Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
8 Elektronik 12 2022 Impulse Software-Entwicklung Drei KI-Trends eine Herausforderung Bild a gs an dr ew s to ck a do be c om Der Einsatz von KI auf Embedded-Systemen wird noch weiter zunehmen Drei Trends bestimmen die weitere Entwicklung und für Embedded-Ingenieure bleibt eine Herausforderung KI kann einen signifikanten Beitrag leisten Antworten auf bisher ungelöste Probleme zu finden und bestehende Lösungen zu verbessern In Zukunft werden Ingenieure KI immer häufiger in Modellen nutzen die in eine größere Systemsimulation eingebettet sind und so mit mehreren verschiedenen Domänen in Berührung kommen Derzeit ist das bereits beim autonomen Fahren zu sehen wo KI-Algorithmen im Zusammenspiel mit anderen Designkomponenten miteinander simuliert werden müssen So spielt künstliche Intelligenz auch für Embedded-Ingenieure eine immer größere Rolle 1 Mehr KI-Modelle auf Low-Power Low-Cost Embedded Devices Der Weg vom Prototyp zu einem massenproduzierbaren KIgestützten Produkt ist noch immer eine Herausforderung für Embedded-System-Ingenieure Obwohl Modelle als Prototypen vielversprechende Ergebnisse erzielen lassen sich diese aufgrund von Kosten für Hardware und Beschränkungen bei der Stromversorgung oft nicht eins zu eins auf den Einsatz in Edge Devices übertragen Ein Lösungsansatz für dieses Problem ist es die Modelle durch Techniken wie Quantisierung oder Pruning kompakter zu machen um auf diese Weise Rechenleistung und Speicherplatz einzusparen Zudem ist der Trend zu erkennen KI mithilfe automatischer Code-Generierung schneller auf Low-Cost Low-Power FPGAs SoCs oder Arm-Prozessoren bereitzustellen Eine weitere Hilfe ist im Vorfeld mehrere KI-Modelle gegeneinander abzuwägen oder dasselbe Modell mit unterschiedlichen Parametern zu konfigurieren So kann schnell das Verhältnis zwischen Modellgenauigkeit und Ressourcenverbrauch in der Embedded-Anwendung eingeschätzt und eine fundierte Entscheidung getroffen werden 2 KI verbindet Ingenieurwesen Informatik Datenwissenschaft und IT-Ausrichtung Das Erfordernis KI möglichst bald in der Produktion einzusetzen und einen Nutzen daraus zu ziehen hat gezeigt dass KI-Modelle als Teil eines technischen Systems einen Mehrwert für Unternehmen bringen Zudem konnte letztes Jahr beobachtet werden wie immer mehr Unternehmen KI mit einer DevOps-Strategie verfolgen So können ITund OT-Teams Verantwortung für die Bereitstellung Überwachung und den Lebenszyklus von KI-Modellen in operativen Systemen übernehmen Auf diese Weise hat zum Beispiel das Korea Institute of Energy Research ein KIbasiertes Predictive-Maintenance-Modell für einen Offshore-Windpark erstellt ohne zuvor schon viel Erfahrung in KI-Projekten gesammelt zu haben Angetrieben von vielen Digitalisierungsprojekten in Unternehmen wird sich dieser Trend in diesem Jahr noch verstärken 3 No-Code Low-Code Auto-Code KI wird zugänglicher für alle Je mehr die Vorteile von KI-Anwendungen erkannt werden und KI ein wesentlicher Bestandteil der Arbeit von Ingenieuren wird desto mehr halten No-Code-Low-Codeoder Auto-Code-Methoden und -Entwicklungsprozesse in der KI-Entwicklung Einzug die die Anwendung von KI einer breiteren Nutzergruppe einfacher zugänglich machen Ingenieure können so ihr Domänenwissen mit Datenwissenschaften verbinden Dabei ist No-Code Low-Code Auto-Code nichts Neues Seit über 20 Jahren nutzen Ingenieure Matlab und Simulink um automatischen Code für Embedded-Systeme zu generieren Und auch heute nutzen Unternehmen aus unterschiedlichen Bereichen MathWorks-Tools um KI-Projekte umzusetzen Zum Beispiel entwickelte Mitsui Chemicals eine No-Code-Anwendung zur automatischen Inspektion von plattenförmigen Erzeugnissen in der Produktion die bei der Sichtprüfung bis zu 80 % Zeit einspart Integration von KI-Modellen auf Embedded-Systeme Wann immer Ingenieure und Wissenschaftler nach innovativen Lösungen für Probleme suchen oder neue Applikationen erstellen wird KI eines der ersten Tools sein das sie für die Umsetzung erwägen KI auf Embedded-Systemen wird dabei eine zentrale Rolle spielen Für Ingenieure bedeutet dies die Herausforderung KI-Modelle in Embedded-Systemen zu integrieren Tools wie Matlab und Simulink können den Entwicklungsprozess vereinfachen und helfen Digitalisierungsprojekte zum Erfolg zu führen Dr Frank Graeber MathWorks hs ➔ Halle 4 ➔ Stand 110