IoT um KI erweitern

Das zentrale Nervensystem besteht aus dem Gehirn, dem Rückenmark und den Nerven. Ihre Nerven reagieren auf äußere Reize wie Temperatur oder Druck und übertragen Signale an das Gehirn, das über die richtige Reaktion entscheidet. In der Fertigung fungieren die unzähligen vernetzten IoT-Geräte als Nerven, messen Parameter und sammeln Daten, aber was ist das Gehirn hinter all diesen Vorgängen?

Gartner prognostiziert, dass bis 2022 mehr als 80 Prozent der IoT-Projekte für Unternehmen eine KI-Komponente beinhalten werden, deren Anteil von nur zehn Prozent im Jahr 2019 auf ein Vielfaches ansteigen wird. Die Gründe für dieses Wachstum sind eindeutig ─ IoT-Geräte erzeugen große Mengen an Betriebsdaten in Industrieanlagen, mehr als wir möglicherweise verarbeiten können. Unsere Anlagen sammeln Informationen über Temperatur, Druck, Vibration, Strömung und mehr, aus denen wir wertvolle Erkenntnisse gewinnen konnten.

Künstliche Intelligenz, insbesondere das maschinelle Lernen, kann intelligentes Verhalten simulieren und aus Erfahrungen lernen, um Sensordaten zu nutzen und so verwertbare Erkenntnisse aus unseren vernetzten Geräten zu gewinnen. Das perfekte Paar!

Auf die Daten kommt es an!

Warum bietet KI den IoT-Anwendern solche Vorteile? Unsere traditionellen Datenanalysemethoden wurden nicht mit Blick auf Big Data entwickelt ─ sie können die riesigen Mengen an Echtzeitdaten, die wir von unseren Maschinen sammeln, nicht effizient verarbeiten. Durch die Verwendung von KI können große Datensätze verarbeitet werden, um Muster und Erkenntnisse mit minimaler oder gar keiner menschlichen Hilfe zu identifizieren, ein viel einfacherer Ansatz. Um dies zu ermöglichen, bieten immer mehr IoT-Plattformen KI-Fähigkeiten, wie z. B. Google Cloud IoT, Microsoft Azure IoT-Plattform und AWS IoT.

Künstliche Intelligenz kann Herstellern auch helfen, Probleme bei der Interoperabilität zu lösen. Die von verschiedenen Herstellern entwickelte Betriebstechnik ist unter Umständen nicht so konzipiert, dass sie untereinander oder mit einer zentralen Plattform kommuniziert, die eine übergreifende Sicht bieten würde. Berücksichtigt man bei dieser Gleichung auch noch ältere Geräte, wird die Sache noch schwieriger. Das Sammeln aller Daten in einem IT-System kann eine Mammutaufgabe sein, aber KI-Algorithmen können helfen, Systeme zur Analyse von Informationen zu trainieren, um diesen Prozess zu erleichtern.

Mit Hilfe der KI kann die Datenanalyse in Echtzeit erfolgen, so dass Maschinen im Notfall schnell auf Ereignisse reagieren können, oder sie kann verwendet werden, um Muster in früheren Datensätzen zu identifizieren und mit Hilfe der prädiktiven Analyse herauszufinden, was als Nächstes kommt. Interessanterweise fand Deloitte heraus, dass eine prädiktive Instandhaltung die für die Planung der Wartung erforderliche Zeit um 20 bis 50 Prozent reduzieren kann, die Betriebszeit und Verfügbarkeit der Anlagen um 10 bis 20 Prozent erhöhen und die gesamten Wartungskosten um 5 bis 10 Prozent senken kann. Das bedeutet auch, dass man Geräteausfälle vorhersagen kann, bevor sie auftreten, so dass man ein Ersatzteil zur Hand haben kann, wenn es am dringendsten benötigt wird.

Edge auf dem Vormarsch

Wir sehen auch, dass KI in Edge-Geräte implementiert wird, um eine sogenannte Intelligent Edge zu erzeugen. So verwendet beispielsweise der DXM Wireless Gateway Controller von Banner Engineering einen maschinellen Lernalgorithmus, um Erkenntnisse über den Zustand von Maschinen zu gewinnen, indem er eine Basislinie für den Betrieb sowie Warn- und Alarmschwellen erzeugt.

IoT-Anbieter aktualisieren ihre Tools, um es dem Anwender zu erleichtern, die KI an der Edge zu nutzen. Microsoft kündigte zum Beispiel Azure IoT Edge an, eine Plattform, die es Geräten mit geringem Stromverbrauch ermöglicht, KI lokal durchzuführen, während die Cloud-Verbindung für Management und Modellierung erhalten bleibt. Greengrass von Amazon wurde ebenfalls aktualisiert, um maschinelles Lernen zu integrieren.

Eine Herausforderung besteht darin, dass für die schnelle Verarbeitung der Daten erhebliche Rechenleistung und Kapazität benötigt werden, weshalb Netzwerke aufgebaut werden müssen, die speziell für die KI geeignet sind. Zu diesem Zweck können Unternehmen Edge- und Cloud-Konnektivität, Skalierbarkeit, Verfügbarkeit, Interoperabilität, Bandbreite und mehr berücksichtigen.

Ihr Nervensystem wäre nichts ohne das Gehirn. Auch das IoT benötigt Brainpower, um effizient zu arbeiten, und die KI ist in der Lage, diese Aufgabe zu übernehmen.