Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
EMBEDDED-SYSTEME leitungen erkennen die durch solche Umweltereignisse verursacht werden Die Herausforderung besteht darin die Sensoren mit Strom zu versorgen Denn Hochspannungs-Freileitungen lassen sich nicht ohne Weiteres für Niederspannungsstrom anzapfen Die Lösung ist ein batteriebetriebenes NB-IoT-Gerät das beispielsweise auf einem Low-Power-SiP der Serie nRF91 von Nordic Semiconductor beruht Es erreicht eine Batterielebensdauer von zehn Jahren oder mehr Das Versorgungsunternehmen sieht das elektrische Signal des Netzes fast in Echtzeit und erkennt mithilfe eines TinyML-Modells Fehler wie etwa Blitzeinschläge Die NB-IoT-Anbindung sendet dann eine Benachrichtigung über wichtige Ereignisse an den Netzbetreiber Noch besser Diese Daten lassen sich auch sammeln um die zugrunde liegenden ML-Modelle kontinuierlich zu trainieren und zu optimieren Wo ist die »Killer-KI-App« im IoT? Beim AIoT geht es auch darum bekannte Produkte zu verbessern indem historische Daten genutzt werden um Anwendungen reaktionsschneller und effizienter zu machen Ein Beispiel ist der Kühlschrank – das gängige Haushaltsgerät von dem es weltweit Milliarden gibt und das für etwa 10 bis 12 Prozent des weltweiten Stromverbrauchs verantwortlich ist Was wäre wenn eine MLund mobilfunkbasierte IoT-Einheit in die Steuerung des Kühlschranks integriert würde? Die Nutzungsmuster ließen sich überwachen und anpassen sodass der Kühlschrankkompressor nie länger in Betrieb wäre als es sein müsste Dies hätte erheblichen Einfluss auf den weltweiten Energieverbrauch Ein weiteres Beispiel sind Waschmaschinen Auch davon gibt es Milliarden weltweit und auch hier wird Effizienz erwartet KI und ML könnten Waschmaschinen auf frühe Anzeichen eines Ausfalls überwachen indem die Vibrationen aufgezeichnet und analysiert werden die eine Maschine bei anomalem Betrieb erzeugt Alle Waschmaschinenhersteller wissen welche Vibrationen auftreten wenn die Maschine verschleißt Sie waren bisher nur nicht in der Lage sie auf eine technologisch und kommerziell sinnvolle Weise zu überwachen Trotz aller Diskussionen über AIoT und ML bleibt die IoT-Revolution eher unsichtbar Sie findet überall um uns herum in zahllosen Anwendungen statt aber es gab noch nicht die eine »Killeranwendung« die das Profil der »stillen Revolution« wirklich geschärft hätte – vor allem in der Öffentlichkeit Wird es eine solche Killerapplikation geben die den Markt in Schwung bringt? Das lässt sich nur schwer vorhersagen Aber Entwickler können AIoT und ML nutzen um einige der großen Probleme der Welt zu lösen Klimawandel Energieeffizienz Gesundheitswesen Sozialfürsorge und wirtschaftliche Gleichstellung Und auch wenn es keine Killeranwendung gibt wird das IoT dennoch dazu beitragen die Welt besser sicherer und effizienter zu machen ak Kjetil Holstad ist Executive Vice President Strategy Product Management bei Nordic Semiconductor Der Low-Power-SiP nRF9160 von Nordic Semiconductor unterstützt TinyML des Unternehmens Edge Impulse für Machine Learning vor Ort und ermöglicht eine lange Batterielebensdauer Bild Nordic Semiconductor J E T Z T M I T D E R A P P L I K A T I O N S E N T W I C K L U N G S T A R T E Na b n u r zzgl MwSt 160 -€ phyBOARD ® -Nash i MX 93 Rapid Development Kit BESUCHEN SIE UNS AUF DER HALLE B4 · STAND 320