Home Blogs Edge KI: Warum wir es gebaut haben
Applications

Edge KI: Warum wir es gebaut haben

About The Author

Outline

Damit neue und neue Technologien breite Akzeptanz erlangen, müssen sie in der Lage sein, neue geschäftliche Effizienzgewinne zu erschließen und den Verbrauchern einen Mehrwert zu bieten. KI, Big Data, Cloud Computing und IoT haben sich sowohl einzeln als auch in Kombination bewährt. Diese Technologien helfen Unternehmen, riesige Mengen an Daten-Streaming aus bis zu Millionen von Quellen zu erfassen, sie in riesigen Cloud-Rechenzentren zu speichern und mithilfe von Techniken des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) wertvolle, bahnbrechende Erkenntnisse nahezu in Echtzeit zu gewinnen.

Wir begannen unsere Reise zu Big Data und künstlicher Intelligenz bei Verizon Media im Jahr 2014. Wir haben eine Cloud-basierte Plattform entwickelt, die Petabyte an Daten einspeist und maschinelles Lernen verwendet, um Erkenntnisse nahezu in Echtzeit zu liefern, um die Leistung unseres Bereitstellungsnetzwerks zu verbessern, die Effizienz im gesamten Netzwerk zu steigern und ein noch besseres Kundenerlebnis zu bieten. Anschließend haben wir zusätzliche KI- und Big-Data-Anwendungen für Kunden entwickelt, um beispielsweise Einblicke in das Kundenverhalten durch die Verwendung von drahtlosen Nutzungsdaten zu gewinnen.

In vielerlei Hinsicht revolutionieren diese technologischen Fortschritte bereits die Industrie, und wir stehen erst am Anfang eines langen und spannenden Weges vor uns. Doch mit Big Data, Cloud-basierter KI und IoT wurden viele der leistungsfähigsten und wertschöpfendsten Anwendungen aufgrund von Verzögerungen bei der Verarbeitung und Latenzzeit in der Cloud, Speicherkosten sowie Sicherheits- und Datenschutzproblemen nicht implementiert. Und mit KI ist es nicht akzeptabel, dass Antworten innerhalb von Tagen, Minuten oder Sekunden zurückkommen. Bei vielen Anwendungen muss Intelligenz sofort und innerhalb von Millisekunden angewendet werden.

Die offensichtlichste und überzeugendste Lösung, um diese Hindernisse zu überwinden, ist, die Verarbeitung näher an das Endgerät oder die Quelle der Datengenerierung heranzuziehen – an den Rand des Netzwerks. Verizon ist ein Branchenführer im Bereich Edge-Computing mit einem CDN, das eine enorme Netzwerkkapazität und nur 10-25 Millisekunden Latenz von praktisch jedem Internetnutzer der Welt bietet. Unser 5G-Netzwerk bietet eine <Latenz von 10 ms für Workloads, die noch weniger Latenz erfordern. Das Aufkommen von Edge Computing in Kombination mit KI, IoT und Big Data-Verarbeitung öffnet die Tür zu völlig neuen Services und dem Mehrwert für den Verbraucher. Durch die Platzierung von Intelligenz an der Peripherie können bahnbrechende KI-Anwendungen nun nahezu in Echtzeit funktionieren.

Ausgehend von den globalen Edge-Computing-Funktionen von Verizon, die mit unserem KI-Know-how zusammengeführt wurden, haben wir eine vollständig integrierte Plattform entwickelt, die wir als Edge AI bezeichnen. Zusätzlich dazu entwickeln wir spezifische vertikale Anwendungen. Dies ist die erste Plattform dieser Art, auf der alle Bausteine für End-to-End-Edge-KI-Lösungen bereits vorhanden sind.

Die Möglichkeit, durch die Verlagerung von KI-Anwendungen an die Peripherie einen höheren Wert zu erzielen, ist enorm. Es bietet Netzwerk- und Lösungsanbietern, die über die Fähigkeit verfügen, robuste Edge-KI-Lösungen auf den Markt zu bringen, eine enorme Chance. In vielerlei Hinsicht ist es ein perfekter Zusammenfluss für unser Serviceangebot, da wir auf bestehenden Stärken aufbauen und eine Grundlage für den Aufbau einer intelligenten, sicheren, erweiterbaren und zuverlässigen Plattform schaffen können, die neue Services, Anwendungsfälle und Anwendungen aufnehmen kann.

In einem kürzlich veröffentlichten Bericht mit dem Titel „5G and AI: The Foundation for the Next Societal and Business Leap“ sagt ABI Research voraus, dass die geringe Latenz von Edge Computing und KI in Kombination „wahrscheinlich die Art und Weise verändern wird, wie wir leben und arbeiten“. Im Bericht heißt es weiter, dass diese Technologien „den Weg für eine Vielzahl neuer Geschäftsmöglichkeiten im Verbraucher- und Unternehmenssegment ebnen werden, die sonst mit den vorhandenen Technologien nicht möglich wären“. ABI Research schätzt, dass KI- und ML-Anwendungen, die an der Peripherie bereitgestellt werden, bis 2025 einen Wert von 3,1 Billionen US-Dollar schaffen werden. Und wenn die Technologien ausgereift sind, prognostizieren sie für 2035 eine Wertschöpfung von 9,2 % des globalen Bruttoinlandsprodukts (BIP). Wie aus der folgenden Abbildung hervorgeht, sind diese massiven wirtschaftlichen Auswirkungen in erster Linie auf Produktivitätssteigerungen zurückzuführen, die durch den kombinierten Einsatz dieser Technologien möglich werden.

Abbildung 1: Innerhalb von 15 Jahren wird EDGE-Computing erhebliche Auswirkungen auf das BIP haben.

Die wachsende Bedeutung von Edge-Computing

‍For seit mehr als zehn Jahren haben Unternehmen Daten von IoT-Geräten und -Sensoren oder visuelle und Audioaufzeichnungen von Kameras und Mikrofonen gesammelt, die in ihren Einrichtungen eingesetzt wurden, bevor sie sie zur weiteren Analyse und Speicherung in ein zentralisiertes Rechenzentrum oder in die Cloud transportieren.

Dieser Ansatz hat mehrere Probleme, da die Anzahl der IoT-Geräte immer größer wird. Das Technologieanalystenunternehmen IDC plant, dass bis 2025 55,7 Milliarden vernetzte IoT-Geräte verfügbar sein werden. Sie weisen darauf hin, dass diese Geräte 73,1 Zettabyte (ZB) an Daten erzeugen werden, was ein deutlicher Anstieg von 18,3 ZB im Jahr 2019 bedeutet. IDC argumentiert, dass Unternehmen aufgrund dieses Wachstums langfristige Datenspeicherstrategien überdenken und nach Möglichkeiten für Analysen/KI am Edge Ausschau halten müssen.

Betrachten wir ein Industrie- oder Fertigungsunternehmen, in dem Sie über Tausende von Sensoren verfügen. Da die Anzahl der Sensoren zunimmt, ist es einfach nicht praktikabel, die riesigen Datenmengen, die von diesen Sensoren in die Cloud fließen, dort die Analysen durchzuführen und die Ergebnisse dann an den Fertigungsstandort zu senden, um schließlich auf die Erkenntnisse aus diesen Daten zurückzugreifen. Dieser Prozess hat mehrere Herausforderungen, darunter:

  1. Das Senden aller Daten an die Cloud erfordert eine enorme Bandbreite

  2. Wenn Sie alles in der Cloud speichern, steigen Ihre Cloud-Speicherkosten exponentiell

  3. Das Verschieben bestimmter Arten vertraulicher Informationen in die Cloud gefährdet diese Daten

Diese Probleme der Betriebseffizienz werden alle durch Edge-Computing gelöst oder zumindest erheblich minimiert, unabhängig davon, ob Server in der Nähe als Teil eines CDN oder On-Premise über 5G Mobile Edge Computing (MEC)-Infrastruktur für öffentliche oder private Netzwerke ausgeführt werden.

Schließlich ist einer der wichtigsten Aspekte von Edge AI die Fähigkeit, niedrige Latenzzeiten für Echtzeitanwendungsfälle bereitzustellen. Da die Verarbeitungsfunktionen in der Nähe von Endgeräten platziert werden, reduziert Edge AI die Verzögerung zwischen Dateneingabe/-Erfassung, -Verarbeitung und der erforderlichen Aktion am Ende erheblich Die Reduzierung von Latenzzeiten ist entscheidend, um innovative Anwendungen zu ermöglichen, von vernetzten Fahrzeugen über immersivere Gaming- und Medienerlebnisse bis hin zu intelligenteren und schnelllebigen Fertigungsumgebungen.

Edge AI ermöglicht auch die Verwendung vernetzter IoT-Geräte und ML-Anwendungen in Umgebungen, in denen eine zuverlässige Internet-/Wi-Fi-Konnektivität (oder überhaupt keine) nicht gegeben ist, wie z. B. ein Tiefseebohrgerät, ein Forschungsschiff oder ein Flughafen. Eine intelligente Anwendung zur Überwachung der Umweltbedingungen, wie z. B. des Vorhandenseins gefährlicher Gase, wäre nutzlos, wenn sie von der Cloud-Konnektivität abhängt.

‍Edge KI-Anwendungen

‍Edge KI hat das Potenzial, die technologische Plattform für viele neue Anwendungen in einer Vielzahl von Branchen und Anwendungsfällen zu sein. Edge KI ermöglicht beispielsweise die umfassende Implementierung von Industrie-4,0-Initiativen im Fertigungssegment, einschließlich prädiktiver Analysen, automatisierter Fabrikgebäude, rekonfigurierbarer Produktionslinien und optimierter Logistik. Medien und Unterhaltung können Edge AI verwenden, um Inhalte zu lokalisieren und die Personalisierung zu erhöhen. Edge KI kann umfassende Verbesserungen der städtischen Infrastruktur vorantreiben, indem sie fortschrittlichere Anwendungen im Bildungswesen/öffentlichen Sektor, in der Telemedizin ermöglicht oder die Automatisierung des Verkehrs auf eine neue Ebene bringt. Die Möglichkeiten sind fast endlos.

Um die Fähigkeiten und Vielseitigkeit unserer Edge KI-Plattform zu demonstrieren, haben wir mehrere Prototypen und Demonstrationen entwickelt, darunter:

  • Lösung zur prädiktiven Fehlererkennung

  • Intelligentes Regalsystem für den Einzelhandel mit Computer Vision

  • System zur Erkennung von Fremden für ein Labor oder eine Fertigungseinrichtung

  • Automatisiertes optisches Inspektionssystem zur Qualitätssicherung

Für die Anwendung zur prädiktiven Fehlererkennung werden Sensoren an Motoren und anderen Geräten montiert und so konfiguriert, dass sie kontinuierlich Signale über Temperatur, Vibration und Strom an die Edge AI-Plattform senden. Anstatt alle Daten an die Cloud zu senden, analysiert die KI die Daten kontinuierlich lokal, um Vorhersagen zu treffen, wann ein bestimmter Motor kurz vor dem Ausfall steht. Ein Betriebsleiter oder Instandhaltungsleiter kann Korrekturmaßnahmen ergreifen, um einen Produktionsausfall zu verhindern, indem er Anomalien und Fehlerbedingungen genau erkennt. Und da Datenspeicherung und -Analyse am Standort stattfinden, erhalten Unternehmen zeitnahe Warnmeldungen in Verbindung mit verbesserter Datensicherheit und geringeren Kosten für Datenspeicherung und Bandbreite.

Abbildung 2. Durch eine vorausschauende Ausfallanalyse mit Edge-KI können die Risiken unvorhergesehener Ausfälle und Ausfälle minimiert werden.

Beim funktionierenden Prototyp eines automatisierten Lagerbestandsüberwachungssystems für den Einzelhandel liefert ein autonomer Roboter Kameraeinträge an ein ML-Modell, das auf der Edge AI-Plattform läuft. Das System kann Objekte erkennen und Bestandsdetails an ein Dashboard übermitteln. Dadurch erhalten Sie häufigere, genauere und umfassende Einblicke in den Bestandsstatus sowie Statusüberwachung in Echtzeit und Warnmeldungen bei niedrigem Lagerbestand.

Abbildung 3. Die automatisierte Bestandsverfolgung im Einzelhandel mit Edge AI bietet Einblicke zur Überwachung von Trends und gibt Warnmeldungen in Echtzeit aus.

Trotz elektronischer Schlösser und anderer Sicherheitsmaßnahmen kann es schwierig sein, unbefugten Zugang zu eingeschränkten Bereichen in weitläufigen Fertigungs- oder Laborumgebungen zu verhindern. Durch die Einbindung von Video-Feeds aus der gesamten Einrichtung in die Edge AI kann das System mithilfe der Gesichtserkennung Fremde erkennen und Sicherheitspersonal in Echtzeit benachrichtigen.

Abbildung 4. Edge KI verbessert die Sicherheit, indem Computer Vision verwendet wird, um Fremde in einer Fertigungs- oder Laborumgebung zu identifizieren.

Ein weiterer Anwendungsfall für Edge AI und Computervision ist die automatisierte optische Inspektion an Fertigungslinien. In diesem Fall werden montierte Komponenten zur automatischen visuellen Analyse durch eine Prüfstation gesendet. Das Edge AI Computer Vision-Modell erkennt fehlende oder falsch ausgerichtete Teile oder andere Fehler und liefert Ergebnisse auf einem Echtzeit-Dashboard, das den Inspektionsstatus anzeigt. Da die Daten zur weiteren Analyse in die Cloud zurückfließen können, können die ML-Modelle kontinuierlich verbessert werden, um falsch positive Ergebnisse zu reduzieren. Das System verbessert die Fertigungsausbeute und erhöht den Prozessdurchsatz, indem es die Geschwindigkeit und Genauigkeit der Fehlererkennung erhöht.

Wie diese Beispiele veranschaulichen, ermöglicht die direkte Integration von KI und Rechenkapazität in Kombination mit Cloud-Services in die Netzwerkperipherie es Unternehmen, immer ausgefeiltere und transformative Anwendungsfälle auf den Markt zu bringen. Als vollständig integrierte Plattform reduziert Edge KI die Hürden, die bei der Umsetzung dieser Anwendungsfälle entstehen, erheblich.

Im nächsten Teil einer dreiteiligen Serie werden wir uns näher mit den Elementen der Edge KI-Plattform befassen.

‍Contact uns , um mehr darüber zu erfahren, wie Ihre Anwendung von unserer Edge-KI-Plattform profitieren könnte.