Laut Gartner wird die Zahl der IoT-Endpunkte in Unternehmen bis Ende dieses Jahres 5,8 Milliarden erreichen (gegenüber 4,8 Milliarden in 2019). All diese Geräte produzieren Terabyte an Daten, die Unternehmen zum Erkennen und Eliminieren von Ineffizienzen in ihren Arbeitsabläufen nutzen können. Dennoch bleiben bis zu 73 % der Unternehmensdaten ungenutzt.
Es gibt verschiedene Gründe, warum Unternehmen keine Daten von IoT-Geräten erfassen und verarbeiten. Dazu gehören übermäßige Mengen dieser Daten, veraltete oder unzuverlässige Datenerfassungstools und fehlerhafte Datenanalyseverfahren.
Mit KI-fähigen Edge-Computing- und Cloud-Plattformen können Unternehmen zusätzliche Einblicke in IoT-Daten gewinnen, die sonst verloren gehen würden, und somit den Nutzen bestehender IoT-Lösungen steigern.
Was ist Artificial Intelligence of Things?
Das Internet of Things (IoT) ist ein mehrstufiges System, in dem Sensorgeräte Telemetriedaten sammeln und über drahtlose Kommunikationsprotokolle an die Cloud weiterleiten.
Artificial Intelligence (künstliche Intelligenz) ist ein Überbegriff, der verschiedene IT-Systeme beschreibt, bei denen Algorithmen Daten interpretieren und intelligente Vorhersagen machen.
Mit der AI+IoT Kombination können vernetzte Geräte Sensordaten ohne oder mit nur geringer menschlicher Beteiligung sammeln, analysieren und darauf reagieren.
AIoT existiert in zwei Formen:
- Datenanalyse-Plattformen wie Microsoft Azure IoT, Amazon AWS IoT und PTC ThingWorx. Mit diesen Plattformen können IoT-Entwickler eine komplette Infrastruktur aufbauen, die die Logik cyber-physikalischer Systeme unterstützt, und diese über APIs mit AI-Diensten integrieren.
- Intelligente Edge-Geräte wie Überwachungskameras und autonome Fahrzeuge. Sie verfügen über leistungsstarke Prozessoren, die die so genannten Statusdaten herausfiltern, kritische Daten lokal verarbeiten und die Sensormesswerte in regelmäßigen Abständen in die Cloud schicken.
Die Wahl einer AIoT-Implementierungsstrategie hängt von den Leistungsanforderungen eines Gadgets ab.
Ein IoT-Gateway, das z.B. Informationen von Bodenfeuchtesensoren erfasst, muss nicht jede Minute Daten an die Cloud übermitteln. Ein smarter Herzmonitor kann im Gegenteil unmöglich auf die Befehle des Cloud-Servers warten, um herauszufinden, dass sich der Zustand des Patienten verschlechtert. Stattdessen muss das Gerät sofortige Entscheidungen basierend auf Echtzeit-Herzfrequenzdaten treffen.
Bis vor kurzem waren die CPUs, die eine Datenanalyse dezentral “am Rand des Netzwerks” durchführen konnten, knapp bemessen. Jetzt hat die Chipindustrie einen großen Schritt nach vorn gemacht und senkt allmählich die CPU-Kosten bei gleichbleibend hoher Leistung. Die einzige Herausforderung, die Hardwarehersteller noch meistern müssen, ist die CPU-Vielseitigkeit. Die AIoT-Lösungen variieren in Form und Anwendung und haben daher unterschiedliche Leistungsanforderungen. Um AIoT-Lösungen in großem Maßstab einsetzen zu können, benötigen wir integrierte Schaltungen. Sie sollen mehrere Kombinationen von Rechenaufgaben unterstützen, darunter AI-gesteuerte Datenanalyse, digitale Signalverarbeitung und Fernsteuerung von Geräten.
Warum ist AI das fehlende Element im Internet of Things?
Im IoT-Kontext liegt der Wert der Künstlichen Intelligenz darin, schnell Erkenntnisse aus Bergen von Daten zu gewinnen, die zuvor von Menschen analysiert wurden.
Wie AIoT unsere Welt verändert
- Sprachassistenten. Die Bedienung von Geräten über Sprachbefehle ist die natürlichste Form einer Mensch-Maschine-Schnittstelle (HMI). Um IoT-Systeme mit NLP (Natural Language Processing)-Funktionen auszustatten, verwenden Entwickler vorab geschulte AI-Dienste wie Siri, Google Assistant und Alexa. In Bezug auf die Interoperabilität von Geräten ist Alexa weit vorn. Im vergangenen Jahr fügte Amazon der AWS IoT Core Plattform die Alexa Voice Service (AVS) Integration hinzu. Dies ermöglicht Entwicklern, Sprachschnittstellen für jedes angeschlossene Gerät unabhängig von dessen Form, Größe und Rechenleistung zu erstellen. Neben der Verbraucherelektronik werden Sprachassistenten immer öfter auch in industriellen Geräten und Fahrerassistenzsystemen eingesetzt.
- Sicherheitssysteme. Vor AIoT waren die Überwachungskameras passiv, d.h. Sicherheitsbeamte mussten rund um die Uhr Live-Aufnahmen verfolgen. Trainierte Machine-Learning-Systeme zur Erkennung von Objekten und Menschen in Videos entlasten staatliche Behörden, Unternehmen und Grundstückseigentümer. Einige Beispiele für AI-basierte Sicherheitssysteme sind die Videoplattform Ella, die Videodaten von IC-Echtzeit-Überwachungskameras verarbeitet, smarte Video-Türglocken, die mittels Gesichtserkennung Hausbesitzer identifizieren, und Überwachungsdrohnen, die die Grenze zwischen den USA und Mexiko überwachen.
- Automatisierte Inspektionslösungen. Apropos Drohnen: Man schätzt, dass 60% der Gesamteinnahmen des Drohnenmarktes von Unternehmen stammen - insbesondere aus den Bereichen wie industrielle Herstellung, Baugewerbe und Energiewirtschaft. Der Industriesektor setzt Drohnen ein, um die Überprüfung von Ausrüstung und Infrastruktur in entlegenen und gefährlichen Gebieten zu automatisieren und so die Inspektionskosten um bis zu 50% zu senken. Innovative Drohnenmodelle stützen sich auf Computer Vision (CV), eine Art der künstlichen Intelligenz. Dadurch können sie um die Objekte herum manövrieren und Geräteausfälle erkennen. Darüber hinaus implementieren Unternehmen Cloud-basierte Anwendungen mit AI-Funktionen zum Überprüfen und Annotieren von Bildern, die von Inspektionsdrohnen aufgenommen wurden. Auf Basis dieser Daten trainieren Sei die Machine-Learning-Modelle, um Computer-Vision-Funktionen der Drohnen zu verbessern.
- Selbstfahrende Autos. Selbstfahrende Autos sind ein primäres Beispiel für AIoT-Lösungen, bei denen intelligente Algorithmen Echtzeitdaten von bordeigenen Kameras, Lidar-/Radarsensoren und Cloud-Diensten interpretieren. Obwohl wir noch ein paar Jahre von vollständig autonomen Fahrzeugen entfernt sind, die ihren Weg von einem Punkt zum anderen selber navigieren können, findet die künstliche Intelligenz in fortschrittlichen Fahrerassistenzsystemen (ADAS) den Einsatz. Der Anwendungsbereich der AI reicht hier von der Reduzierung des Fischaugen-Effekts in Videos, die von Onboard-Kameras aufgezeichnet wurden, bis hin zum Monitoring des Fahrerverhaltens.
- Vorausschauende Wartung. In Schwerindustrien wie der industriellen Fertigung und der Energieindustrie kann eine Stunde ungeplanter Anlagenstillstand bis zu 260.000 $ kosten. AI-basierte Systeme für Predictive Maintenance helfen Unternehmen, verwertbare Erkenntnisse aus Daten von industriellen Sensoren zu erzielen und Geräteausfälle vorherzusagen. Laut Deloitte könnten Lösungen für die vorausschauende Wartung die gesamten Wartungskosten um 5-10% senken und die Verfügbarkeit der Ausrüstung um 10-20% erhöhen.
- Lösungen für die Fernüberwachung von Patienten. Inmitten der COVID-19-Pandemie wenden sich mehr Gesundheitsdienstleister der Technologie zu. Sie wollen Platz für schwerkranke Patienten schaffen, das Krankenhauspersonal vor dem Coronavirus schützen und die Betriebskosten niedrig halten. Neben Telemedizinsysteme, die 2026 zu einem 175 Milliarden-Dollar-Markt werden könnten, setzen Ärzte auf AI-betriebene Herzfrequenzmessgeräte, Oximeter, Medikamenten-Tracker und Sturzerkennungssysteme. Durch das Trainieren von KI-Algorithmen basierend auf Patientendaten können diese AIoT-Lösungen gesundheitliche Vorfälle erkennen, bevor sie auftreten.
Planen Sie ein IoT-Projekt?
Erfahren Sie mehr über unsere IoT-Entwicklungsdienste!
IoT verbindet lediglich "dumme" Geräte mit dem Internet; AI macht sie smart
Ohne eine mobile App gibt es keine Möglichkeit, die Daten Ihrer Körperzusammensetzung von einer Bluetooth-Smartwaage anzuzeigen. Alexa ist gut darin, Wiedergabelisten auf Spotify zu mischen. Wenn Sie jedoch einen Flug buchen müssen, überprüfen Sie die Informationen besser noch einmal von einem PC oder Smartphone aus.
Das Internet der Dinge und die künstliche Intelligenz sind ein perfektes Beispiel für Technologien, die sich gegenseitig ergänzen.
Wenn sie kombiniert werden, helfen sie Unternehmen auf vielfältige Weise, den ROI ihrer IoT-Investitionen zu maximieren, weil sie:
- zeitraubende Aufgaben automatisieren, die bisher von Menschen ausgeführt wurden
- Ineffizienzen in ihren Arbeitsabläufen aufdecken
- Geräte überwachen, um Ausfälle vermeiden
- die Sicherheit der Mitarbeiter verbessern
- die Rentabilität um bis zu 38% steigern
Bis 2022 werden 80 % der IoT-Projekte in Unternehmen eine AI-Komponente haben. Wenn Sie die Entwicklung einer IoT-Lösung planen, stellen Sie sicher, dass sie mit AI funktioniert. Falls Sie ein spezielles Machine-Learning-Modell trainieren, denken Sie darüber nach, wie es von IoT-Daten und Connectivity profitieren könnte.