Inhaltsverzeichnis
1. Edge und Fog Computing 2. Software- und Systems-Engineering
Mit ihrer Kombination aus Fachmesse und Konferenz zeigt die Embedded World in Nürnberg, welche neuen Bereiche die mit Hochgeschwindigkeit voranschreitende Technologie erschließt. Embedded Intelligence prägt immer mehr Systeme: von autonomen Fahrzeugen über Bilderkennungs- und Embedded-Vision-Systemen bis hin zu präventiver und bedarfsgerechter Wartung in Industrie-4.0-Systemen, vom Kleinrechner bis zum Hochleistungs-Cloud-Server. Künstliche Intelligenz (KI) wird 2020 eines der dominierenden Themen der Messe sein, sowohl auf Messeständen als auch in den begleitenden Konferenzen. Dort wird diskutiert, was KI im Zusammenhang mit „Embedded“ bedeutet, was die Embedded-Technologie von den KI-Angeboten der Cloud- und Internet-Giganten unterscheidet, was KI leistet und wie die Technologie in Geräte für Industrie und Endanwender integriert wird.
Edge und Fog Computing
Für den industriellen Bereich sind Anwendungen besonders interessant, bei denen Verhalten, Eigenschaften, Zustände, Wartungsintervalle oder Restlaufzeiten analysiert oder vorhergesagt werden müssen. Solche Edge-Anwendungen basieren oft auf eingebetteten Systemen, die über viel weniger Rechenleistung verfügen als die Cloud-Server, die normalerweise KI- und ML-Probleme rechnen. Trotz der beschränkten Speicher- und Rechenressourcen von eingebetteten Mikrocontrollern boomt dieser Bereich ganz massiv, erklärt Prof. Axel Sikora, Chairman der Embedded World Conference. Hintergrund sei die Möglichkeit, kleine, kostengünstige, autonome und adaptive Systeme zu bauen, die deutlich über den Funktionsumfang herkömmlicher statischer, modellbasierter Steuer- und Regelalgorithmen hinausgehen. Autonome Fahrzeuge, selbständige Roboter oder interaktive Assistenten sind nur einige bekannte Beispiele. Dabei stehen die eingebetteten Systeme meist nicht im Sinne von Edge Computing allein, sondern agieren oft im Zusammenspiel mit weiteren Ressourcen in der Cloud (Cloud Computing) oder auf Zwischensystemen und Gateways. Hier wird das sogenannte Fog Computing immer wichtiger, bei dem Rechenleistung und Intelligenz an den Rand der Cloud verlagert werden. Durch diese Dezentralisierung müssen nicht mehr alle Daten den kompletten Weg zum zentralen Rechenzentren zurücklegen. Latenz- und Verarbeitungszeiten sinken.
In klassischen, eingebetteten KI-Systemen wird in der Cloud gelernt und im Edge entschieden. Immer mehr finden sich aber auch Architekturen, in denen Lösungen für Probleme begrenzter Komplexität auf dem eingebetten Endknoten (Edge System) gelernt werden. Zudem lernen immer mehr Anwendungen mehrstufig. Dies verspricht, laut Sikora, nicht nur Vorteile in Bezug auf die Lastverteilung, sondern ebenfalls für die Vertraulichkeit von Informationen, da nur vorgelernte, also abstrahierte Modell auf die nächste Ebene weitergegeben werden.
