Sechs wichtige AI-Anwendungen im IoT-Umfeld

Von Klaus Manhart am 10. Oktober 2017
Artificial Intelligence (AI) wird künftig in allen Branchen und Technologien eine zentrale Rolle spielen – auch und besonders im Umfeld von IoT. Hier die sechs wichtigsten AI-Anwendungen, die für IoT relevant sind oder es in den nächsten Jahren werden.

Immer öfter werden Maschinen und Produkte untereinander zum "Internet of Things" (IoT) vernetzt. Unternehmen können damit ganz neue Geschäftsideen umsetzen. Doch die neue Technologie wird ihr volles Potenzial erst dann entwickeln, wenn Unternehmen das Internet der Dinge mit den Möglichkeiten von Artificial Intelligence verknüpfen, sagen etwa die Analysten von PWC.

Hier sechs AI-Gebiete, die nach Auffassung des Hewlett Packard Enterprise (HPE) Bloggers Mike Shar wichtig sind und von denen IoT am meisten profitieren wird.

Maschine Learning

Machine Learning spielt im IoT-Umfeld etwa beim Predictive Maintenance bereits eine wichtige Rolle. Diese dürfte künftig an Bedeutung gewinnen: Lernfähige Edge-Geräte sind ein Beispiel. Weil zum Lernen große Datenmengen erforderlich sind hat HPE ein "Distance Deep Learning Framework" entwickelt, womit sich die Datenübertragungszeiten und -kosten geringhalten lassen.

Autonome Fahrzeuge

Autos, LKW, Busse, Züge, Frachtschiffe, U-Boote und Drohnen sind Kandidaten für die autonome Fortbewegung. Sie alle sind auf eine intelligente Steuerung angewiesen. Bordcomputer müssen beispielsweise Vorhersagen über das Verhalten anderer Verkehrsteilnehmer treffen. Um das System für komplexe Verkehrssituationen zu trainieren, haben Automotive-Experten bereits Software entwickelt und mit tausenden Bildern aus deutschen Städten gefüttert.

Computer-Vision

Gerade bei autonomen Fahrzeugen muss der Computer die Straße "sehen". Die Fähigkeit zum "Sehen" (engl.: Vision) ist aber auch in anderen Bereichen enorm wichtig. Bei der automatischen Überwachung von Straßen und Schienen beispielsweise. Künftig werden Kameras aus dem, was sie sehen, Schlussfolgerungen ziehen und lernen. Sie brauchen also auch eine Inferenz- und Machine Learning-Komponente. Aus IoT-Sicht ist eine solche Kamera ein Edge-Gerät mit einem integrierten Machine-Learning-/Inferenzmodell.

Verarbeitung natürlicher Sprache

Natürliche Sprache ist die wichtigste Schnittstelle zwischen Mensch und Maschine - digitale Assistenten wie Cortana, Siri oder Echo sind der Anfang dieser Technologie. Natural Language Processing wird auch im IoT-Umfeld eine Rolle spielen: Während der Arbeit am Montageband steuern schon heute einfache Befehle wie "Halten", "Greifen" oder "Heben" den assistierenden Co-Bot. Vor allem im Automobilbereich dürfte sich in fünf bis zehn Jahren ein Großteil der Dienste und Funktionen im Fahrzeug per natürlicher Sprache bedienen lassen.

Intelligente Robotik

Roboter werden in der Fertigungsindustrie schon lange eingesetzt. Doch wirklich autonom waren sie allenfalls bei einfachen Tätigkeiten. Nun werden Roboter wirklich intelligent - wie auch die Sichtweise von Werner Ballhaus, Leiter Technologie, Medien und Telekommunikation bei PwC in Deutschland, bestätigt: "Wir erleben gerade die nächste Innovationswelle, die dazu führen wird, dass auch komplexere AI-Lösungen fast ohne menschliche Eingriffe auskommen".

Virtuelle Agenten

Virtuelle Agenten sind automatisierte Sprachservices, die über eine Chat-Schnittstelle mit Menschen interagieren und Informationen anbieten. Die SAP-Tochter SAP Ariba arbeitet zum Beispiel an einem Procurement Bot, mit dem Einkäufer Aufgaben einfacher, effizienter und schneller durchführen können. Maschinelles Lernen macht es möglich, dass der Bot die Vorlieben der Anwender und die Richtlinien des Unternehmens immer besser kennenlernt. Das antrainierte Wissen nutzt er, um Geschäftsaktivitäten so zu lenken, dass Fehler vermieden und Bearbeitungszeiten verkürzt werden.

HPE bietet seinen Kunden eine Vielzahl von AI-Lösungen an, die im IoT-Umfeld einsetzbar sind. Die Server-Lösungen von HPE ermöglichen es beispielsweise, Echtzeitleistung für ihre AI-Workloads zu erzielen. Das HPE Apollo 6000 System ist eine Deep Learning-Plattform, die eine unübertroffene Leistung bietet und nur relativ wenig Stellfläche benötigt.