Künstliche Intelligenz am Edge: Neue Möglichkeiten mit intelligenter Datenverarbeitung erschließen
Tauchen Sie ein in dieses Gespräch mit dem Senior Product Manager Hunter Golden von OnLogic. Er stellt Ihnen Informationen zur Optimierung von KI- und Automatisierungsbereitstellungen zur Verfügung. Außerdem bietet er Ihnen fachkundige Einblicke in die Abwägung von Leistung, Kosten und Langlebigkeit, während gleichzeitig häufige Fallstricke vermieden und ein greifbarer ROI sichergestellt werden. Sehen Sie sich das nachfolgende Video an oder lesen Sie die Zusammenfassung.
Was ist Edge-Computing?
Stellen Sie sich all die Orte vor, an denen Computer benötigt werden, und all die Anwendungsfälle, die nicht cloudbasiert sind, sondern "vor Ort" stattfinden, am eigentlichen Ort des Geschehens. Das ist Edge-Computing. Im Laufe der Zeit, insbesondere mit dem Wachstum von Edge-Geräten und KI, ist der Bedarf an Computerleistung am Edge enorm gestiegen, nicht aber der verfügbare Platz für die Geräte. Das bedeutet, dass Unternehmen mehr Leistung in einem kleineren Paket benötigen. Das ist es, was wir meinen, wenn wir von „Dichte der Rechenleistung“ sprechen.
KI: Der Game-Changer am Edge
KI hat einen starken Einfluss am Edge, vor allem durch Computer Vision. Durch die Verarbeitung von Daten an der Quelle verhilft OnLogic seinen Kunden zu erheblichen Gewinnen in den folgenden Bereichen:
Durchsatz: wie viel Arbeit erledigt wird.
Qualitätskontrolle: sicherstellen, dass die Produkte den Normen entsprechen.
Sicherheit: Schutz der Arbeitnehmenden.
Die KI unterstützt, indem sie Daten nutzt, um Erkenntnisse zu gewinnen und die Produktivität zu steigern. Im Bereich der Arbeitssicherheit beispielsweise überprüfte die KI früher einfach in Echtzeit, ob jemand einen Schutzhelm trug. Mit fortschrittlicheren KI-Algorithmen kann sie nun vorhersagen, wer gegen Sicherheitsvorschriften verstoßen könnte, und Vorschläge zur Unfallvermeidung machen. Ein weiteres Beispiel ist die vorbeugende und vorausschauende Wartung, die anhand der Daten den Wartungsbedarf ermitteln kann, bevor etwas schief geht.
Kluge Entscheidungen: Leistung, Energie und Kosten abwägen
Beim Einsatz von KI am Edge kommt es darauf an, die richtige Balance zu finden zwischen:
Computerleistung
Energieverbrauch
Computerkosten
OnLogic hebt hier zwei wichtige Dinge hervor:
Hardware-Auswahl: die Auswahl der richtigen Computerteile
Arbeitsbelastung: was die Anwendung tatsächlich erreichen soll
Es ist leicht, die Hardware zu sehr zu spezifizieren, d. h. einen extrem leistungsstarken, teuren Computer zu kaufen, obwohl ein einfacher, preiswerterer die Aufgabe erfüllen würde. Viele KI-Aufgaben und -Funktionalitäten können gut auf normalen Computerprozessoren (CPUs), integrierten Grafikkarten (iGPUs) oder speziellen KI-Chips (NPUs) ausgeführt werden, ohne dass eine umfangreiche, teure Grafikkarte (diskrete GPU) erforderlich ist. Wenn Sie die Ziele Ihrer Anwendung kennen, etwa wie viele Video-Streams benötigt werden oder die angestrebte Bildrate, können Sie die richtige und kostengünstige Hardware auswählen.
Hier erfahren Sie mehr darüber, wie Sie den richtigen Beschleuniger für Ihre Bedürfnisse auswählen.
Die Klärung von Irrtümern über KI
Es gibt zwei große Irrtümer über KI am Edge:
Irrtum 1: Für KI braucht man immer eine diskrete GPU.
Das stimmt nicht! Wie bereits erwähnt, können viele KI-Anwendungen auf weniger leistungsstarker, integrierter Hardware ausgeführt werden.
Irrtum 2: KI kann ohne eine große Menge an Cloud-Rechenleistung nicht funktionieren.
Während leistungsstarke Cloud-Rechenzentren für das Training großer KI- oder Machine-Learning-Modelle (wie ChatGPT) genutzt werden, konzentriert sich die KI am Edge auf die "Inferenz" (die Verwendung des KI-Modells). Das erfordert viel weniger Rechenleistung. Einige KI-Modelle können sogar auf einem normalen Laptop laufen.
Wenn Sie sich bei kritischen Edge-Anwendungen zu sehr auf die Cloud verlassen, kann das zu Problemen führen:
Latenz: Die Daten müssen einen längeren Weg zurücklegen, was aufgrund der Bandbreite zu Verzögerungen führt.
Datenhoheit: Sie verlieren die direkte Kontrolle über Ihre Daten.
Netzwerkabhängigkeit: Wenn das Internet ausfällt, funktioniert Ihre wichtige Anwendung nicht mehr.
Die Modernisierung Ihrer Infrastruktur mit Flexibilität
Die Aufrüstung der Technologien in industriellen Umgebungen kann eine Herausforderung sein, da häufig noch ältere Maschinen im Einsatz sind. Deshalb bieten wir bei unseren Industrie-Computern Anschlussmöglichkeiten für ältere Geräte. Bei der Modernisierung ist es wichtig, nicht nur an die heutigen Ziele zu denken, sondern auch daran, was Sie in den nächsten zwei bis fünf Jahren vorhaben. OnLogic hilft seinen Kunden, langfristig zu planen, damit sie ihre Hardware später nicht ersetzen müssen.
Ein häufiges Problem besteht darin, dass die für Tests verwendete Hardware möglicherweise nicht verfügbar ist, wenn es an der Zeit ist, ein Projekt vollständig zu implementieren. OnLogic hilft Ihnen dabei, indem wir Ihnen einen garantierten 5-Jahres-Lebenszyklus für unsere Produkte anbieten. So stellen Sie sicher, dass Sie die richtige Hardware für mehrjährige Projekte haben.
Das Geheimnis für ROI: Klare Ziele setzen
Kunden haben manchmal Schwierigkeiten, wenn sie ihre Projektziele im Vorfeld nicht klar definieren.
Eine Überspezifizierung der Hardware kann dazu führen, dass das Projekt zu teuer wird, um es auf breiter Basis einzuführen, wodurch der "Return on Investment" (ROI) zunichte gemacht wird.
Wie Hunter es formulierte: "Einen Ferrari zuzulassen mag in Ordnung sein, aber eine Flotte von Ferraris zuzulassen, könnte eine Herausforderung sein".
Eine zu geringe Spezifizierung der Hardware kann dazu führen, dass eine Anwendung im Labor funktioniert, aber in der rauen Umgebung der Praxis versagt.
OnLogic hilft seinen Kunden dabei, das richtige Gleichgewicht zu finden, indem wir ihre spezifischen Ziele und die Art und Weise, wie die Anwendung genutzt werden soll, verstehen.
Edge und Cloud: Ein hybrider Ansatz
Während Edge-KI-Anwendungen aufgrund ihres Bedarfs an niedrigen Latenzzeiten oder Datensteuerung am Edge "geboren" werden, verlagern viele Unternehmen auch Workloads von der Cloud zum Edge, da die Cloud-Kosten sehr hoch werden können. Dieser Trend wird manchmal auch als Cloud-Rückführung bezeichnet.
Dieser hybride Ansatz, der Cloud und Edge kombiniert, ist sehr sinnvoll. Auf diese Weise können Unternehmen die Leistung der Cloud nutzen und dennoch von den Vorteilen der Edge-KI profitieren, da die Rechenleistung genau dort zur Verfügung steht, wo die Daten erstellt werden.
Wo die größte Rendite zu erwarten ist
Der größte ROI für die Modernisierung der Infrastruktur hängt von den spezifischen Zielen und Herausforderungen eines jeden Unternehmens ab. Für einige mag es die Verbesserung der Arbeitssicherheit sein. Für andere kann es darum gehen, den Durchsatz zu erhöhen, den Abfall zu reduzieren oder die Produktqualität zu verbessern. Mit KI kann fast alles optimiert werden, um enorme Chancen zu erschließen.
Erste Schritte mit OnLogic
OnLogic arbeitet mit Kunden in fast allen Branchen zusammen, von der intelligenten Landwirtschaft über die Fertigung bis hin zum Gesundheitswesen. Wir helfen Unternehmen, sich auf KI und Automatisierung vorzubereiten, indem wir skalierbare Industrie-Computer und Edge-Server anbieten. Das heißt, Sie können mit einer bestimmten Einstellung beginnen, sie testen und dann optimieren. Das kann zum Beispiel bedeuten, dass eine diskrete GPU entfernt wird, wenn sie nicht benötigt wird. So werden die Kosten für eine groß angelegte Bereitstellung erheblich senkt.
Sind Sie bereit zu erfahren, wie KI und Automation Ihre Betriebsabläufe verändern können? Entdecken Sie unsere Industrie-Hardware.
Hardware entdecken