{"id":17711,"date":"2023-03-28T08:42:29","date_gmt":"2023-03-28T06:42:29","guid":{"rendered":"https:\/\/www.m-q.ch\/?p=17711"},"modified":"2023-04-26T07:53:35","modified_gmt":"2023-04-26T05:53:35","slug":"embedded-ki-entlastet-den-service","status":"publish","type":"post","link":"https:\/\/www.m-q.ch\/de\/embedded-ki-entlastet-den-service\/","title":{"rendered":"Embedded-KI entlastet den Service"},"content":{"rendered":"
\"\"
Embedded-KI kann in der Industrie den Service deutlich entlasten. (Bild: AITAD)<\/figcaption><\/figure>\n

Maschinenbauer setzen auf regelm\u00e4ssigen Service, der sicher stellen soll, dass die Maschinen laufen, die Qualit\u00e4t und der Durchsatz stimmen. Regelm\u00e4ssige Wartungsintervalle sind jedoch personalintensiv \u2013 wobei es nicht immer leicht ist, entsprechend qualifiziertes Personal \u00fcberhaupt zu finden. Und nicht jeder Wartungseinsatz ist erforderlich: L\u00e4uft die Maschine problemlos, war der Besuch des Servicetechnikers im Grunde reine Zeitverschwendung.<\/p>\n

Serviceintervalle reduzieren<\/h3>\n

In der Vergangenheit waren regelm\u00e4ssige Serviceintervalle unverzichtbar \u2013 und dennoch keine Garantie, dass eine Maschine nicht doch pl\u00f6tzlich stillsteht. Denn selbst f\u00fcr hochqualifiziertes Personal war nicht jeder sich bereits ank\u00fcndigende Ausfall erkennbar.<\/p>\n

Hier kommt nun K\u00fcnstliche Intelligenz ins Spiel. Mit Hilfe von Sensoren lassen sich Maschinen kontinuierlich \u00fcberwachen (Predictive Maintenance). Dabei entstehen grosse Datenmengen, die viel \u00fcber den Gesundheitszustand der Maschine oder auch einzelner Bauteile verraten k\u00f6nnen. L\u00e4sst man nun die Daten der Sensoren durch eine KI auswerten, lassen sich m\u00f6gliche Ausf\u00e4lle schon lange im Voraus vorhersehen. Das bedeutet sowohl f\u00fcr den Hersteller als auch den Nutzer eine Win-Win-Situation: Ungeplante Ausf\u00e4lle treten trotz Reduktion der Serviceintervalle nicht mehr auf.<\/p>\n

Die meisten zurzeit auf dem Markt befindlichen KI-L\u00f6sungen ben\u00f6tigen jedoch viel Rechenkapazit\u00e4t und sind auf eine kostspielige leistungsf\u00e4hige Netzwerkinfrastruktur angewiesen. Die Sensordaten werden dabei \u00fcber das Netzwerk \u00fcbertragen, auf zentralen Servern oder in der Cloud ausgewertet und anschliessend wird das Ergebnis zur\u00fcckgesendet. Das kostet nicht nur Zeit, sondern wirft auch die Frage der Datensicherheit auf. Nat\u00fcrlich ist es ein verst\u00e4ndliches Herstellerinteresse, auf diese Daten zu zugreifen \u2013 ob die Kunden, die die Maschinen einsetzen, jedoch wollen, dass m\u00f6glicherweise sensible Prozessdaten \u00fcber das Internet \u00fcbertragen werden, sei dahingestellt.<\/p>\n

KI-L\u00f6sungen m\u00fcssen nicht aufw\u00e4ndig und teuer sein<\/h3>\n

Mit modernen, und dennoch kosteng\u00fcnstigen Sensoren lassen sich mittlerweile Daten im Gigasample-Bereich erfassen. Bei dieser Datenmenge \u2013 es geht hier schnell um ein Volumen von mehreren Terabyte, besonders wenn die Daten mehrerer Maschinen ausgewertet werden sollen \u2013 ist eine \u00dcbertragung im Netzwerk kaum noch m\u00f6glich, selbst bei direkter Glasfaserverkabelung. Deshalb ist es nicht nur geschickter, sondern auch deutlich kosteng\u00fcnstiger, die Datenauswertung direkt vor Ort im Ger\u00e4t durchzuf\u00fchren.<\/p>\n

Eine solches, lokales Monitoring ist jedoch erst seit wenigen Jahren m\u00f6glich. Die steigende Rechenkapazit\u00e4t selbst kleinster Halbleiter macht es m\u00f6glich, Sensor und KI direkt auf einer kleinen, den Einbauort angepassten Platine unterzubringen. Der Sensor sendet seine Daten dann nicht mehr \u00fcber das Netz, sondern direkt an die KI auf der gleichen Platine. Die KI \u201eschaut\u201c sich jeden einzelnen Datenschnipsel im Arbeitsspeicher (RAM) an, wertet ihn aus und verwirft die Rohdaten des Sensors anschliessend. Nur die Auswertungsergebnisse werden \u00fcbergeben \u2013 im einfachsten Fall durch eine Lampe am Ger\u00e4t, die im Fall eines auftretenden Fehlers rot leuchtet. Oder der Service wird direkt dar\u00fcber verst\u00e4ndigt, dass ein Bauteil oder das gesamte Ger\u00e4t in einer bestimmten Zeitspanne einen Fehler aufweisen wird. Der Service kann nun erforderliche Ersatzteile bestellen und mit dem Kunden einen Wartungstermin planen, der die Produktion nicht beeintr\u00e4chtigt.<\/p>\n

Solche lokalen KI-Systeme werden als \u201eEmbedded-KI\u201c bezeichnet. Aufgrund der systembedingten Ressourcenbeschr\u00e4nkung sind solche Systeme vergleichsweise kosteng\u00fcnstig, ohne dabei an Robustheit einzub\u00fc\u00dfen. Sie verursachen keine Folgekosten, wie sie durch eine Netzwerkinfrastruktur entstehen und sind dar\u00fcber hinaus echtzeitf\u00e4hig, wodurch sie auch in sicherheitskritischen Umgebungen zum Einsatz kommen k\u00f6nnen.<\/p>\n

Welche Einsatzm\u00f6glichkeiten gibt es f\u00fcr Embedded-KI<\/h3>\n

Auch wenn die Einsatzm\u00f6glichkeiten f\u00fcr Embedded-KI nahezu unbegrenzt sind, soll hier eine (kleine) Auswahl potenzieller Use Cases vorgestellt werden:<\/p>\n