Künstliche Intelligenz at the Edge.
Das Verschieben der Datenverarbeitung näher an die Datenquelle, also Edge-Computing, bringt viele Vorteile mit sich, oftmals ist es aus unterschiedlichen Gründen auch notwendig. Etwa wenn es sich um größere Datenmengen (z.B.: Bilddaten) handelt, oder aus Gründen der Datensicherheit keine externen Cloud-Dienste genutzt werden können/sollen.
Warum „KI at the Edge“?
Folgende Vorteile bietet ihnen „KI at the Edge“:
- Echtzeit-Verarbeitung: Unmittelbare Datenanalyse und Entscheidungsfindung vor Ort für schnellere Reaktionszeiten.
- Datenschutz und -sicherheit: Lokale Verarbeitung reduziert die Übertragung sensibler Daten über Netzwerke, stärkt den Datenschutz und minimiert Sicherheitsrisiken.
- Effizienzsteigerung: Durch gezielte Übertragung relevanter Daten wird der Datenverkehr reduziert, was zu effizienterer Ressourcennutzung führt.
- Robustheit und Ausfallsicherheit: Lokale Verarbeitung sorgt für Systemrobustheit und Ausfallsicherheit, unabhängig von zentralen Cloud-Servern.
- Anpassungsfähigkeit: Lokale Dateninterpretation ermöglicht adaptive und kontextsensitive Anpassung an wechselnde Bedingungen und Anforderungen.
Genauso wie das Edge-System an sich müssen allerdings auch die Software und die Algorithmen selbst hochintegriert und effizient arbeiten, um in der Lage zu sein, korrekte Entscheidungen zum richtigen Zeitpunkt treffen zu können.
Unsere Methoden.
Unser Team hat sich auf genau diese Optimierung sowie die Integration von Datenverarbeitungsalgorithmen und Künstlicher Intelligenz (KI) für und in Edge-Systeme spezialisiert und unterstützt Sie in folgenden Bereichen:
- Modelloptimierung: Reduzierung von Modellgröße und -komplexität für ressourceneffiziente Ausführung an Edge-Geräten.
- Federated Learning: Lokales Training von KI-Modellen ohne Übertragung sensibler Daten an zentrale Server.
- Sicherheitsprotokolle: Implementierung robuster Sicherheitsmechanismen zum Schutz von Datenintegrität, Vertraulichkeit und Authentifizierung an der Edge.
- Edge-Management-Plattformen: Effiziente Plattformen für Überwachung, Aktualisierung und Verwaltung von KI-Modellen in verteilten Edge-Umgebungen.
- Edge-Entwicklungsframeworks: Spezielle Frameworks zur einfacheren Entwicklung, Optimierung und Integration von KI-Anwendungen an der Edge.
Einsatzgebiete & Success-Stories.
Die Einsatzgebiete von Edge-KI sind vielfältig. Wir arbeiten mit Bilddaten sowie mit klassischen Sensordaten ... nachfolgend finden Sie Details zu Anwendungen, die wir bereits erfolgreich für unsere Kunden umgesetzt haben:
Industrielle Kameras können dazu genutzt werden, um mithilfe von KI Beschädigungen oder Änderungen in der Oberfläche, Form oder Farbe eines Objekts zu erkennen. Vor allem bei der visuellen Inspektion innerhalb oder am Ende von Produktionsstraßen oder Maschinen kann dies die Qualität und Effizienz der Prozesse deutlich erhöhen. Wir haben dazu eigene Algorithmen entwickelt, die mit nur wenigen (10-20) Bildern trainiert werden, und dennoch eine hohe Erkennungsrate von über 98 % erreichen. Außerdem können unsere Systeme mit reflektierenden und transparenten Oberflächen arbeiten.
Anwendungen: Produktions- und Verarbeitungsmaschinen für Backwaren, Metallobjekte, Glas, Kunststoff, Holz, Verarbeitung von Elektronikprodukten und Platinenbestückung
KI-Modelle können sehr zuverlässig Hände, Füße, Augen, Gesicht und ganze Menschen erkennen. Zusätzlich kann die Position der einzelnen Körperteile ermittelt werden.
Selbst wenn nur Ausschnitte davon im Bild sichtbar sind, funktionieren diese Modelle mittlerweile sehr zuverlässig. Zusätzlich können die Modelle direkt die Gesichter der Personen unkenntlich machen, sodass diese DSGVO-Konform einsetzbar ist.
Damit lassen sich völlig neue Anwendungen realisieren:
Gewährleistung der Arbeitsplatzsicherheit, Unterstützung bei Assembly-Prozessen, Dynamische Pfadplanung bei mobilen Robotern, Mensch-Maschine-Interaktion, uvm.
Überall dort, wo Information nicht in maschinenlesbarer Form vorliegt, ist es oftmals sehr schwierig, Prozesse zu automatisieren. Ein Beispiel dafür sind ausgedruckte Auftrags-Informationen für die Überwachung von Waren in der Logistik. KI-Modelle für OCR, also "Optical Character Recognition", können hier Abhilfe schaffen, damit nicht sämtlich Prozesse digitalisiert werden müssen, sondern analoge Information sehr einfach digitalisiert werden kann. Diese Modelle sind bereits sehr mächtig und können in Kombination mit der idealen Hardware in Echtzeit Text erkennen und interpretieren.
Anwendungen: Warenmanagement in der Intralogistik, Digitalisierung von Produktionsaufträgen
KI-Modell werden darauf trainiert, die idealen Zustände eines Prozesses exakt abzubilden und zu verstehen. Über verschiedene Sensoren überwacht das KI-Modell den Prozess in Echtzeit und passt die notwendigen Parameter der Maschine bzw. Steuerung gegebenenfalls an, sodass der Prozess immer mit der maximalen Effizienz betrieben wird. Zusätzlich können mögliche Fehler frühzeitig erkannt oder oftmals sogar ganz vermieden werden.
Anwendungen: Recycling-Maschine, Steinbrecher-Maschine, Biegeprozesse von metallischen Objekten, Extrusionsprozesse, Spritzgussprozesse, etc
In der Robotik kann KI in Kombination mit einer 2D- oder 3D-Kamera dazu genutzt werden, Prozesse wesentlich flexibler zu gestalten. Dazu lokalisiert die KI zuerst das Objekt im Bild, welches gegriffen werden soll, und berechnet daraufhin die exakte Position (+/- 1mm). Diese Information wird dann zur Berechnung des Pfades für den Roboter genutzt. Mit diesem Verfahren können Objekte gefunden und gegriffen oder umfahren werden, ohne dass diese jedes Mal in einer definierten Position vorab platziert werden müssen oder der Roboter in einen Not-Stopp verbleiben muss.
Anwendungen: Kollaborative Roboter, Industrie-Roboter, mobile Roboter
Um hohe Kosten für Wartung oder schlecht Produzierte Teile zu vermieden ist es wichtig, mögliche Fehler innerhalb der Produktionsprozesse sehr schnell zu erkennen. KI-Modelle können an unterschiedlichen Stellen dazu genutzt werden, um Bild- und Sensordaten in Echtzeit auszuwerten, und sofort einen Alarm auszulösen, wenn Abweichungen vom Idealzustand erkannt werden. Durch hochmoderne Algorithmen können sich diese Modelle in kürzester Zeit an Änderungen anpassen.
Anwendungen: Spritzguss-Maschine, Kunststofferzeugung, Holzverarbeitung, Glasherstellung, etc
Tech Stack.
Artificial Intelligence
Hardware Vendors
