Mit freundlicher Genehmigung der WEKA-Fachmedien GmbH, Tobias Schlichtmeier
Artificial Intelligence (AI) wird schon in wenigen Jahren ein ganz natürlicher Teil von immer mehr Geschäftsprozessen sein. Der stetig steigende Datenhunger von Anwendungen rund um AI-Methoden wie Machine Learning (ML) und Deep Learning (DL), den der kommende 5G-Funkstandard weiter vorantreibt, verändert ebenfalls den IoT-Embedded-Markt: Bisherige Standards reichen künftig nicht mehr aus, um den wachsenden Anforderungen zu entsprechen. Ähnlich wie es schon bei rechenintensiven Grafikanwendungen mit Graphics Processing Units (GPUs) der Fall war, entsteht ebenso mit AI ein Bedarf an spezifischer Hardware für High Performance Computing. Erst mit dem Verknüpfen von Hard- und Software lassen sich die Vorteile von AI zudem voll ausschöpfen.
Breite Auswahl an Hard- und Software-Anwendungen
Viele neue datengetriebene Prozesse, Services und Geschäftsmodelle, genauso wie das Thema Industrie 4.0, erfordern eine AI-Integration. Die Auswahl an Embedded Hardware auf Basis von Intel-, AMD- sowie verschiedener ARM-Prozessoren ist groß. Je nach Einsatzgebiet sind Computer-on-Modules (CoMs), Single Board Computer (SBCs), Motherboards, Box-PCs, Panel-PCs und Server für „intelligentes“ Edge Computing von Kontron verfügbar. Allerdings gilt es, genau die passende Kombination aus Leistung, Speicherkapazität, Grafikleistung, Konnektivität und AI-Funktion aufeinander abzustimmen: Lediglich so lassen sich AI-Aufgaben wie ML und DL schnell und kosteneffizient nutzen. Embedded-Hersteller müssen vor allem mit Beratung und vorkonfigurierten Anwendungen beim Brückenschlag helfen. Aus diesem Grund hat Kontron sogenannte Data Science Teams aufgebaut und erleichtert mit dem Toolset SUSiEtec für die ganzheitliche Digitalisierung die Software-Integration. Einen einfachen Einstieg in AI und ML ermöglichen auch die neuen AI-Plattformen. In Edge-basierten AI-Anwendungen wie Predictive Maintenance oder visueller Qualitätsinspektion müssen Entwickler DL-Algorithmen adaptieren und trainieren. Hier ist häufig ein Verarbeiten von Bild- und Videodaten in hoher Geschwindigkeit erforderlich.
Skalierbare AI-Plattformen
Eine kompakte und kostengünstige AI-Plattform besteht beispielsweise aus einem 2,5-Zoll-PicoITX-SBC mit NXPs i.MX8M-Prozessor und integriertem M.2-Modul mit Googles Coral Edge Tensor Processing Unit (TPU), die bis zu 4 TOPS leistet. Ausgelegt für den Temperaturbereich von –40 °C bis +85 °C, sind mit dem Kit 30 oder mehr Bilder pro Sekunde (Frames per Second, fps) möglich; abhängig von neuronaler Netzwerkstruktur, Host-CPU und angeschlossenen Kamerasystemen. Der kostenlose Zugriff auf vortrainierte Modelle in TensorFlow Lite hilft beim schnellen AI-Einstieg und reduziert die Time-to-Market für eigene Anwendungen. Neben dem SBC mit ARM-Prozessor hat Kontron ebenso für x86-Anwendungen eine AI-Systemplattform im Portfolio. Sie basiert auf der „KBox A-203“ mit Intels Atom-E39xx-Prozessor und integriertem Google Coral-Modul.
Raspberry Pi nimmt Fahrt auf
Neben den ARM-Prozessoren von NXP und STMicroelectronics unterstützt Kontron auf einem SMARC-Modul den ARM-Prozessor „R3399K“ von Rockchip. Er ist für kostengünstige High-End-Anwendungen in den Bereichen Kiosk, Retail, POS/POI und Video Walls prädestiniert. Ebenso nimmt die Zahl industrieller Anwendungen mit dem Raspberry Pi immer mehr zu. Hierfür steht dem Anwender eine Auswahl an Kontrons „PiTron“-SBCs sowie mit „PiXtend“ eine Familie industrieller Steuerungen offen. Eine aktive Software Community und viele leicht adaptierbare Anwendungen gewährleisten auch in diesem Umfeld schnelle Projektumsetzungen und eine kurze Time-to-Market.
Welche Trends im Bereich AI, High Performance Computing und Edge Computing für die Industrie 4.0 in den kommenden Jahren entscheidend sein werden und welche Lösungen Kontron hier auch kleinen und mittelständischen Unternehmen bietet, erfahren Sie im nächsten Teil unter:
{{comment.comment}}