elektro AUTOMATION: Welche Gründe sprechen für die Integration von KI-Algorithmen in lokale Anwendungen bzw. Steuerungen oder Edge-Devices? Welche Vorteile ergeben sich gegenüber cloudbasierten Lösungen und welche Rolle spielt das Thema Daten-Sicherheit?
Stefan Eberhardt (Kontron/S&T): Zunächst ist es wichtig zu unterscheiden: KI, Edge und Cloud sind drei Themen, die jeweils für sich betrachtet werden müssen, um dann zu entscheiden, wie bzw. ob eine Kombination sinnvoll ist. Viele Fragestellungen sind so komplex, dass sie mit traditionellen Wenn-Dann-Logiken in Software nicht abbildbar sind (wie die Frage ‚ist mein Produkt beschädigt worden?‘). Genau hier sind KI-Algorithmen die Lösung: Sie können damit an der Maschine helfen, Fehler zu erkennen, die etwa in der Produktion auftreten. KI-Algorithmen benötigen aber enorme Rechenleistung, um zügig zu Ergebnissen zu kommen. Werden die Ergebnisse schnell vor Ort an der Maschine gebraucht, etwa um in die Steuerung nahezu in Echtzeit eingreifen zu können, ist zusätzliche Rechenleistung, beispielsweise in Form eines FPGA auf einem Edge-Device, also Steuerungsrechner, unabdingbar. Die Cloud wiederum wird benötigt, um den KI-Algorithmus zu trainieren. Er muss angelernt werden, und dafür ist die Rechen- und Speicherpower der Cloud notwendig. Wenn der Algorithmus ausgelernt hat, kann er z.B. auf den FPGA auf dem Edge-Device übertragen werden, um dort seine Aufgaben zu erfüllen. IoT-Infrastrukturen helfen, das Update von Edge-Devices zu vereinfachen. Das Thema Cloud-Sicherheit muss gesondert betrachtet werden. Hier gibt es Vorkehrungen, die die Nutzung sicher machen: von der End-to-End-Verschlüsselung der Datenübertragung bis hin zur Zwei-Faktor-Authentifizierung für Nutzer, egal ob Menschen oder Geräte. Es wird aber immer Daten und Anwendungen geben, die aus verschiedenen Gründen nicht in die Public Cloud sollen oder dürfen – hier gibt es Alternativen wie eine Private Cloud oder eine Embedded Cloud On-Premise. Ganz ohne zentrale Server oder ein Rechenzentrum wird es in der heutigen Zeit nicht mehr gehen.
elektro AUTOMATION: Während Steuerungsaufgaben meist in harter Echtzeit ablaufen, erfordern KI-Algorithmen nicht zwingend Echtzeit – wie lassen sich diese beiden Anforderungen lokal verbinden?
Eberhardt: Wichtig ist, dass die OT-Seite, die Echtzeitsteuerung, unbeeinflusst bleibt von den Aktualisierungen, die in der IT-Welt die Regel sind. Die korrekte Steuerung der Maschine darf auf keinen Fall gefährdet werden. Es bestünde die Gefahr, dass das Laufzeitverhalten beeinträchtigt würde, was wiederum in einer Produktionsstraße unabsehbare Folgen für vor- und nachgelagerte Systeme hätte. Zudem ist die Steuerung der Maschinen und all ihrer Komponenten zertifiziert; bei Eingriffen in die Steuerung wäre eine Re-Zertifizierung mit jedem Update notwendig, was in der Praxis nicht umsetzbar ist. Um trotzdem Informationen aus der IT-Welt zu verarbeiten und IoT damit einsetzbar zu machen, setzt S&T, der Mutterkonzern von Kontron, schon lange auf das Prinzip des Hypervisors. Er trennt zwischen IT und OT auf ein und derselben Hardware. Neueste Entwicklungen der IT-Seite können damit integriert werden – nicht nur KI, sondern auch Big Data und andere IoT-Technologien, ohne den Betrieb der Maschine zu gefährden. Damit lassen sich beispielsweise auch Anwendungen integrierten, die in der Cloud betrieben werden, etwa Services wie sie Microsoft mit Azure IoT Edge anbietet. Das ist auch der Grund, warum mittlerweile Hardware von Kontron Microsoft-Azure-zertifiziert wird.
elektro AUTOMATION: Wann stoßen lokale KI-Anwendungen aufgrund der Rechenleistung an ihre Grenzen und welche Anwendungen sind dafür geeignet?
Eberhardt: Das Fundament von Edge-seitigen KI-Anwendungen sind trainierte neuronale Netze. Wenn wir beispielsweise eine Kamera mit durchschnittlicher Auflösung verwenden, um die Qualität eines Produkts zu prüfen, dann sind hier mehrere 10.000 Neuronen beteiligt, die simuliert werden müssen. Der Nutzen des KI-Einsatzes ist, dass nicht alle möglichen Arten einer Beschädigung oder möglicher Mängel vorab bekannt sein müssen. Selbstverständlich stoßen die typischen Edge-Prozessoren hier schnell an ihre Grenzen. Erfreulich ist aber, dass sich KI-Entwicklungen vergleichbar zur Blockchain-Technologie zeigen. Während vor einem Jahr noch leistungsfähige Grafikkarten verwendet wurden, um die nötige Rechenpower bereitzustellen, gibt es derzeit schon die ersten FPGA-Karten, die sich wesentlich effizienter dieser Aufgabe widmen. Diese sind auch auf Kontron-Geräten verfügbar: Die Hardware bleibt kompakt wie bisher, ist aber ‚KI-Ready‘.
elektro AUTOMATION: Gibt es aus Ihrer Sicht auch Anwendungsszenarien, die sich nur in der Cloud sinnvoll abbilden lassen; beispielsweise standortübergreifende Analysen?
Eberhardt: Auswertungen und Analysen sind generell ein typisches Cloud-Thema, da sie üblicherweise keine 100-prozentige Verfügbarkeit und keine Echtzeitfähigkeit benötigen. Außerdem machen es Cloud-gestützte Systeme leichter, Daten aus verschiedenen physischen Orten zu konsolidieren. Ergänzend bietet die Cloud praktisch unbegrenzt Speicherplatz, etwa um auf historische Daten zuzugreifen. Um beim Thema KI zu bleiben: Wenn wir ein neuronales Netz trainieren, so erfordert dies hohe Rechenleistung, denn es müssen sehr viele Neuronen simuliert werden. Wenn wir beispielsweise die Frage klären wollen, ob auf einem bestimmten Bild eine Katze oder ein Hund zu sehen ist, so benötigen wir etwa 25.000 Bilder. Dieses Beispiel zeigt deutlich: Zum Trainieren wird sehr große Rechenleistung benötigt. Dies lässt sich am wirtschaftlichsten in der Cloud realisieren. Abseits von KI gibt es noch viele Anwendungsfälle, die die Cloud erfordern. Viele unserer Kunden sind Hersteller von Maschinen und keine Endanwender. Im B2B-Umfeld ist beispielsweise die Bereitstellung eines Kundenportals zur Geräteverwaltung für Endkunden und Serviceorganisation ein idealtypisches Cloud-Szenario. Auf dieser Plattform können die Endkunden einerseits ihre Geräte verwalten, andererseits erhalten sie aber noch wertvolle Informationen, ob die Maschinen optimal eingesetzt werden, individuelle Wartungsinformationen oder etwaige Anknüpfungspunkte zur Prozessoptimierung.
Stefan Eberhardt, Business Development Manager bei S&T Technologies in Augsburg
Bild: S&T
