Die Welt erlebt einen raschen Innovationsschub bei intelligenten Geräten (Smart Devices) an der Netzwerkkante (Edge-Computing). Von Smartphones und Sensoren bis hin zu Drohnen, Überwachungskameras und tragbaren Technologien: Durch die Übertragung von intelligenten Funktionen auf die Edge, und somit einer dezentralen Datenverarbeitung am „Rande des Netzwerkes“, entsteht ein Markt, dessen Wert bis 2025 voraussichtlich weit über 3 Milliarden US-Dollar liegen wird.

Dabei handelt es sich jedoch nicht um einen reinen Marktwert, der ausschließlich von Geräten angetrieben wird. Es ist vielmehr die Bewertung von den Chancen und Möglichkeiten, die sich durch eine neue Generation fortschrittlicher Anwendungen ergeben und den Ereignissen im Netzwerk ein neues Bewusstsein und eine neue Unmittelbarkeit verleihen.

Geringere Latenzzeiten und höhere Verbindungsgeschwindigkeiten dank der mobilen 4G Breitbandtechnologie – und bald auch zuverlässiger und allgegenwärtiger durch 5G – zusammen mit einer höheren Leistung und mehr Speicherkapazität auf einem deutlich kleineren Raum und geringerem Platzbedarf ermöglichen es Anwendungen, auf Geräten, die unabhängig und näher an der Quelle liegen, große Datenmengen zu verarbeiten.

Mit Informationen, die vor Ort in Echtzeit bereitgestellt werden, ermöglicht KI an der Edge, dass geschäftskritische und zeitkritische Entscheidungen schneller, sicherer und spezifischer getroffen werden können. So können beispielsweise Medizintechniken mit KI-Unterstützung Sanitäter vor Ort mit sofortigen Diagnosedaten versorgen, während selbstfahrende Fahrzeuge so ausgerüstet werden können, dass sie Entscheidungen aus Sicherheitsgründen in Mikrosekunden treffen.

Dennoch gibt es viele Szenarien, in denen Entscheidungen immer noch viel Rechenaufwand erfordern oder in denen Informationen nicht in Echtzeit geliefert werden müssen. In diesen Fällen können KI-gesteuerte Apps bequem in der Cloud verbleiben und dabei von einer größeren Rechenleistung und spezialisierter Hardware profitieren. Zum Beispiel können Krankenhausscans, Maschinenanalysen und Drohneninspektionen Verzögerungen bei der Datenübertragung in und aus der Cloud problemlos berücksichtigen.

Unabhängig davon, ob Sie den Einsatz von KI am Rand oder in der Cloud – oder vielleicht eine Mischung aus beidem – in Betracht ziehen, gibt es drei Dinge, die Sie wissen müssen:

1. “Trainierte” vs. “Inferenz” -Entscheidungen in KI-Apps, und was dies für Benutzer bedeutet

Ein wesentlicher Faktor, der bei der Anwendungsentwicklung und Bereitstellung von KI berücksichtigt werden muss, ist, ob das Element des maschinellen Lernens (ML) auf Trainings- oder Inferenzalgorithmen basiert. Der Trainingsansatz erstellt einen Algorithmus für maschinelles Lernen und macht Vorhersagen, indem Datenfeeds als Trainingsquelle verwendet werden. Es wird eine kontinuierliche Rückkopplungsschleife erstellt, die das Verhalten ändert, um den Fehlerwert schrittweise zu reduzieren, wenn der Algorithmus genauer trainiert wird.

Im Allgemeinen erfordert dies einen hohen Rechenaufwand unter Verwendung eines Cloud-basierten “Inferenzsystems”, das in der Lage ist, den Algorithmus kontinuierlich zu überarbeiten und zu aktualisieren, während gleichzeitig Daten empfangen und Ergebnisse geliefert werden. Dies kann für den Anwender eine Zeitverzögerung bei der Datenübertragung und -verarbeitung bedeuten. Auf der anderen Seite kann dies aber auch Vorteile wie kontinuierlich genauere Ergebnisse und eine leistungsfähigere Verarbeitung größerer Datenquellen bieten.

Im Gegensatz dazu wendet der Inferenzansatz einen trainierten Algorithmus an, um eine Vorhersage auf dem Gerät selbst zu treffen, auf dem neue Daten empfangen werden. Es gibt keine Trainingsschleife und keine Verfeinerung; jede Antwortausgabe wird mit demselben Algorithmus neu verarbeitet. Hier kann sich das Inferenzsystem, das den Algorithmus ausführt und Entscheidungen zurückgibt, bequem an der Edge befinden.

Für Benutzer bedeutet dies, dass Daten auf dem Gerät verarbeitet und nicht an die Cloud gesendet werden. Das heisst aber auch, dass das Gerät keine Verbindung zum Netzwerk benötigt, um zu arbeiten. Dies ist vor allem nützlich für den Fernbetrieb, für Aussendienstmitarbeiter und für tragbare Geräte, welche stets eine Mobilität erfordern. Ohne Netzwerklatenz bietet es auch eine nahezu sofortige Reaktion und reduziert gleichzeitig Sicherheitsrisiken, die mit der Datenübertragung über Netzwerke verbunden sind.

2. Interoperabilität erhöht die Leistung und den Wert

Jede IT-Infrastruktur ohne Plattform für Interoperabilität wird mit einer Reihe von getrennten Datensilos enden, die nicht in der Lage sind, Informationen auszutauschen, um über verschiedene Unternehmensbereiche hinweg Mehrwert zu schaffen. Bei KI-Geräten an der Edge wird dieses Problem noch verstärkt.

IoT-Geräte und KI-Anwendungen erfassen sekundenschnell eine enorme Datenmenge. Außerdem sind sie oft geografisch verstreut und so ausgestattet, dass sie einen Teil oder die Gesamtheit der Informationen an der Quelle verarbeiten können. Der Wert der Daten hängt jedoch davon ab, dass sie auch für andere Geschäftsvorgänge in der Infrastruktur verfügbar und zugänglich gemacht werden, um Trends zu erkennen und eine bessere Entscheidungsfindung zu ermöglichen.

Wenn die Datenerfassung, -verarbeitung und -bereitstellung der Ergebnisse auf dem Edge-Gerät stattfindet, besteht die Gefahr, dass die Daten nicht für die gesamte IT-Infrastruktur freigegeben werden. Durch die Interoperabilität werden Verbindungen zwischen Anwendungen und Diensten im gesamten Unternehmen hergestellt, so dass beispielsweise medizinische Daten von tragbaren Geräten am Rand verarbeitet werden, um dem Träger eine personalisierte Diagnose zu bieten. Sie werden jedoch auch in der Cloud eingesetzt, um längerfristige Einblicke in Benutzergruppen und Beiträge zur Geschäftsanalyse zu erhalten.

3. Eine IT-Infrastruktur zur Unterstützung einer Mischung aus Edge- und Cloud-basierter KI

Es gibt Situationen, in denen KI vollständig in der Cloud oder am Rande des Netzwerks basieren muss, z. B. bei der Herstellung von Robotikinstallationen (Cloud) oder Consumer-Gadgets wie Smart Speaker (Sprachassistenten) und Heim- oder tragbare Geräte (Edge). In den meisten Anwendungen muss die IT-Infrastruktur jedoch eine Mischung aus Edge- und Cloud-basierten KI-Technologien unterstützen.

Die wichtigste Überlegung ist, wie sich eine verzögerte oder unterbrochene Reaktion auf den Endbenutzer auswirkt.

Dies erfordert ein Verständnis der kritischen Intelligenz der Edge-Technologie im Vergleich zur nicht-zeitkritischen Intelligenz. Mit diesem Wissen ist es möglich, eine IT-Infrastruktur aufzubauen, die Anforderungen und Fähigkeiten in Einklang bringt bzw. ein Gleichgewicht zwischen diesen herstellt. Edge-Geräte können nach der richtigen Rechenleistung, Interoperabilität und den nötigen Funktionen ausgewählt werden, um die Qualität der Datenverarbeitung an der Quelle zu erreichen. Die Cloud-Funktionalität kann dagegen auch angepasst werden, um geschulte Verbesserungen des Algorithmus zu unterstützen und weitere analytische Operationen durchzuführen.

Ein Gleichgewicht finden

Da Unternehmen und ihre Kunden zunehmend stark vernetzte Technologien im geschäftlichen und privaten Bereich einsetzen, ist es unvermeidlich, dass KI-Verfahren zunehmend an die Edge rücken. Es ist klar zu erkennen, dass der Platzbedarf von Smart Devices immer geringer wird, während ihre Leistungsfähigkeit zunimmt.

Auch wenn es verlockend sein mag, KI-geladenes Edge-Computing bis zum Maximum zu nutzen, so ist es doch entscheidend, sicherzustellen, dass wichtige Daten nicht auf dem Endgerät gesperrt sind.

Es muss eine Vernetzung für die gemeinsame Nutzung von Daten innerhalb des Kerngeschäfts-Ökosystems vorhanden sein, um sicherzustellen, dass Daten weiterhin die Entscheidungsfindung im Unternehmen unterstützen und einen Mehrwert für die zukünftige Ausrichtung eines Unternehmens schaffen.

Haben Sie ebenfalls Interesse an einer individuellen, datengetriebenen Lösung für Ihr Unternehmen? Suchen Sie einen Partner zur Beratung oder auch Umsetzung Ihres KI-Projekts? Dann sprechen Sie uns an. Die Experten-Teams der mVISE AG beraten Sie gerne.

Kategorien

Die Welt erlebt einen raschen Innovationsschub bei intelligenten Geräten (Smart Devices) an der Netzwerkkante (Edge-Computing). Von Smartphones und Sensoren bis hin zu Drohnen, Überwachungskameras und tragbaren Technologien: Durch die Übertragung von intelligenten Funktionen auf die Edge, und somit einer dezentralen Datenverarbeitung am „Rande des Netzwerkes“, entsteht ein Markt, dessen Wert bis 2025 voraussichtlich weit über 3 Milliarden US-Dollar liegen wird.

Dabei handelt es sich jedoch nicht um einen reinen Marktwert, der ausschließlich von Geräten angetrieben wird. Es ist vielmehr die Bewertung von den Chancen und Möglichkeiten, die sich durch eine neue Generation fortschrittlicher Anwendungen ergeben und den Ereignissen im Netzwerk ein neues Bewusstsein und eine neue Unmittelbarkeit verleihen.

Geringere Latenzzeiten und höhere Verbindungsgeschwindigkeiten dank der mobilen 4G Breitbandtechnologie – und bald auch zuverlässiger und allgegenwärtiger durch 5G – zusammen mit einer höheren Leistung und mehr Speicherkapazität auf einem deutlich kleineren Raum und geringerem Platzbedarf ermöglichen es Anwendungen, auf Geräten, die unabhängig und näher an der Quelle liegen, große Datenmengen zu verarbeiten.

Mit Informationen, die vor Ort in Echtzeit bereitgestellt werden, ermöglicht KI an der Edge, dass geschäftskritische und zeitkritische Entscheidungen schneller, sicherer und spezifischer getroffen werden können. So können beispielsweise Medizintechniken mit KI-Unterstützung Sanitäter vor Ort mit sofortigen Diagnosedaten versorgen, während selbstfahrende Fahrzeuge so ausgerüstet werden können, dass sie Entscheidungen aus Sicherheitsgründen in Mikrosekunden treffen.

Dennoch gibt es viele Szenarien, in denen Entscheidungen immer noch viel Rechenaufwand erfordern oder in denen Informationen nicht in Echtzeit geliefert werden müssen. In diesen Fällen können KI-gesteuerte Apps bequem in der Cloud verbleiben und dabei von einer größeren Rechenleistung und spezialisierter Hardware profitieren. Zum Beispiel können Krankenhausscans, Maschinenanalysen und Drohneninspektionen Verzögerungen bei der Datenübertragung in und aus der Cloud problemlos berücksichtigen.

Unabhängig davon, ob Sie den Einsatz von KI am Rand oder in der Cloud – oder vielleicht eine Mischung aus beidem – in Betracht ziehen, gibt es drei Dinge, die Sie wissen müssen:

1. “Trainierte” vs. “Inferenz” -Entscheidungen in KI-Apps, und was dies für Benutzer bedeutet

Ein wesentlicher Faktor, der bei der Anwendungsentwicklung und Bereitstellung von KI berücksichtigt werden muss, ist, ob das Element des maschinellen Lernens (ML) auf Trainings- oder Inferenzalgorithmen basiert. Der Trainingsansatz erstellt einen Algorithmus für maschinelles Lernen und macht Vorhersagen, indem Datenfeeds als Trainingsquelle verwendet werden. Es wird eine kontinuierliche Rückkopplungsschleife erstellt, die das Verhalten ändert, um den Fehlerwert schrittweise zu reduzieren, wenn der Algorithmus genauer trainiert wird.

Im Allgemeinen erfordert dies einen hohen Rechenaufwand unter Verwendung eines Cloud-basierten “Inferenzsystems”, das in der Lage ist, den Algorithmus kontinuierlich zu überarbeiten und zu aktualisieren, während gleichzeitig Daten empfangen und Ergebnisse geliefert werden. Dies kann für den Anwender eine Zeitverzögerung bei der Datenübertragung und -verarbeitung bedeuten. Auf der anderen Seite kann dies aber auch Vorteile wie kontinuierlich genauere Ergebnisse und eine leistungsfähigere Verarbeitung größerer Datenquellen bieten.

Im Gegensatz dazu wendet der Inferenzansatz einen trainierten Algorithmus an, um eine Vorhersage auf dem Gerät selbst zu treffen, auf dem neue Daten empfangen werden. Es gibt keine Trainingsschleife und keine Verfeinerung; jede Antwortausgabe wird mit demselben Algorithmus neu verarbeitet. Hier kann sich das Inferenzsystem, das den Algorithmus ausführt und Entscheidungen zurückgibt, bequem an der Edge befinden.

Für Benutzer bedeutet dies, dass Daten auf dem Gerät verarbeitet und nicht an die Cloud gesendet werden. Das heisst aber auch, dass das Gerät keine Verbindung zum Netzwerk benötigt, um zu arbeiten. Dies ist vor allem nützlich für den Fernbetrieb, für Aussendienstmitarbeiter und für tragbare Geräte, welche stets eine Mobilität erfordern. Ohne Netzwerklatenz bietet es auch eine nahezu sofortige Reaktion und reduziert gleichzeitig Sicherheitsrisiken, die mit der Datenübertragung über Netzwerke verbunden sind.

2. Interoperabilität erhöht die Leistung und den Wert

Jede IT-Infrastruktur ohne Plattform für Interoperabilität wird mit einer Reihe von getrennten Datensilos enden, die nicht in der Lage sind, Informationen auszutauschen, um über verschiedene Unternehmensbereiche hinweg Mehrwert zu schaffen. Bei KI-Geräten an der Edge wird dieses Problem noch verstärkt.

IoT-Geräte und KI-Anwendungen erfassen sekundenschnell eine enorme Datenmenge. Außerdem sind sie oft geografisch verstreut und so ausgestattet, dass sie einen Teil oder die Gesamtheit der Informationen an der Quelle verarbeiten können. Der Wert der Daten hängt jedoch davon ab, dass sie auch für andere Geschäftsvorgänge in der Infrastruktur verfügbar und zugänglich gemacht werden, um Trends zu erkennen und eine bessere Entscheidungsfindung zu ermöglichen.

Wenn die Datenerfassung, -verarbeitung und -bereitstellung der Ergebnisse auf dem Edge-Gerät stattfindet, besteht die Gefahr, dass die Daten nicht für die gesamte IT-Infrastruktur freigegeben werden. Durch die Interoperabilität werden Verbindungen zwischen Anwendungen und Diensten im gesamten Unternehmen hergestellt, so dass beispielsweise medizinische Daten von tragbaren Geräten am Rand verarbeitet werden, um dem Träger eine personalisierte Diagnose zu bieten. Sie werden jedoch auch in der Cloud eingesetzt, um längerfristige Einblicke in Benutzergruppen und Beiträge zur Geschäftsanalyse zu erhalten.

3. Eine IT-Infrastruktur zur Unterstützung einer Mischung aus Edge- und Cloud-basierter KI

Es gibt Situationen, in denen KI vollständig in der Cloud oder am Rande des Netzwerks basieren muss, z. B. bei der Herstellung von Robotikinstallationen (Cloud) oder Consumer-Gadgets wie Smart Speaker (Sprachassistenten) und Heim- oder tragbare Geräte (Edge). In den meisten Anwendungen muss die IT-Infrastruktur jedoch eine Mischung aus Edge- und Cloud-basierten KI-Technologien unterstützen.

Die wichtigste Überlegung ist, wie sich eine verzögerte oder unterbrochene Reaktion auf den Endbenutzer auswirkt.

Dies erfordert ein Verständnis der kritischen Intelligenz der Edge-Technologie im Vergleich zur nicht-zeitkritischen Intelligenz. Mit diesem Wissen ist es möglich, eine IT-Infrastruktur aufzubauen, die Anforderungen und Fähigkeiten in Einklang bringt bzw. ein Gleichgewicht zwischen diesen herstellt. Edge-Geräte können nach der richtigen Rechenleistung, Interoperabilität und den nötigen Funktionen ausgewählt werden, um die Qualität der Datenverarbeitung an der Quelle zu erreichen. Die Cloud-Funktionalität kann dagegen auch angepasst werden, um geschulte Verbesserungen des Algorithmus zu unterstützen und weitere analytische Operationen durchzuführen.

Ein Gleichgewicht finden

Da Unternehmen und ihre Kunden zunehmend stark vernetzte Technologien im geschäftlichen und privaten Bereich einsetzen, ist es unvermeidlich, dass KI-Verfahren zunehmend an die Edge rücken. Es ist klar zu erkennen, dass der Platzbedarf von Smart Devices immer geringer wird, während ihre Leistungsfähigkeit zunimmt.

Auch wenn es verlockend sein mag, KI-geladenes Edge-Computing bis zum Maximum zu nutzen, so ist es doch entscheidend, sicherzustellen, dass wichtige Daten nicht auf dem Endgerät gesperrt sind.

Es muss eine Vernetzung für die gemeinsame Nutzung von Daten innerhalb des Kerngeschäfts-Ökosystems vorhanden sein, um sicherzustellen, dass Daten weiterhin die Entscheidungsfindung im Unternehmen unterstützen und einen Mehrwert für die zukünftige Ausrichtung eines Unternehmens schaffen.

Haben Sie ebenfalls Interesse an einer individuellen, datengetriebenen Lösung für Ihr Unternehmen? Suchen Sie einen Partner zur Beratung oder auch Umsetzung Ihres KI-Projekts? Dann sprechen Sie uns an. Die Experten-Teams der mVISE AG beraten Sie gerne.

Haben Sie Fragen?

Schicken Sie uns einfach eine E-Mail oder rufen Sie uns an.

Ihr Ansprechpartner
Dr. Kevin J. Mobbs,
Head of Marketing & Inside Sales

Telefon
0211 78 17 80-0

Email
service@mvise.de

Haben Sie Fragen?
Schicken Sie uns einfach eine E-Mail oder rufen Sie uns an.
Ihr Ansprechpartner
Dr. Kevin J. Mobbs,
Head of Marketing & Inside Sales

Telefon
0211 78 17 80-0

Email
service@mvise.de

Haben Sie Fragen?
Sie erreichen uns:
Mo - Fr von 9 bis 17 Uhr

service@mvise.de

Düsseldorf (Zentrale)
mVISE AG
Wahlerstraße 2
40472 Düsseldorf

+49 (0)211 781780-0

Frankfurt am Main
mVISE AG
Insterburger Straße 5
60487 Frankfurt am Main

+49 (0)69 707997-52

Hamburg
mVISE AG
Am Sandtorkai 37
20457 Hamburg

+49 (0)211 781780-0

München
mVISE AG
Wilhelm-Wagenfeld-Straße 26
80807 München

+49 (0)89 21 54 39 48-0

Bonn
elastic.io
Rabinstrasse 4
53111 Bonn

+49 (0)228 534442-21

Datenschutz       Impressum
mVISE AG 2020

SALESPHERE

Die Sales Enablement Platform stellt dem Vertriebs-Team den richtigen Content, zur richtigen Zeit, am richtigen Ort bereit – auch offline.

ELASTIC.IO

Unsere Integrationsplattform-as-a-Service. Die „Mehrfachsteckdose” in der Cloud. Schnell, erweiterbar, elastisch.

RIVERSAND

Omnichannel Management leicht gemacht – mit der Product Information Management Lösung von Riversand.

BUILD IT

Abgestimmt auf Ihr Geschäftsmodell bieten unsere Managed Services zuverlässige Unterstützung in den Bereichen IT-Modernisierung, Cloud Computing und IT-Security.

INTEGRATE & ANALYZE IT

Wir heben den Gehalt Ihrer Daten auf eine neue Stufe und zeigen Ihnen, wie Sie durch Datenintegration und Datenvisualisierung die richtigen Entscheidungen für die Zukunft treffen.

COMMERCIALIZE IT

Wir mobilisieren Ihre Daten und vernetzen diese unternehmensweit, damit Sie für alle Geschäftseinheiten die richtigen Entscheidungen treffen können.

BROSCHÜREN

Erfahren Sie mehr über unsere Produkte.

WHITEPAPER

Unsere Erkenntnisse aus verschiedensten Bereichen im Detail.

FALLSTUDIEN / CASE STUDIES

Lassen Sie sich von unseren Arbeiten überzeugen.

WEBINARE

Unser digitales Klassenzimmer.

MISSION UND VISION

Erfahren Sie mehr über uns und wie wir die digitale Revolution vorantreiben wollen.

KARRIERE

Lust auf neue spannende Herausforderungen? Jetzt Teil unseres Teams werden.

MANAGEMENT

Der Blick hinter die Kulissen: Lernen Sie unseren Vorstand und unseren Aufsichtsrat kennen.

STANDORTE

Unsere fünf Standorte in Düsseldorf, Frankfurt, Hamburg, München und Bonn in der Übersicht.

NEWS UND EVENTS

Die aktuellen Veröffentlichungen und Veranstaltungen nach Themengebieten kategorisiert zur Übersicht.

DAS UNTERNEHMEN

Unternehmensdaten, Unternehmenspräsentation und Börsenportrait.

INVESTOR NEWS

Die letzten Meldungen im Überblick.

BERICHTE UND RESEARCH

Geschäftsberichte und Research-Berichte.

DIRECTORS DEALING

Aktiengeschäfte gemäß § 15a WpHG.

ANSPRECHPARTNER

Investor Relations und Stakeholder Management.

FINANZKALENDER

Konferenzen, Events, Hauptversammlungen und Veröffentlichungen.

DIE AKTIE

Gesamtzahl, Grundkapital und mehr.

WANDELANLEIHEN

Informationen zur Ausgabe einer Wandelanleihe.

CORPORATE GOVERNANCE

Code of Conduct und Satzung.