Edge AI bringt künstliche Intelligenz vom Rechenzentrum zu Edge-Computern. Dieser Wandel verspricht Echtzeitanalyse und -aktionen, indem die Analyse näher an die Quelle gebracht und langsame Datenrücksendungen eliminiert werden. Abgesehen von den versprochenen Vorteilen gibt es einige wichtige Faktoren zu berücksichtigen, insbesondere in Bezug auf die Leistung von Edge-Computern.
Was ist ein Edge-AI-Computer?
Bei herkömmlichen KI-Einsätzen sendet der Edge-Computer alle Daten an einen leistungsstarken Server für das Modelltraining und die Vorhersagen. Der Server muss spezifische Netzwerksicherheitsprotokolle implementieren, um sichere Verbindungen für Benutzer an vielen Standorten zu ermöglichen und den Zugriff auf KI-Modelle zu erlauben.
Edge AI bringt KI-Fähigkeiten in das Edge-Computing. Es nimmt KI-Modelle und -Algorithmen aus dem Rechenzentrum und platziert sie auf dem Edge-Computer. Die Verlagerung der Verarbeitung auf den Edge-Computer ermöglicht eine schnelle Datenerfassung, Echtzeitverarbeitung und maschinelles Lernen nahe der Datenquelle. Dadurch entfällt die Übertragung großer Datenmengen zu entfernten Cloud-Servern. In der industriellen Bildverarbeitung stellen PC-basierte Systeme oft eine technische Hürde dar. Die Trennung von Bildaufnahme und Datenverarbeitung führt häufig zu Latenzen, erhöhtem Platzbedarf und einem komplexen Wartungsaufwand. Besonders in schnellen Produktionslinien erschwert die Synchronisation zwischen Sensor und externem Rechner eine stabile Prozesskontrolle. ‣ weiterlesen
Präzise 2D-Inspektion mit nativer Edge-Intelligenz
Edge-AI-Computer müssen fähig sein, sich an Umweltbedingungen anzupassen sowie Netzwerkkapazitäten eines regulären Edge-Computers zur Verfügung zu stellen. Zudem müssen sie wesentlich höhere Leistung beim Datentransfer und der Verarbeitung bereitstellen, um den komplexen Anforderungen der KI-Verarbeitung gerecht zu werden. Von Fabriken, Krankenhäusern und Parkplätzen bis hin zu Straßenlaternen und Ladestationen können Edge-AI-Computer Echtzeit-Datenverarbeitung und Entscheidungsfindung realisieren.
Der typische Einsatzort von Edge-AI-Computern ist ein industrielles Umfeld. Diese stellen deutlich härtere Umweltanforderungen an den Computer als die gemäßigten Umgebungen von Rechenzentren oder Büros. Trotz dieser widrigen Einflussfaktoren, beispielsweise feuchte und kühle Frischwarenfabriken oder kontinuierlich vibrierender Zugwaggons, muss der Computer stabil in rauen Umgebungen arbeiten. Hohe Zuverlässigkeit ist daher unverzichtbar. Die Geräte müssen den grundlegenden Herausforderungen von Temperatur, Feuchtigkeit und Vibrationen standhalten und sich mit schwerwiegenderen Herausforderungen wie instabilen Spannungen, elektromagnetischen Störungen oder potenziellen Sicherheitsrisiken auseinandersetzen. Verschiedene Schutzmaßnahmen in Industriequalität, wie Überstrom-, Überspannungs- und ESD-Schutz, sind inzwischen Standard. UL-Sicherheitszertifizierung und EMV-Standards für Industrieumgebungen (wie EN61000-6-2 und EN61000-6-4) sind ebenfalls Faktoren bei der Auswahl eines Edge-AI-Computers. Diese Zertifizierungen gewährleisten die Zuverlässigkeit und Sicherheit der Geräte in den verschiedenen Umgebungen.
Die Verarbeitungsleistung
Edge AI legt den Schwerpunkt auf die lokale Realisierung von Maschinenlern- und KI-Modellen. Daher ist die Rechenleistung entscheidend. Anspruchsvollere Industrieanwendungen erfordern hier Hardware der Mittel- bis Oberklasse, die mit unabhängigen GPU-Grafikkarten oder speziellen Beschleunigern ausgestattet sind. Die drei Haupttypen solcher GPU-Karten sind derzeit SoM, MXM und PEG. SoM (System on Module) GPUs sind eine kleinformatige GPU mit niedrigem Stromverbrauch, die speziell für Embedded Systeme entwickelt wurden. Typischerweise findet diese Technologie Anwendung, wenn hohe Leistung bei geringem Stromverbrauch erforderlich ist. MXM (Mobile PCI Express Module) sind flexible und leicht aufrüstbare Plug-in-GPU-Module, welche in Industriecomputern eingesetzt werden. Die PEG (PCI Express Graphics) GPU ist eine traditionelle Grafikkarte, die normalerweise in den PCIe-Slot des Motherboards eingesteckt wird und die leistungsfähigsten Grafikverarbeitungsfähigkeiten bietet. Sie eignet sich für Anwendungen, die extrem hohe Rechenleistung erfordern, wie hochfrequente Bildverarbeitung und Deep Leaning.
www.compmall.de
