Fachthema
Mehr Intelligenz ins Gerät
KI und ML machen auch vor Embedded Systems nicht halt. Ginzinger electronic systems bietet jetzt die robuste Plattform für unterschiedliche Industriesegmente, um den Mehrwert künstlicher Intelligenz direkt in den Geräten zu nützen.
Künstliche Intelligenz (KI) und Machine Learning (ML) durchdringen alle unsere Lebensbereiche. In unserem Alltag mit Apple, Google und Co sind wir laufend mit diesen IoT Devices konfrontiert. Embedded AI /KI und ML machen auch vor Embeddded Systems nicht halt. Ginzinger electronic systems bietet jetzt die robuste Plattform für unterschiedliche Industriesegmente, um den Mehrwert künstlicher Intelligenz direkt in den Geräten zu nützen.
Was leistet Embedded AI?
Was kann künstliche Intelligenz und Machine Learning in Embedded Systems leisten? Die bekanntesten Beispiele sind Sprachsteuerung und Bilderkennung. Ein Gerät fehlerfrei zu bedienen, ohne es berühren zu müssen, ist nicht nur in Umgebungen mit erhöhten hygienischen Anforderungen von großem Vorteil. Bilderkennung mittels KI unterstützt Anwender und hilft Fehlbedienungen zu vermeiden. Das Auswerten großer Datenmengen und kontinuierlicher Datenströme mittels KI erlaubt es Muster zu erkennen und passende Aktionen auszulösen.
Für die Wartung von Maschinen und Anlagen sind diese Systeme schon lange etabliert. Vom Normalbetrieb abweichende Schwingungen werden identifiziert, und der Anwender wird rechtzeitig auf Anomalien oder potenzielle Beschädigungen hingewiesen. In vielen Autobahntunnels sind heute Mikrofone verbaut, die mit Hilfe von KI bei verdächtigen Geräuschen die Bediensteten in der Tunnelwarte alarmieren.
Datenverarbeitung ohne Cloud
All diesen Anwendungsfällen ist gemeinsam, dass sehr große Datenmengen mit hoher Rechenleistung in kurzer Zeit verarbeitet werden müssen. Daher laufen die meisten KI- und ML-Anwendungen in der Cloud. Die Sprachassistenten der Mobiltelefone sind das bekannteste Beispiel dafür. Nach der Identifikation eines Schlüsselworts werden die Sprachdaten in die Cloud gesandt und dort ausgewertet.
In vielen Anwendungsbereichen ist die Verarbeitung der Daten in der Cloud nicht möglich oder erwünscht. Datenschutzvorschriften sprechen dagegen, oder es ist keine Option das Gerät mit der Cloud zu vernetzen. KI- und ML-Algorithmen direkt im Embedded System laufen zu lassen, eröffnet daher völlig neue Möglichkeiten. Mehr und mehr Anwendungsprozessoren und Mikrocontroller bieten heute die dafür notwendigen Funktionen und Leistung an.
KI Embedded Plattform
ungeahnte Möglichkeiten
Ginzinger electronic systems stellt jetzt die robuste Embedded Plattform für Künstliche Intelligenz direkt im Gerät zur Verfügung. Diese öffnet ein breites Feld ungeahnter Möglichkeiten für neue Geschäftsfelder. Die Plattform besteht aus leistungsfähigen Hardwaremodulen gepaart mit der in zahlreichen Industrieanwendungen bewährten GELin Embedded Linux Suite. Den Entwicklern stehen leistungsfähige Machine Learning Tools zur Verfügung, um KI- und ML-Anwendungen samt Modellbildung in kurzer Zeit zu realisieren.
Ginzinger i.MX 8M Plus Evaluation Kit
- NPU - Hardwarebeschleunigung für das Berechnen von neuronalen Netzen
- Zahlreiche Sensoren on Board
- Verarbeiten von Video Streams
- Display Extension und HDMI
- Connectivity mit Gigabit Ethernet, CAN FD und USB 3.0
- Robuste Ginzinger Embedded Linux Suite GELin
- Maßgeschneiderter Kernel, umfangreiche Tools und Bibliotheken
- Zahlreiche Beispielprojekte
Die Hardwareplattform mit Neural Processing Unit (NPU) erlaubt anspruchsvolle Anwendungen offline und direkt im Gerät, ohne auf die Verfügbarkeit von Netzwerkverbindungen oder Cloud-Computing angewiesen zu sein. Sensible Daten sind maximal geschützt und bleiben lokal.
Für den raschen Start in die Welt von KI und Machine Learning bietet Ginzinger electronic systems schlüsselfertige Evaluation Kits mit Beispielprojekten an. In Ginzinger Webinaren zum Thema und durch Tipps und Tricks der Ginzinger Entwickler kann man schnell die neuen Möglichkeiten ausprobieren. Die Ginzinger Experten beraten Gerätehersteller auch gerne zum Potential, Einsatzgrenzen und Wirtschaftlichkeit von KI in Ihren Anwendungen.
