com!-Academy-Banner
Künstliche Intelligenz

Die KI-Revolution ­beginnt mit Edge-Computing

von - 20.06.2018
Neuronales Netzwerk
Foto: Sergey Nivens / shutterstock.com
Zentralisierte KI-Lösungen kämpfen oftmals mit hohen Latenzzeiten und Datenschutz-Bedenken. Daher ist die Verlagerung der Künstlichen Intelligenz an die Netzwerkkante notwendig.
Künstliche Intelligenz eröffnet ganz neue Möglichkeiten, die enormen Mengen an Daten, die jeden Tag sowohl in Privathaushalten als auch in den Unternehmen anfallen, nutzbar zu machen.
Laut dem aktuellen „Cisco Global Cloud Index“ waren es 2016 bereits 220 Zettabyte, die durch Menschen, Maschinen und Dinge generiert wurden, für das Jahr 2021 werden enorme 850 Zettabyte prognostiziert. All diese Daten können mit Hilfe von KI-gestützten Analysen wichtige Erkenntnisse liefern, die unser tägliches Leben und viele Unternehmensabläufe deutlich verbessern können.
Die neuen Möglichkeiten bringen jedoch auch neue He­rausforderungen mit sich. „Die meisten KI-Services, die wir heutzutage nutzen, sind grundsätzlich als monolithische, zentralisierte Systeme konzipiert“, erklärt Noah Schwartz, Gründer und Geschäftsführer des US-Unternehmens Quorum AI. „Das bedeutet, dass ein einzelnes Modell mittels eines einzelnen Datensatzes trainiert wird, um eine konkrete Aufgabe auszuführen.“ Je komplexer die Aufgabe ist, desto komplexer ist die Architektur und desto größer ist der erforderliche Datensatz. Die typischen Systeme, in denen diese Algorithmen anschließend eingesetzt werden, verfügen jedoch über solch knappe Rechen- und Speicherkapazitäten, dass sie, so Schwartz weiter, „nur dazu dienen, die Daten zu sammeln, in einen zentralen KI-Service in der Cloud oder in einem Rechenzentrum einzuspeisen und den Output zu empfangen”.
Die permanente Übertragung von Daten zur zentralen KI und zurück ist allerdings mit vielen Risiken verbunden. Hohe Latenzzeiten sind eines davon. „Selbst eine geringe Verzögerung bei der Datenverarbeitung in den Anwendungen, die mit KI-Algorithmen wichtige Entscheidungen treffen
sollen, beispielsweise in selbstfahrenden Autos, kann den Unterschied zwischen Leben und Tod bedeuten“, warnt Jem Davies, Direktor für maschinelles Lernen bei ARM, Anbieter im Bereich Mikroprozessoren.
Philip Carnelley
Philip Carnelley
Stellvertretender Leiter des Bereichs European Software Research bei IDC
www.idc.de
„Viele potenzielle Einsätze für KI (…) hängen davon ab, ob die KI am Rande des Netzwerks angesiedelt ist.“
Ein weiterer Aspekt ist die Sicherheit der personenbezogenen Daten: „Je mehr Informationen hin und her bewegt werden, desto höher ist die Wahrscheinlichkeit, dass ihre Inte­grität gefährdet wird“, so Davies weiter. Noah Schwartz von Quorum AI gibt im Zusammenhang mit KI-Systemen im EU-Raum auch die Anforderungen der neuen Datenschutz Grundverordnung (DSGVO) zu bedenken.
Gleichzeitig erfordern viele datenintensive Anwendungsfälle mehr Intelligenz am Rand des Netzwerks. So weist Philip Carnelley, stellvertretender Leiter European Software Research beim Marktforschungsunternehmen IDC, darauf hin, dass viele potenzielle Einsätze für Künstliche Intelligenz, etwa Maschinen, die vorausschauende Wartung selbst durchführen können, davon abhängen, ob die KI am Rand des Netzwerks angesiedelt ist.
Ähnlich sieht es Shamik Mishra, stellvertretender Leiter Technology Innovation bei Aricent, einem globalen Design- und Ingenieurunternehmen, das unter anderem SDKs und Edge-Infrastruktur anbietet, um beispielsweise die GPU- und CPU-gestützte Beschleunigung der Protokolle und Algorithmen zu unterstützen: „Die Anwendungsbeispiele in den Unternehmen wie Prozessoptimierung, Anomalie-Erkennung, Effizienz- und Produktivitätssteigerungen, Wartungsprozesse und Betriebssicherheit brauchen KI an der Netzwerkkante.“
Bisher sei Künstliche Intelligenz jedoch nur in den zentralen Servern vorhanden gewesen, ergänzt Pavel Cherkashin, geschäftsführender Partner bei GVA Capital, einem US-Venture-Capital-Unternehmen, das sich unter anderem auf KI fokussiert, auch wenn „die meisten Anwendungsfälle unmittelbar die Geräte betreffen, wo die Daten entstehen“.
Verwandte Themen