Unternehmen sollten also die eigene Netzwerkleistung kennen, bevor sie ein KI-System implementieren. Je nach Anforderungen bieten sich ihnen verschieden Möglichkeiten: Hauseigene Systeme sind auf die anfallenden Aufgaben abgestimmt und liefern schnell Ergebnisse – aber oft teuer in der Entwicklung, Einrichtung und Wartung. Eine Möglichkeit, die unter anderem weniger unternehmenseigenes Knowhow erfordert, sind Managed-Service-Lösungen. Dabei kümmert sich ein externer Provider um die Weiterentwicklung und Anpassung des Systems und stellt gegebenenfalls Netzwerk- und Rechenressourcen zur Verfügung. In Zukunft werden KI-Ergebnisse immer häufiger als Dienstleistung angeboten. Bei ‚Inference at the Edge‘ wendet die KI ihr Wissen auf bisher ungesehene Daten an – betrieben in der Edge und damit fast in Echtzeit, und ohne, dass Unternehmen eigene Infrastruktur oder Software betreiben müssen. Die KI kann nach spezifischen Anforderungen konfiguriert und auf die Unternehmensdaten angewendet werden.
Mit KI in die Zukunft
Einige große Unternehmen setzen Edge-KI bereits ein. So überwacht beispielsweise Procter & Gamble seine chemischen Mischtanks mithilfe eines solchen Systems. In ähnlicher Weise setzt BMW eine Kombination aus Edge Computing und KI ein, um einen Echtzeit-Überblick über seine Montagelinien zu erhalten und so die Effizienz und Sicherheit seiner Fertigungsprozesse zu sichern. Anwendungen für Edge-KI können Anlagenwartung und Qualitätskontrolle verbessern oder in der Entwicklung eingesetzt werden. Die Technologie vermag Daten vor Ort oder in der Nähe ihrer Entstehung zu verarbeiten, und macht sie so in Echtzeit verfügbar.
