Entscheidungshilfe für passende KI-Hardware
Für andere Unternehmen steht die Frage im Raum, welche Hardware für die datenintensive Verarbeitung von Algorithmen angeschafft werden sollte, wenn die Berechnungen nicht in der Cloud stattfinden sollen. Das ist zum Beispiel dann der Fall, wenn hohe Anforderungen an den Datenschutz bestehen oder eine Echtzeitreaktion notwendig ist. Damit Unternehmen in der Lage sind, fundierte Entscheidungen für ihre spezielle KI-Anwendung zu treffen, werden maßgeschneiderte Beratungs- und Dienstleistungsangebote am Anwendungs- und Testzentrum KI angeboten. Hierbei stehen drei Schlüsselaspekte im Fokus:
1. Hardware-Performance zur Lösung von KI-Aufgaben
2. Edge-AI-Integration
3. Datenreduktion bei der Nutzung von Edge-ComputingAuf Basis umfangreicher und herstellerunabhängiger Vergleiche von marktüblicher KI-Hardware und praktischer Tests kann schnell, umfassend und neutral ermittelt werden, welche Elektronik für die jeweils gewünschte KI-Aufgabe des Kunden optimal geeignet ist. Dabei berücksichtigen die Forschenden am ATKI die komplette Palette von Mikrocontrollern bis hin zu leistungsstarken Industrie-PCs und alle relevanten Leistungsparameter wie Bearbeitungszeit, Latenzen, Ressourcenbedarf und Stromverbrauch.
KI-Algorithmen auch auf kleinstem Raum testen
Darüber hinaus untersuchen die Wissenschaftlerinnen und Wissenschaftler intelligente Sensorsysteme, um sie auf ihre Eignung für industrielle Anwendungen zu testen und zu qualifizieren.
Ein entscheidender Aspekt bei der Nutzung von sensornaher KI-Hardware (Edge-KI) ist die Datenreduktion. Die Forschende analysieren verschiedene Ansätze zur Reduzierung des Datenflusses und bewerten deren Eignung für spezifische KI-Aufgaben. Dabei wird der Verlust von Informationen berücksichtigt und Empfehlungen für den Umgang mit Rohdaten und Zwischeninformationen abgeleitet.
Demonstratoren ermöglichen praxisnahe Tests von KI-Technologien und -Komponenten
Abgerundet wird das Angebot durch eine Demoproduktionsumgebung, mit der die Forschenden die Leistungsfähigkeit von KI-Technologien und -Komponenten in einer praxisnahen Umgebung demonstrieren und in Use Cases testen wollen. Mit realen Maschinen und Anlagen aus der Produktion adressieren die Forschenden damit zum Beispiel die Themenbereiche Zustands- und Qualitätsmonitoring, Datenaufnahme und -analyse, KI-Hardware oder Robotik in industriellen Transport- und Fertigungsabläufen.