Internet der Dinge und KI Die nächste Phase des IoT beginnt mit Edge AI

Anbieter zum Thema

Infineon Technologies AG

MicroConsult Academy GmbH

Syslogic GmbH

IBR Leiterplatten GmbH & Co. KG

Das Internet der Dinge wird immer wichtiger, doch wie jeder Trend ist auch das IoT mit neuen Herausforderungen verbunden. Edge AI bietet hier einige Vorteile, denn die Technologie kann Daten lokal verarbeiten und unterstützt dadurch Echtzeitanwendungen. Doch auch bei Edge AI sind einige Hürden zu überwinden.

Das Internet der Dinge (Internet of Things; IoT) gewinnt rasant an Bedeutung: Jede Sekunde werden heute weltweit im Durchschnitt 127 neue Geräte vernetzt; bis 2027 werden es insgesamt voraussichtlich 43 Milliarden sein. Mit dem stetig wachsenden Markt steigt auch die Nachfrage nach fortschrittlichen Systemlösungen. Diese sollen immer raffinierter, leistungsfähiger, energieeffizienter und präziser sein und auf diese Weise das Leben der Menschen verbessern.

Unter den zahlreichen Schlüsseltechnologien für die Zukunft des IoT leistet Edge AI einen wichtigen Beitrag: Die Technologie ermöglicht schnelle Datenanalysen, Predictive Insights und intelligente Entscheidungsfindung an der Edge des IoT.

Was ist Edge AI?

Während künstliche Intelligenz (KI bzw. AI) und Machine Learning (ML) heute in aller Munde sind, ist der Begriff Edge AI nicht überall geläufig. Edge AI bringt KI-Anwendungen dort zum Einsatz, wo Daten entstehen – in einer Edge-Computing-Umgebung oder direkt in Endgeräten. Daten werden von Sensoren oder anderen Quellen wie Trackern oder Healthcare-Geräten gesammelt und auf den Geräten selbst mithilfe eines KI-Modells verarbeitet. Die Ergebnisse des Modells dienen anschließend dazu, eine Aktion auszulösen oder eine Benachrichtigung zu senden.

Durch die lokale Verarbeitung der Daten kann Edge AI wesentlich schnellere Schlussfolgerungen ziehen. Sie unterstützt somit Echtzeitanwendungen, reduziert Latenzzeiten sowie Netzwerkauslastung und verbessert den Datenschutz, die Sicherheit und die Energieeffizienz.

Edge AI kann in einer Vielzahl an Anwendungen zum Einsatz kommen (Bild 1). Beispiele hierfür sind Gesichts- und Gestenerkennung in Elektrogeräten und Smart-Home-Systemen, Wearables und Healthcare-Geräte, Predictive Maintenance in der Fabrikautomatisierung sowie Kameras, die KI nutzen.

Typische Anwendungsfälle von KI sind intelligente Lautsprecher und Sprachassistenten, die Spracherkennungsanalysen verwenden und sich auf eine Reihe komplexer KI-Technologien stützen. Hierzu gehören die automatische Spracherkennung (Automatic Speech Recognition; ASR), die Schallwellen in Wörter umwandelt, sowie Natural Language Understanding (NLU), das diese Wörter in tatsächliche Bedeutungen konvertiert. Der intelligente Lautsprecher reagiert schließlich mithilfe von Natural Language Generation (NLG).

KI verbessert Effizienz

In Smart-Home-Anwendungen kann KI die Effizienz von Edge-Geräten verbessern und ein reibungsloses Nutzererlebnis ermöglichen. Waschmaschinen können etwa durch den Einsatz von KI die Wasser- und Waschmittelmenge sowie die Spül- und Schleuderzeiten anpassen, um effizienter zu waschen. Thermostate lernen die bevorzugten Temperaturen, erkennen die Innen- und Außentemperatur und erfassen die Anzahl der Menschen, die sich im Raum aufhalten. Backöfen personalisieren die Mahlzeiten je nach Geschmack der Person und können gleichzeitig die Sicherheit erhöhen, indem sie dafür sorgen, dass nur Erwachsene das Gerät verwenden können. Staubsauger können verschiedene Bodentypen unterscheiden und die Reinigung sowie die Batterieeffizienz optimieren. All diese Anwendungsfälle nutzen komplexe KI-Algorithmen an der Edge.

Jeder neue Trend oder jede neue Technologie bringt typischerweise neue Herausforderungen mit sich. Edge AI ist hier keine Ausnahme und wirkt sich auf die folgenden Bereiche aus:

• Leistung und Energiebedarf: Das Wachstum des IoT führt dazu, dass mehr Sensoren erforderlich sind und damit mehr Informationsaustausch stattfindet. Dadurch erhöht sich auch die Komplexität der Geräte und der Bedarf an Rechenleistung. Aufgrund zusätzlichen der Möglichkeit, ML-Operationen auf dem Gerät selbst zu verarbeiten, erfordert diese neue Generation von Edge-Geräten sowohl einen hochleistungsfähigen Kern als auch einen Hardware-Beschleuniger für neuronale Netze. Diese Anforderung wird noch anspruchsvoller, wenn die Optimierung des Energiebedarfs einbezogen wird, damit batteriebetriebene und energiebewusste Endgeräte effizient arbeiten und gleichzeitig den Energiebedarf senken. Das Gute daran: Durch die Speicherung von Daten und die Ausführung von Algorithmen auf dem Edge-Gerät wird weniger Energie benötigt, als für die Übertragung aller Daten in die Cloud erforderlich wäre.

• Security und Datenschutz: Edge-AI-Geräte führen den Großteil ihrer Operationen sowie die Datenverarbeitung lokal durch. Damit wird Security- und Datenschutzbedenken entsprochen, da weniger Daten an die Cloud und externe Standorte gesendet werden müssen. Allerdings bedeutet das nicht, dass alle Daten im Edge-AI-Gerät automatisch vor Angriffen geschützt sind, denn auch Cyberangriffe entwickeln sich weiter. Eine robuste, richtig dimensionierte, eingebettete Security-Lösung ist daher für alle Edge-AI-Geräte erforderlich, um die Integrität und die Daten angemessen schützen zu können.

• Benötigtes Fachwissen, Zeitaufwand und Markteinführung: Die Entwicklung von Edge-AI-Geräten ist ohne das richtige Fachwissen nahezu unmöglich. Grund dafür kann mangelndes Hardware-Wissen sein, beispielsweise im Umgang mit auf KI/ML optimierten Beschleunigern und Prozessoren. Oder es fehlt an Erfahrung, wie Software bei der Entwicklung und der Implementierung von KI-Modellen eingesetzt wird. Auch fehlendes Wissen und Zeitdruck können dazu führen, dass nicht der optimale Weg eingeschlagen wird.

Eine umfassende, robuste Kombination Hard- und Software, ergänzt durch eine durchgängige Toolchain-Lösung, kann helfen, Unsicherheiten zu reduzieren und die Markteinführung der nächsten Generation von Edge-AI-Geräten zu beschleunigen.

Infineon adressiert die Herausforderungen, die mit der Einführung von Edge AI auftreten können, mit der neuen Mikrocontroller-Familie PSOC Edge. Die Produktfamilie bietet ein breites Spektrum an Funktionen, darunter hohe Leistung, geringer Energiebedarf und moderne Sicherheitsfunktionen. Außerdem ermöglichen die Bauteile eine schnellere Markteinführung.

PSOC Edge

Die zunehmende Systemkomplexität im IoT-Bereich, wo viele Sensoren und die Verarbeitung komplexer Daten an der Edge zusammenkommen, bringt Mikrocontroller an die Grenzen ihrer Leistungsfähigkeit. Gleichzeitig sind ein niedriger Energiebedarf und eine hohe Energieeffizienz weiterhin ein Muss. Um diese Anforderungen zu unterstützen, hat Infineon mit PSOC Edge einen Multi-Domain-Architektur-Ansatz eingeführt. Dieser bietet hohe Leistungsfähigkeit, einschließlich eines Hochleistungskerns und einer hardwarebeschleunigten neuronalen Prozessoreinheit. Gleichzeitig unterstützt PSOC Edge eine erhöhte Energieeffizienz durch eine Ultra-Low-Power-Domain für Always-On-Anwendungen.

Dadurch können IoT-Geräte im Tiefschlafmodus betrieben, gleichzeitig aber akustische Ereignisse oder Gesichter erkannt und entsprechende Aktionen ausgelöst werden. Auf diese Weise kann das System vollständig aufwachen, die erforderliche Aufgabe ausführen und wieder in den Schlafmodus übergehen, was die Energieeffizienz maximiert und zu einer längeren Akkulaufzeit ohne Leistungseinbußen führt. Dadurch beschleunigt Edge AI nicht nur die Digitalisierung, sondern trägt auch zur Dekarbonisierung durch Energieoptimierung bei.

Eine weitere zentrale Herausforderung besteht, wie bereits erwähnt, im Datenschutz und der Minimierung von Bedrohungen der Sicherheit. Aus diesem Grund müssen Lösungsanbieter ihre Edge-AI-Angebote mit einem höheren Sicherheitsniveau ausstatten. Bei unzureichendem Schutz können Edge-AI-Geräte manipuliert werden und so zu einem Einfallstor in das Netzwerk werden. Außerdem sind Edge-AI-fähige Geräte überall auf dem Markt erhältlich, unter anderem Thermostate, intelligente Lautsprecher oder intelligente Schlösser. Angreifer können diese daher auf Schwachstellen analysieren und, wenn solche identifiziert wurden, anschließend schädliche Software erstellen, um die Technologie und das gesamte Netzwerk zu gefährden. Aus diesen Gründen ist eine robuste, richtig dimensionierte, eingebettete Security-Architektur von größter Wichtigkeit für die neue Ära der Edge-AI-Geräte.

Infineon weiß, wie wichtig die Markteinführungszeit für ein Edge-AI-Gerät ist und unterstützt Entwickler entsprechend: Mit der Übernahme von Imagimob bietet das Unternehmen eine flexible und benutzerfreundliche End-to-End-orientierte ML-Plattform an. Der Fokus liegt dabei auf der Bereitstellung von produktionsreifen ML-Modellen. PSOC Edge umfasst alle erforderliche Hardware, Software und Tools für ein reibungsloses Design und eine schnellere Markteinführung. PSOC Edge verfügt dazu über ein starkes Partner-Ökosystem und bietet eine umfassende Dokumentation sowie Evaluierungskits mit Konnektivität und HMI-Modulen. Hinzu kommt die branchenweit anerkannte ModusToolbox-Software, die mit der Edge-AI-Entwicklungsplattform von Imagimob und den Ready Models integriert ist. Damit können ML-fähige Mikrocontroller schneller und bereits validiert in die Produktion gehen. (sb)

Stromversorgung für KI

KI als Innovationstreiber: Mit Infineon in Rechenzentren Strom sparen

Halbleiterfertigung

Infineon: Letzter Bauabschnitt der Smart Power Fab in Dresden genehmigt

* Omar Cruz ist Senior Manager Product Management bei Infineon.

(ID:50077944)