Das Zusammenspiel von IoT und KI

Google, Facebook, Microsoft: Zurzeit investieren die Schwergewichte der digitalen Industrie massiv in künstliche Intelligenz. Sie stecken Milliardenbeträge in die Erforschung einer Technologie, die das Potenzial hat, ganze Branchen zu revolutionieren. Und im Zusammenspiel von KI und Industriellem Internet der Dinge (IIoT) ergeben sich gewisse Synergieeffekte.

Immer mehr Unternehmen setzen auf das Internet der Dinge (IoT), um ihre Produktion effizienter zu gestalten, Kosten zu senken oder den Weg für völlig neue Geschäftsmodelle zu ebnen – oder alles gleichzeitig. Von den riesigen Datenmengen, die durch Sensoren, Machine-to-Machine(M2M)-Kommunikation oder auch Social Media erzeugt werden, erhoffen sie sich neue Einblicke in ihr Geschäft. Die Bewältigung all dieser Informationen ist Aufgabe von Big Data Analytics. Künstliche Intelligenz und maschinelles Lernen können helfen, das Ganze zu beschleunigen, um mit dem rasanten Wachstum von IoT-Daten Schritt zu halten.

Maschinelles Lernen zur Auswertung unbekannter Daten 

Als Teilgebiet der KI beschreibt maschinelles Lernen einen Prozess, in dem Computer selbstständig lernen und Erkenntnisse gewinnen, ohne für eine Aufgabe programmiert zu werden. Das Konzept ist keineswegs neu, doch durch den technischen Fortschritt der letzten Jahre – exorbitant steigende Prozessorleistung, Big-Data-Anwendungen, Cloud Computing und erschwingliche Sensoren und Datenübertragung – können wir es heute endlich in vollem Umfang nutzen. 

Mithilfe von maschinellem Lernen können etwa Hersteller ihren Kunden eine vorbeugende Wartung von Maschinen und Geräten anbieten: Ist ein System in der Lage, wiederkehrende Muster auf Grundlage von Produktionsdaten unabhängig zu erkennen, kann es dieses Wissen auf unbekannte Daten anwenden. So kann das System Tendenzen erkennen, aber auch mögliche Fehlerquellen ermitteln und Ausfallwahrscheinlichkeiten berechnen. Ob automatisierte Zustandsüberwachung, optimiertes Energiemanagement oder auch die Vorhersage von Kundenanforderungen: Maschinelles Lernen macht es möglich. Der nächste Schritt ist Deep Learning.

Mehrwert durch Deep Learning

Gemäß Definition von Intel handelt es sich bei Deep Learning um eine Teildisziplin des maschinellen Lernens, bei der neuronale Netze eingesetzt werden, um große Datenmengen zu analysieren und zu verstehen. Hierdurch lassen sich etwa Prozesse wie Bild- und Spracherkennung beschleunigen: Während Fotozellen, Temperatur- und Bewegungssensoren oder CO2- und Rauchmelder Gebäude intelligent machen, können durch Deep Learning zusätzlich von Videoüberwachungs- und Sprachsteuerungssystemen erfasste Informationen analysiert werden. 

Edge Computing für Echtzeit-Reaktion

Die Verlagerung der Datenverarbeitung von der Cloud auf Sensoren (Edge bzw. Fog Computing) ermöglicht darüber hinaus Echtzeitanalysen. Durch den Einsatz künstlicher Intelligenz können Systeme innerhalb von Millisekunden auf unerwartete Situationen reagieren. Besonders wichtig ist dies bei Anwendungsfällen wie autonomem Fahren oder Kollisionswarnsystemen vernetzter Fahrzeuge, welche die Deutsche Telekom aktuell auf ihrem „Digitalen Testfeld Autobahn“ auf der A9 testet. Benötigt wird KI auch bei der Fernsteuerung von Maschinen, um bei kritischen Ereignissen proaktiv eingreifen zu können, und für das sogenannte Taktile Internet, das laut Definition der Internationalen Fernmeldeunion (ITU) extrem niedrige Latenz nebst hoher Verfügbarkeit, Zuverlässigkeit und Sicherheit erfordert. 

KI-Partnerschaft

So verwundert es denn auch nicht, dass sämtliche Branchengrößen das Thema künstliche Intelligenz fest im Blick haben. Passend hierzu haben Google, Facebook, Microsoft, Amazon und IBM vor Kurzem die „Partnership on AI“ gegründet. Ziel der Non-Profit-Organisation ist es, den Nutzen künstlicher Intelligenz für Menschen und Gesellschaft herauszustellen. Im Rahmen der gemeinsamen Initiative wollen die Unternehmen Forschung betreiben, Diskussionen anstoßen, Erkenntnisse teilen, Innovationen vorantreiben, den Austausch mit Interessengruppen fördern, Fragen der Öffentlichkeit und Medien beantworten und Informationsmaterial bereitstellen, um ein besseres Verständnis von KI-Technologien wie Maschinenwahrnehmung und -lernen und automatischem Schlussfolgern zu ermöglichen. Und nicht zuletzt natürlich auch, um selbst von der Verbreitung künstlicher Intelligenz zu profitieren.    

Kommentare (0)

Keine Kommentare gefunden!

Neuen Kommentar schreiben

Your email address will not be published.
Required fields are marked.