Laden...
Laden...
Laden...
KI1. November 20248 min Lesezeit

Was ist KI?

Oder alles, was Sie schon immer über künstliche Intelligenz wissen wollten (aber Angst hatten, ChatGPT zu fragen)
Infographic showing many different types of AI in our world visually centered around an AI processing chip to help answer what is AI

KI, die Abkürzung für „künstliche Intelligenz“, ist derzeit in aller Munde – Sie kennen das Thema wahrscheinlich aus den sozialen Medien, aus den Nachrichten und vielleicht sogar aus Ihrer neuesten Fernsehserie. Obwohl es das Konzept bereits seit den 50er Jahren gibt, hat der Begriff in praktisch allen Branchen den Status eines Top-Trends erreicht.

Bei all dem Hype haben Sie sich wahrscheinlich auch schon einmal die ganz praktische Frage gestellt: Was ist KI? Sie hat bereits eine große Wirkung – von autonomen Fahrzeugen bis hin zu Robotern, die gefährliche Arbeiten verrichten. Auch in Ihrer eigenen Nachbarschaft kann sie eingesetzt werden, um die Ampel genau im richtigen Moment auf Grün zu stellen. Die Anwendungsmöglichkeiten der KI-Technologie sind praktisch grenzenlos. Im Folgenden werfen wir einen Blick darauf, was KI ist, wie sie funktioniert und wie industrialisierte Edge-Geräte diese Innovationen ermöglichen.

Was ist KI?

KI ist die Abkürzung für künstliche Intelligenz und befasst sich mit Technologien, die versuchen, die Ergebnisse menschlicher Intelligenz zu replizieren. Um dies zu erreichen, muss KI die komplexe Verarbeitung von Informationen beherrschen. Dazu gehören: Lernen, logisches Denken, Problemlösung, Sprachgebrauch und Wahrnehmung.

Components of AI

Wie funktioniert KI?

Bei KI handelt es sich nicht nur um ein einzelnes Computerprogramm oder eine Anwendung, sondern um einen ganzen Bereich der Informatik. Im Wesentlichen gibt es zwei Phasen der KI: Training und Inferenz.

KI-Training

Beim Training der KI wird ein KI-Algorithmus mit einem ausgewählten Datensatz gefüttert, damit er eine bestimmte Aufgabe erfüllen kann. Während des Trainingsprozesses werden die Daten analysiert, damit der Algorithmus Strukturen und Muster in den Daten aufdecken kann. Das Ziel ist, die Software in die Lage zu versetzen, fundierte Vorhersagen zu treffen, wenn neue Daten vorliegen. Effektives KI-Training erfordert riesige Datenmengen und viel Rechenleistung. Oft werden dazu Multicore-Prozessoren und GPUs eingesetzt.

KI-Inferenzierung

KI-Inferenz ist der Prozess, bei dem ein trainiertes Modell verwendet wird, um Vorhersagen zu treffen und Daten in umsetzbare Erkenntnisse umzuwandeln. Während das Training massive Datenverarbeitungsleistung erfordert, wird die Inferenz oft am besten durch effiziente, optimierte Hardware unterstützt. Computer mit Intel® Core™ Ultra-Prozessoren wurden speziell dafür entwickelt. Dieser Prozessor verfügt über eine dedizierte NPU (Neural Processing Unit). Sie eröffnet die Möglichkeit, KI-Workloads direkt auf dem Gerät auszuführen. Damit sind sie eine ausgezeichnete Wahl für schnelle, energieeffiziente Inferenz, ohne auf externe GPUs angewiesen zu sein.

Computer der OnLogic Helix 520-Serie und der Karbon 520-Serie verfügen über Intel Core Ultra-Prozessoren.

Alle Modelle der Karbon- und Helix 520-Serie robuster Industriecomputer werden hier mit allen verfügbaren Modellen dargestellt.

Anwendungen

Das Feld der künstlichen Intelligenz ist enorm und wird von Tag zu Tag größer. Die Anwendungsbereiche der künstlichen Intelligenz lassen sich in mehrere Arten unterteilen, darunter: Machine Learning, Deep Learning, Natural Language Processing, Expertensysteme, Robotik und Machine Vision.

Applications of AI
  • Machine Learning (ML)

    • Machine-Learning-Modelle verwenden Daten und Algorithmen, um bestimmte Aufgaben zu erfüllen, ohne explizit programmiert zu werden. Diese Machine-Learning-Algorithmen verbessern ihre Genauigkeit mit der Zeit.

  • Deep Learning

    • Deep learning ist eine Form des Machine Learning, bei der Algorithmen in Schichten strukturiert werden, um ein „künstliches neuronales Netzwerk“ zu schaffen. Deep Learning ist ein fortschrittlicherer Ansatz des Machine Learning und kann zur Lösung komplexerer Probleme verwendet werden. Autonomes Fahren ist eine Form des Deep Learning.

  • Natural Language Processing (NLP)

    • NLP-Algorithmen werden verwendet, um geschriebene oder gesprochene menschliche Sprache zu verarbeiten. Sie werden zur Übersetzung, Zusammenfassung oder zur Durchführung einer Aktion verwendet.

  • Expertensystem

    • Ein Expertensystem ist eine Software, die KI einsetzt, um Probleme zu lösen und das Urteil menschlicher Expert:innen zu simulieren.

  • Robotik

    • Robotics ist ein Bereich der Technik, in dem künstliche Intelligenz eingesetzt wird, um Maschinen bei der Navigation und Steuerung ihrer Umgebung zu unterstützen.

      • Rigorous Technologies stellt zum Beispiel Roboter her, die bei logistischen Aufgaben in der Produktion helfen. Ein anderes Beispiel ist advanced.farm, ein Unternehmen, das Roboter herstellt, die bei der Obsternte helfen.

  • Machine Vision

    • Machine vision nutzt die neuesten KI-Technologien, um Industrieanlagen zur Visualisierung ihrer Umgebung zu befähigen und schnelle Entscheidungen auf der Grundlage dessen zu treffen, was sie „sehen“.

Uses of AI

Beispiele aus dem Alltag

Wahrscheinlich nutzen Sie KI in so vielen Bereichen Ihres Lebens, ohne es zu wissen. Hier einige Beispiele, die Sie vielleicht schon heute erlebt haben:

  • Website-Chat

    • Website-Q&A-Bots werden häufig von Generative Pre-trained Transformers (GPT) angetrieben, die allgemein als GPT bekannt sind. Diese ermöglichen die Erstellung von Inhalten und Konversationstexten für Q&A-Bots sowie die Textzusammenfassung, die Generierung von Inhalten und die Suche.

  • Web-Suchmaschinen

    • KI wird eingesetzt, um Ihre Suchanfrage zu verstehen und die relevantesten Ergebnisse zu ermitteln.

  • Virtuelle Assistenten wie Alexa oder Siri

    • Diese Assistenten nutzen natürliche Sprachverarbeitung und Machine Learning, um ihre Leistung mit der Zeit zu verbessern.

  • Verkehrssteuerung

    • KI wird eingesetzt, um Echtzeit-Verkehrsdaten von verschiedenen Kameras und IoT-Geräten zu analysieren und Muster in den bereitgestellten Daten zu erkennen. So können die Sicherheit erhöht und der Verkehr kontrolliert werden.

  • Empfehlungssysteme für Streaming-Dienste

    • Den Verbraucher:innen werden personalisierte Unterhaltungsoptionen präsentiert. Sie basieren auf Daten, die den Verbraucher:innen laut Vorhersage des Systems gefallen werden. In unserem Blogbeitrag Human-in-the-Loop Machine Learning erfahren Sie, wie das Streaming-Empfehlungssystem funktioniert.

Neben diesen alltäglichen Beispielen setzen auch viele andere Branchen auf KI. Einige Beispiele sind:

  • das Gesundheitswesen für Terminplanung, Diagnose und Behandlungsplanung

  • das Finanzwesen für die Ausführung von Geschäften zum exakten Zeitpunkt

  • das Transportwesen für selbstfahrende Fahrzeuge

  • der Einzelhandel für Bestandsmanagement, Kundenzufriedenheit und Prognosen

  • die Fertigung für die vorausschauende Wartung

All diese Beispiele sind nur die sprichwörtliche Spitze des Eisbergs. Es gibt Anwendungen für KI in fast jeder Branche. Das führt zu einem unglaublichen Wachstum von Edge-KI.

KI im Edge

Um eine Entscheidungsfindung nahezu in Echtzeit zu ermöglichen, verlagern viele Unternehmen KI-Lösungen von der Cloud zum Edge und damit näher an die Quelle der Systeme, die die Daten erzeugen. Dieser Rand des Netzwerks kann sich in einem Lager, an einer Fertigungsstraße, auf einem Gabelstapler oder sogar in der Wüste befinden.

Robuste Industrie-Computer mit leistungsstarken Prozessoren sind für diese Art von Umgebung ausgelegt. Sie können Schmutz, Staub, Vibrationen und Temperaturschwankungen standhalten. Die industrielle Hardware von OnLogic ist entweder mit integriertem oder separatem Grafikprozessor erhältlich und kann nahezu überall installiert werden. Sie bietet die neueste Technologie mit allen Cores, Threads, Speicher, Anschlussmöglichkeiten und Beschleunigern, um Ihre AI at the edge solution zu betreiben.

Technologien für Lösungen im Bereich der künstlichen Intelligenz

Das explosive Wachstum von KI und der daraus resultierende Wert ist eng mit der explosionsartigen Zunahme der verfügbaren Daten und Modelle sowie der Weiterentwicklung der Technologie zur Verarbeitung und Auswertung der gesammelten Informationen verbunden. Zu den wichtigsten Fortschritten gehören unter anderem:

  • Größere Datensätze

    • Das Internet of Things (IoT) bietet die Möglichkeit, Daten aus zahlreichen verbundenen Geräten und offenen Datensätzen zu erfassen. 

  • Vortrainierte Modelle

    • Die Verfügbarkeit von vortrainierten Open-Source-Modellen hat es Entwickler:innen ermöglicht, Lösungen schneller zu erstellen. Dazu beginnen sie mit einem KI-Modell, das bereits auf einem großen Datensatz trainiert wurde, um ein ähnliches Problem zu lösen.

  • Verbesserte Prozessoren

    • Multi-Core-CPUs, integrierte GPUs und separate GPUs (Graphical Processing Units) sind die Grundlage für den steigenden Wert der KI. Sie liefern die Rechenleistung für die Verarbeitung und Interpretation von Datensätzen, um daraus einen KI-Algorithmus zu entwickeln.

Hardware für Lösungen im Bereich der künstlichen Intelligenz

Was die KI-Hardwareoptionen angeht, so erfordern verschiedene Anwendungen unterschiedliche AI solutions.

IoT-Gateways

Wenn sich Ihre KI-Lösung in der Cloud befindet, benötigen Sie ein IoT gateway. Dieser kleine, aber zuverlässige Computer ist das Bindeglied zwischen den von Embedded-Sensoren erfassten Daten und der Cloud. Sie spielen eine immer wichtigere Rolle in KI-Lösungen, da sie eingehende Daten erfassen, speichern und manchmal teilweise verarbeiten, bevor sie übertragen werden.

Beispielsweise haben wir den Karbon 410 so konzipiert, dass er selbst unter schwierigsten Installationsbedingungen zuverlässig arbeitet. Dazu gehören extreme Temperaturen und vibrationsanfällige Standorte. Wir haben eine innovative lüfterlose Kühlung und flexible Konfigurationsoptionen mit dem fortschrittlichen Intel® Atom®-Prozessor (früher Elkhart Lake) kombiniert.

Zwei robuste Industriecomputer von OnLogic aus der Karbon 400-Serie mit einem Intel-Logo.

KI im Edge mit integrierter GPU

Einige der neuesten Prozessoren mit integriertem Grafikprozessor können problemlos KI-Inferenzlösungen am Edge unterstützen. Der lüfterlose OnLogic Helix 511 wird beispielsweise von 12th Generation mit Hybrid-Core-Architektur und DDR5-Speicher unterstützt. Dieses kompakte Kraftpaket bietet reichlich I/O, darunter auch ältere Verbindungen, und eine leistungsstarke Datenverarbeitung für eine KI-Lösung am Edge. Separate GPUs sind nicht immer erforderlich. Sie tragen erheblich zu den Kosten eines Computers bei. Die Ausführung von Inferenzen auf einer CPU oder einem integrierten Grafikprozessor (iGPU) trägt dazu bei, die Kosten für den effektiven Einsatz von KI zu senken.

OnLogic Helix 511 Industriecomputer mit leistungsstarkem Intel-Prozessor

KI am Edge mit separater GPU

Wenn Sie eine robustere Lösung mit einem Intel Core™-Prozessor der 12. oder 13. Generation und einem separaten Grafikprozessor implementieren möchten, bietet der Karbon 804 unglaubliche Rechenleistung und Flexibilität. Wir haben dieses System für die härtesten Umgebungen und mit PCIe Gen 4-Erweiterung für eine erweiterte GPU-Unterstützung entwickelt. Dieses Rugged-System ist eine ideale Plattform für Automatisierung, Machine Learning oder KI.

Rugged-Computer K804 mit Raum für GPU-Erweiterung

GPU-Server

Für komplexe Workloads, Deep Learning am Edge sowie Training und Inferenz vor Ort ist ein GPU server wie der AC101 eine hervorragende Lösung. Diese Plattform bietet Intel-Prozessoren der 13. Generation, fortschrittliche GPUs und DDR5-Speicher. Viele Unternehmen nutzen Edge-Server im Rahmen ihrer Strategien zur Rückführung in die Cloud, um Rechenressourcen vor Ort zu verlagern. Außerdem werden so Latenzzeiten vermieden und die Betriebskosten gesenkt.

1U-Rackmount-Server mit geringer Einbautiefe von OnLogic

Die nächsten Schritte

Sind Sie bereit, mit Ihrer KI-Lösung zu beginnen? Unsere Lösungsspezialist:innen sorgen dafür, dass Sie die nötige Rechenleistung und I/O erhalten, um Ihre KI-Inferenzmodelle in Bewegung zu setzen – selbst in den anspruchsvollsten Umgebungen. Contact us today.

Sarah Lavoie, Content Creator für OnLogic
Sarah Lavoie
Content Marketing / Marketing, OnLogic
Sarah ist Content Creator. Wenn sie nicht schreibt, erkundet sie oft die Landschaft von Vermont mit ihrer Kamera, um faszinierende Dinge zu fotografieren.

Bleiben Sie auf dem Laufenden.

Seien Sie unter den Ersten, die Zugang zu den neuesten Produkten und Industrie 4.0-Innovationen, OnLogic-Events und mehr erhalten.