Interview: Michael Corban, Chefredakteur elektro AUTOMATION
elektro AUTOMATION: Herr Apel, KI-Anwendungen findet man aufgrund der erforderlichen Rechenpower bislang eher in Cloud-Umgebungen. Welchen Vorteil erhält der Anwender durch KI ‚on the edge‘ – und steht dafür genügend Rechenleistung bereit?
Achim Apel (Adlink Technology): Das Thema Künstliche Intelligenz verlangt in der Tat Rechenpower – übrigens ein Grund dafür, warum KI und hier vor allem entsprechende Algorithmen schon länger existieren, bislang aber aufgrund der fehlenden Rechenleistung nicht zum Einsatz kamen. Heute steht diese Rechenpower zur Verfügung und insbesondere im Bereich Embedded Computing können wir inzwischen auf GPU- und VPU-beschleunigte heterogene Computerplattformen zurückgreifen, die verschiedene Prozessorarten zur Verarbeitung komplexer Bilder und Daten integrieren und damit Echtzeit-KI-Anwendungen ermöglichen. Doch bevor man sich zu sehr mit Schlagworten beschäftigt, sollte die Frage nach dem Nutzen im Vordergrund stehen. Nahezu alle Automatisierungsanbieter bieten heute etwa die Möglichkeit, mehr oder weniger ‚alle‘ Daten in die Cloud zu schicken. Die Frage lautet dann allerdings, was man mit diesen Daten macht. Die Cloud macht immer dann Sinn, wenn ich mittels Big-Data-Analytics Langzeittrends erkennen will – sie bietet mir dann ausreichend Speicherplatz und Rechenpower, Zeit spielt eine eher untergeordnete Rolle. Anders sieht das allerdings in den Fabrikhallen aus.
elektro AUTOMATION: Weil hier der Zeitfaktor wichtiger wird?
Apel: Exakt – denn an der Maschine, am Roboter oder bei einem autonomen Flurfahrzeug müssen unmittelbar Entscheidungen getroffen werden. Mit anderen Worten: Die Intelligenz muss am System beziehungsweise ‚on the edge‘ verfügbar sein. Nicht zuletzt ist das auch angesichts der überwiegenden Zahl der Brownfield-Aufgabenstellungen kostengünstiger, denn in den wenigsten Fällen wird sich der Anwender darauf einlassen, die komplette Controller–Landschaft zu erneuern, nur um Daten in die Cloud schicken zu können. Erkennbar haben damit Cloud und Edge-Device ihre Berechtigung – entscheidend für die Wahl des Anwenders ist der geplante Einsatz. Ganz klar sieht man das beispielsweise beim Thema Vision Computing, hinter dem die zwei großen Megatrends stehen – autonomes Fahren und Robotik. Beide setzen ‚das Sehen‘ voraus. Kameras mit Framegrabber machen allerdings keinen Sinn mehr, denn bereits ‚in der Kamera‘ muss heute die Entscheidung fallen, was anschließend zu tun ist. Unsere Aufgabe ist es damit, beispielsweise den Grafikchip so zu integrieren, dass ich on the edge rechnen und entscheiden kann. Anders formuliert: Big Data und Smart Data müssen in einem ausgewogenen Verhältnis zueinander stehen.
