Edge Analytics

komplexe Algorithmen eingebettet im Endgerät

Algorithmen zur Objekt- oder Spracherkennung sind zurzeit unter dem Begriff Künstliche Intelligenz (KI) in aller Munde. Google Deepmind zum Beispiel erregt viel Aufmerksamkeit mit selbstlernenden Programmen, die mittels Reinforcement Learning Computerspiele spielen oder Weltmeister in Go schlagen. Trotz ihrer hohen Komplexität können diese Technologien auch in leistungsfähigen Embedded Systems eingesetzt werden. Dies wird durch den Begriff Edge Analytics beschrieben.

Dabei steht nicht der Algorithmus selbst im Vordergrund, sondern die Umsetzung in einem Endprodukt oder in dessen Umfeld. Durch die Trennung von Soft- und Hardware kann dabei die Entwicklung der Logik getrennt von der Integration erfolgen. Dies fördert die Wiederverwendbarkeit und ermöglicht eine Aufteilung in Entwicklungsschritte, die sich in unterschiedliche Kompetenzbereiche gliedern lassen.

Eine Herausforderung, die meistens mit komplexen Algorithmen einhergeht, ist das Leiten großer Datenströme. Dabei können Videostreaming ebenso wie Lidar- oder Radarsensoren selten ohne spezielle Anpassungen an die Hardware in einem Endgerät umgesetzt werden.

Für die Umsetzung von Systemen mit Edge Analytics Fähigkeiten müssen also die Kenntnisse über die Integration, das Ausrollen der Software und der Datenverarbeitung selbst zusammengeführt werden.

Die zentrale Verwaltung und Berechnung von Algorithmen in Cloud-Systemen bringt viele Vorteile für die Flexibilität eines Produktes und einen nutzerbegleiteten Entstehungsprozess. Doch die Auslagerung in eine Cloud-Anwendung ist nicht für jeden Algorithmus möglich. Teils sind es Echtzeitanforderungen, die Verfügbarkeit bei schlechter Internetverbindung oder einfach zu viele Daten, die das zentrale Berechnen in einer Cloud verhindern. Um dennoch die Vorteile nutzen zu können, können Anwendungen modularer entwickelt und durch Drittanbieter-Software unterstützt werden.

Das Ausführen von Algorithmen, die eine bestimmte Komplexität übersteigen, kann oft aus wirtschaftlichen Gründen, aber auch aus technischen Gründen, nicht mit größeren Prozessoren aufgefangen werden. Auch auf sehr leistungsfähigen Mikroprozessorsystemen für Edge-Plattformen, gibt es einen Bedarf an spezialisierten Beschleunigern, wie GPUs oder individuelle Lösungen wie zum Beispiel FPGAs. Diese müssen mit speziellen Treibern in die Programme eingebunden werden und oft müssen diese komplett überarbeitet werden. Wird ein Betriebssystem genutzt, muss der Kernel angepasst werden.

Hier ergänzen wir Ihr Team mit den nötigen Kompetenzen in AI, Data Science, Embedded Systems und Linux.

Das bieten wir Ihnen

 

Durch unsere langjährige Erfahrung in verschiedenen Projekten und Branchen decken wir alle erforderlichen Schritte der Entwicklung gleichermaßen ab.

  • Portierung von künstlicher Intelligenz auf Edge Devices oder speziell angepasste Elektronik.
  • Erstellung von Data Science Konzepten und das Trainieren von Neuronalen Netzen für Edge AI
  • Anbindung von GPU und FPGA Beschleunigern an bestehende Systeme zur Unterstützung von rechenintensiven Programmen
  • Bereitstellen von Toolchains für die gewünschte Zielplattform

Produktspezifische Kriterien berücksichtigen wir von Anfang an und lassen diese bereits bei der Architektur und der Wahl des Betriebssystems einfließen.

Nutzen Sie Edge Analytics in der Entwicklung neuer Produkte und Services

 

Mit iterativen Produktentstehungsprozessen, bekannt aus der Cloud-Serviceentwicklung, lassen sich im Endgerät verschiedene Algorithmen effizient umsetzen. Container-Anwendungen können außerdem die Wartbarkeit und Entwicklung eines Produkts deutlich verbessern. Mit speziellen Anwendungen lassen sich Updates für weltweit ausgelieferte Produkte ausrollen.

Durch Edge Analytics lassen sich die stetig steigenden Anforderungen an die User Experience umsetzen. Auf Smartphones beispielsweise ist eine Gesichtserkennung zur Authentifizierung mittlerweile ein weit verbreitetes Feature.

Nutzen Sie unsere jahrelange Erfahrung in der Produktentwicklung, insbesondere in der Entwicklung neuer Produkte und Services im Bereich eingebetteter Systeme. Profitieren Sie dabei von unserem Know-How in der Portierung von Algorithmen der Regelungstechnik und in Data Science. Wir beraten Sie individuell und technologieneutral.

Sie stehen vor der Herausforderung, klassische Produkte an die digitalen Anforderungen von heute anzupassen?

Dann sind wir Ihr Innovationspartner für die Umsetzung von Edge Analytics Lösungen.

Tauschen Sie sich mit unseren Edge Analytics und Data Science Experten aus!

Ansprechpartner und Standorte

Guido Stollt

Prof. Dr.-Ing. Guido Stollt

Geschäftsführer

  • LinkedIn:
  • :
Christian Dopp

Christian Dopp

Teamleiter Embedded Computing | Expert Engineer

  • LinkedIn:
  • :
Niederlassung von Smart Mechatronics in Dortmund

Dortmund

Emil-Figge-Straße 85
44227 Dortmund

+49 231 841685-100

Google Maps

Niederlassung von Smart Mechatronics in Paderborn

Paderborn

Lindberghring 1
33142 Büren

+49 2955 743-555

Google Maps

Smart Mechatronics Logo Icon

Köln

Breslauer Platz 4
50668 Köln

+49 221 789587-950

Google Maps

Niederlassung von Smart Mechatronics in München

München

Dachauer Straße 65
80335 München

+49 89 13010065-151

Google Maps