Ergänzung im großen Feld der Artificial Intelligence und des Machine Learnings sehen. Aber nicht nur seine Schnelligkeit macht das Wunderkind zu einer gefragten Komponente für smarte Geräte.

Nehmen wir zum Beispiel ein medizinisches Armband, das einer älteren Person angelegt wurde, um die Vitalfunktionen zu messen.  Das Edge AI System verwendet etwa die Daten der Herzfrequenz als Input für den AI-Algorithmus. Dieser erkennt, wenn die Person in Gefahr ist. Erst wenn ein bestimmter Wert erreicht ist, stellt die Uhr dann eine Verbindung zur Cloud her. Das heißt, dass die Verbindung zur Cloud nicht permanent aufrechterhalten werden muss. Genau das wiederum führt dazu, dass der Akku des Gerätes eine wesentlich längere Laufzeit aufweist. Bei einer dauerhaften Bluetooth-Verbindung wäre der Akku sicher in kurzer Zeit entladen.

Edge AI wird weiter wachsen

Die Reduzierung des Akku und damit auch des Stromverbrauchs ist für tragbare Geräte immens wichtig. Nicht nur deshalb ist Edge AI einer der großen Trends in der Welt der intelligenten Maschinen und Geräte. Ganz nebenbei verringert Edge AI ja auch die Kosten für die Datenkommunikation. Schließlich werden durch das autonome System doch auch viel weniger Daten übertragen.

Aus diesen Gründen arbeitet die Elektronikbranche derzeit emsig an energieeffizienten Chips, die Edge AI möglich machen. Die Chiphersteller NVIDIA, Intel und Qualcomm haben beispielweise  Hardware bereitgestellt, mit der Automobilhersteller KI-Trainings auf dem Gerät absolvieren lassen. Denken wir weiter an das Thema Autonomes Fahren wird klar, wie bedeutend das Wunderkind noch werden kann. Überhaupt profitieren unsere Smart Cars doch schon davon, wenn die Daten über den Ölstand nicht permanent übermittelt werden. Es reicht schließlich, wenn sie gesammelt und periodisch gesendet werden. Oder die Daten zu Temperatur, Ölstand etc. werden eben nur dann versendet, wenn sie einen bestimmten Schwellenwert erreicht haben.   

Unternehmer im Internet of Things Markt sollten also spätestens jetzt das Potenzial von Edge AI erkennen. Falls sie es nicht schon längst getan haben. Die Kunden gewöhnen sich schließlich nicht nur an die Smartheit der Geräte. Ob Auto, Armbanduhr oder Kühlschrank. Zugleich stehen die Anforderungen, die man an die klugen Geräte stellt, immer stärker im Zeichen geringer Latenzzeiten. Trotzdem sollen die Analysen ebenso korrekt sein. Ach so, und die Daten sollen natürlich auch sicher sein.

Edge AI sorgt für mehr Datensicherheit

Künstliche Intelligenz, die mit Edge Computing arbeitet, überträgt weniger Daten. Das wurde ja bereits erwähnt. Genau dieser Punkt sorgt aber natürlich nicht nur für das Einsparen von Strom oder Akkulaufzeit. Der winzige Chip, der für eine eigenständige Performance bei minimalem Platz sorgt, erhöht auch die Sicherheit. Durch die lokale Verarbeitung dieser Daten, wird weniger übertragen. Und es wird auch weniger in der Cloud abgespeichert. Folglich sind die Daten auch weniger anfällig dafür, geklaut oder missbraucht zu werden.  

Dies ist ein weiterer Grund dafür, warum der Einsatz von Edge Ai steigen wird.  So soll der Markanteil an Produkten, die mit Edge-AI-Computing arbeiten, von sechs Prozent Marktanteil (2017) auf 43 Prozent im Jahr 2023 steigen. Das wurde innerhalb der “Artificial Intelligence and Machine Learning” Studie des Markforschungsunternehmens ABI Research ermittelt.

Noch mehr Einsatzgebiete für das Wunderkind

Es gibt neben den medizinischen Gadgets und unseren smarten Autos noch zahlreiche weitere Beispiele, bei denen wir Edge AI einsetzen können. Auch im Bereich der intelligenten Fabrik können Entscheidungen, die in Millisekunden getroffen werden können, lebenswichtig werden.  So können die Sicherheitsstandards für Arbeiter dadurch um ein Vielfaches erhöht werden. Ebenso lassen sich Produktionsparameter mit Hilfe einer Verarbeitungszeit von weniger als wenigen Millisekunden effektiv anpassen.  Fehlerquellen können damit auf ein minimales Maß reduziert werden.

Das Potenzial von Edge AI ist also groß. Und es wird wachsen.  Neben den bereits existierenden Devices wie Smartphones, Tablets, Fahrzeug-Sensoren, Drohnen und oder tragbare medizinische Geräte wird sich das Einsatzgebiet der AI, die am Rande und nicht in der Cloud angewandt wird, weiter vergrößern, was eine natürliche Entwicklung darstellt. Smarte Geräte müssen schließlich immer mehr Leistung bringen. Innovationen wie autonom fahrende Autos oder die Möglichkeiten, die sich durch die schnellen 5G-Netze ergeben, erfordern den Einsatz von Edge AI, um die Vorteile des Maschinellen Lernens überhaupt nutzen zu können.

---