Gutheil-Schoder-Gasse 8-12, 1100 Wien

sales@mission-embedded.com
<a href=”tel:+43 1 9971993 0″>+43 1 9971993 0</a>

Mit Smart Machines & AI auf der Überholspur

Smart Machines: Ihr Produkt für die Zukunft

 

Warum AI & Machine Learning so wichtig sind

„Smart Machines” können ohne menschliche Intervention Entscheidungen treffen und Probleme lösen. Der Schlüssel dazu liegt in der künstlichen Intelligenz (EN: Artificial Intelligence, AI) sowie im maschinellen Lernen. Bei Letzterem lernt ein sogenannter selbstlernender Algorithmus mithilfe von Trainingsdaten Muster und Gesetzmäßigkeiten zu erkennen. Smart Machines verfügen dabei häufig über „Machine-to-Machine”-Kommunikation, das bedeutet, sie können direkt mit anderen Maschinen und Geräten kommunizieren. Die Ausstattung mit intelligenten Sensorsystemen erlaubt darüber hinaus die Verarbeitung von Umgebungsinformation. Alle diese Konzepte halten auch in alltäglichen Produkten Einzug – vom Auto bis zur Waschmaschine. Unternehmen verwenden Smart Machines zunehmend, um ihre Prozesse zu optimieren.

 

 

Stand der Technik: Cloud vs. Edge Computing

Für die aufwändigen Rechenprozesse von AI- und Machine-Learning-Anwendungen wird eine entsprechende Infrastruktur benötigt. Nach dem etablierten Stand der Technik fällt die Wahl meist auf Cloud-basierte Lösungen oder große Rechenzentren. Beide nutzen zentralisierte Rechenleistung. Bei Offline-Anwendungen in industriellen Umgebungen stoßen diese Systeme schnell an ihr Limit, da die Rechenleistung begrenzt ist. Eine fortschrittliche Alternative ist die (teilweise) Verlagerung der Datenverarbeitung an die Ränder des Netzwerks. Durch Edge Computing verringern sich das Datenvolumen, das übertragen werden muss, sowie die Latenz. Ein Flaschenhals für den Datentransfer kann so vermieden werden. Besonders wichtig ist dies im Bereich drahtloser und Echtzeit-Anwendungen.

 

Data-driven Development and Smart Machines

Systeme, die sich multimodaler Sensorik und künstlicher Intelligenz bedienen, können nicht mehr ausschließlich am „Reißbrett” geplant werden. Vielmehr müssen Daten im realen Einsatzumfeld gesammelt werden, die anschließend dazu genutzt werden, die künstliche Intelligenz zu trainieren. Dies stellt herkömmliche Entwicklungsprozesse vor neue Herausforderungen. Mission Embedded verfügt über flexible Plattformen für die industrielle Anwendung, um effizient Daten zu sammeln und effektiv neuronale Netze zu erproben.


Wie läuft das typische AI-Projekt mit Mission Embedded ab?

Das typische Digitalisierungsprojekt startet mit einer Problemstellung, die ein Kunde an uns heranträgt. Für die Einführung von intelligenter Sensorik und künstlicher Intelligenz werden erfahrene Experten benötigt. Mission Embedded analysiert und bewertet, ob klassische algorithmische Ansätze oder AI für die Umsetzung des Projektes geeignet sind – häufig ist auch eine Kombination aus beiden optimal. Mission Embedded erstellt in der Folge eine Anforderungsanalyse und präsentiert einen Lösungsvorschlag. Ein Beispiel für einen solchen Projektablauf sind unsere Assistenzsysteme auf Basis von Kamerasystemen.

 

Schnelles Proof-of-Concept mit flexbilen ME Plattformen

Der nächste Schritt ist dann die Erstellung eines Proof-of-Concept. Durch den Einsatz bestehender ME Software werden die Kosten niedrig gehalten. Agile Softwareentwicklung erlaubt es uns, auf sich verändernde Kundenanforderungen rasch zu reagieren.  Eine bestehende ME Vision & Machine Learning Plattform wird für Feldtests in das Produkt des Kunden integriert. Dafür werden nur wenige Trainingsdaten benötigt.

 

Data-Acquisition Campaign

Mit der ME Plattform für Data-Acquisition werden im Feldbetrieb Daten gesammelt, die automatische über 4G/LTE hochgeladen werden. Das Labelling der Daten sowie das Training der KI erfolgt in der Cloud und wird entweder von Mission Embedded oder von unseren Kunden übernommen.

 

Entwicklung der Funktionalität

Parallel dazu werden neue Funktionen kontinuierlich integriert und geliefert. Neue Software wird via Remote-Download auf die ME Plattform geladen. Die Demonstration der vollständigen Funktionalität des Systems erfolgt auf der ME Plattform. Erst dann folgt die funktionale Abnahme durch den Kunden. Der letzte Schritt sind Feldtests sowie eine Akzeptanzanalyse durch den Kunden.

 

Schnelle Industrialisierung & Kostenoptimierung für die spezifische Anwendung

Die Durchlaufzeit für die Industrialisierung kann kurzgehalten werden, da ein Großteil der Software-Entwicklung bereits abgeschlossen ist. Sie beträgt meist zwischen vier und sieben Monate für die Entwicklung von maßgeschneiderter, serienreifer Hardware sowie für die Integration der bereits funktionalen Software.