Das EdgeAI-Projekt: Technologiekonvergenz zur Verbesserung der Intelligenz für verbesserte Leistung und Effizienz am Edge

Jun 20, 2024

Edge Artificial Intelligence kombiniert Edge-Computing, Internet der Dinge (IoT) und künstliche Intelligenz (KI)-Technologien, um Datenerfassung, -verarbeitung, -analyse und Entscheidungsfindung in Echtzeit zu ermöglichen. Die Fortschritte in den Technologien Edge-KI, maschinelles Lernen (ML) und Deep Learning (DL) ermöglichen neue Funktionen am Netzwerkrand, näher an den Sensoren und Aktoren, die bisher für herkömmliche Mikrocontroller-Einheitssysteme (MCU) nicht möglich waren.

Aufbauend auf den Vorteilen von IoT und Edge Computing zur lokalen Erfassung und Verarbeitung von Daten reduziert die geräteinterne ML- und DL-Verarbeitung die Latenz, erhöht den Datenschutz und die Datensicherheit und reduziert den Bedarf an einer kontinuierlichen Cloud-Verbindung durch die Bereitstellung von Edge-Konnektivitäts- und Analyselösungen. Die intelligente ML- und DL-Edge-Verarbeitung eröffnet Möglichkeiten für neue, robuste und skalierbare KI-Systeme im gesamten Edge-Kontinuum (Micro-Deep- und Meta-Edge) und in mehreren Branchen.

Die Anwendung von Edge-KI bietet viele Möglichkeiten, darunter höhere Verarbeitungsgeschwindigkeiten für Echtzeitanalysen, größere Skalierbarkeit für die Arbeit mit Echtzeitdaten und verbesserte Cybersicherheit, da Daten vor Ort verarbeitet werden. Diese Innovationen bringen jedoch auch erhebliche Herausforderungen mit sich, von der technologischen Heterogenität über Verarbeitungsarchitekturen bis hin zur Energieeffizienz.

Eine der größten Herausforderungen für die Entwicklung von Edge-KI-Technologien ist die Verbesserung der Energieeffizienz und Skalierbarkeit der Verarbeitungsleistung angesichts der unterschiedlichen Ressourcenbeschränkungen für Geräte, Algorithmen und Plattformen am Edge.

Edge-KI-Anwendungen weisen eine erhebliche Hardware-/Software-Heterogenität auf. Die Anwendungen verwenden kombinierte KI-Methoden und -Algorithmen, was eine Herausforderung darstellt, wenn Edge-KI-Lösungen für verschiedene Hardware-/Softwareplattformen optimiert und miteinander verglichen werden müssen.

Heterogene Verarbeitung ist ein entscheidender Aspekt der Edge-KI, die verschiedene Hardwarearchitekturen kombiniert, darunter Zentraleinheiten (CPUs), Grafikverarbeitungseinheiten (GPUs), Tensorverarbeitungseinheiten (TPUs), Intelligenzverarbeitungseinheiten (IPUs) und anwendungsspezifische integrierte Schaltkreise ( ASICs), feldprogrammierbare Gate-Arrays (FPGAs), neuromorphe Verarbeitungseinheiten (NPUs), System-on-Chip (SoC) und System-on-Module (SoM).

Edge-KI-Technologien und -Anwendungen entwickeln sich kontinuierlich weiter und treiben die zukünftige intelligente Steuerung und Entscheidungsfindung voran, indem sie KI-Funktionen näher an die physische Welt verlagern, um die Implementierung autonomer Systeme zu ermöglichen und das autonome Verhalten solcher Systeme zu verbessern.

Um der Heterogenität von Geräten Rechnung zu tragen, verwaltet das KDT JU EdgeAI-Projekt die Verarbeitung am Edge als granulares Kontinuumsrechnen, das aus Micro-Edge (Verarbeitungseinheiten in eingebetteten Mikrocontrollern, Sensoren und Aktoren usw.) und Deep-Edge (Bereitstellung von Verarbeitungseinheiten) besteht erweiterte Verarbeitungsleistung, in Gateways, Mobiltelefonen, speicherprogrammierbaren Steuerungen usw.) und Meta-Edge (lokale Hochleistungs-Edge-Processing-Mikroserver, die verschiedene Mikrocontroller und Prozessoren für bestimmte Vorgänge kombinieren).

Edge-KI-Technologien ermöglichen die Entwicklung heterogener, hypervernetzter, hyperautonomer und hyperintelligenter Systeme, die Edge- und Schwarmintelligenz kombinieren, um neuartige Edge-Intelligenzsysteme zu schaffen.

Hyper-X-Entwicklungen und Edge-KI beschleunigen die Integration von Automatisierungstools, Plattformen und mehreren Sensor-/Aktortechnologien. Dies ermöglicht eine intelligentere Funktionalität und schafft funktionsübergreifende, skalierbare autonome Systeme mit „intrinsischer Intelligenz“ und „extrinsischer Intelligenz“.

Intrinsische Intelligenz stellt die kognitiven Fähigkeiten dar, die in einem Edge-KI-Gerät wie einem intelligenten IoT-Gerät, einem Roboter oder einem autonomen Fahrzeug integriert sind. Extrinsische Intelligenz ist die Netzwerkintelligenz, die für die Zusammenarbeit zwischen diesen intelligenten Edge-Geräten verwendet wird.

Das Projekt EdgeAI – Edge AI Technologies for Optimized Performance Embedded Processing, Key Digital Technologies (KDT) Joint Undertaking (JU) ist eine Schlüsselinitiative für den europäischen digitalen Übergang hin zu intelligenten Verarbeitungslösungen am Edge.

Das Projekt entwickelt neue elektronische Komponenten und Systeme, Verarbeitungsarchitekturen, Konnektivität, Software, Algorithmen und Middleware durch die Kombination von Mikroelektronik, KI, eingebetteten Systemen und Edge Computing.

Es stellt außerdem sicher, dass Europa über die notwendigen Werkzeuge, Fähigkeiten und Technologien verfügt, um Edge-KI als praktikable alternative Bereitstellungsoption zu herkömmlichen zentralisierten Lösungen zu ermöglichen und das Potenzial des allgegenwärtigen KI-Einsatzes freizusetzen, mit dem langfristigen Ziel, dass Europa die Führung bei intelligenten Lösungen übernimmt Rand.

Das EdgeAI-Projekt trägt mit einem systemischen, sektorübergreifenden Ansatz zum digitalen und grünen Übergang des europäischen Green Deals bei. Es liefert verbesserte KI-basierte elektronische Komponenten und Systeme, Edge-Processing-Plattformen, KI-Frameworks und Middleware und bietet gleichzeitig Methoden zur Vereinfachung, Weiterentwicklung und Anpassung des Designs von Edge-KI-Technologien.

Die Verlagerung von Verarbeitung, Analyse und Intelligenz an die Edge könnte sich in zwei Richtungen auf den europäischen Grünen Deal auswirken. Eine davon besteht darin, die Energieeffizienz zu steigern und den Stromverbrauch der elektronischen Komponenten, Algorithmen und KI-Methoden am Edge zu senken. Die andere besteht darin, die Verarbeitungskapazitäten zu erhöhen und den Gesamtenergieverbrauch und den CO2-Fußabdruck der Anwendungen zu reduzieren, die Edge-KI-Komponenten verwenden.

Durch die Berücksichtigung von Skalierbarkeit, Energieeffizienz und Leistung in den frühen Phasen der Entwicklung von Edge-KI-Technologien kann das EdgeAI-Projekt die klimaneutralen Ambitionen der Europäischen Union positiv beeinflussen.

Mit 49 Partnern in 11 europäischen Ländern und einem Gesamtbudget von 35,4 Millionen Euro ist Edge AI eine der größten europäischen Initiativen, die sich mit Edge-KI-Technologien und -Anwendungen befassen.

Das EdgeAI-Projekt treibt die Entwicklung von Edge-KI-Lösungen im gesamten KI-Technologie-Stack voran und führt zur Entstehung multimodaler Edge-KI-Implementierungen, die für verschiedene Industriesektoren Echtzeitleistung am Edge liefern. Dies führt zur Integration einer Kombination von Edge-KI-HW/SW-Bausteinen in verschiedene KI-basierte Anwendungen.

Die EdgeAI-Projektpartner arbeiten daran, die Anwendbarkeit der entwickelten Ansätze in 20 Demonstratoren in fünf industriellen Wertschöpfungsketten zu demonstrieren: digitale Industrie, Energie, Agrar- und Lebensmittelindustrie, Mobilität und digitale Gesellschaft, unter Berücksichtigung der Anforderungen an Leistung, Sicherheit, Vertrauen und Energieeffizienz jedem dieser Demonstranten innewohnt. EdgeAI trägt wesentlich zur großen gesellschaftlichen Herausforderung bei, die intelligenten Verarbeitungsfähigkeiten am Edge zu erhöhen.

Digitale Industrieanwendungen befassen sich mit einer Kombination von Fortschritten bei Edge-KI-Technologien zur Implementierung KI-basierter Sensor-/Bilddatenüberwachungs-, -verarbeitungs-, -analyse- und -steuerungsfunktionen in der industriellen Produktion, die als verteilte KI im Edge-Computing-Kontinuum eingesetzt werden. Ziel ist die Entwicklung und Bewertung optimierter HW/SW-Lösungen für die effiziente Ausführung von Edge-KI-Algorithmen unter Berücksichtigung neuer Algorithmusmuster und dezentraler oder verteilter Edge-Architekturen.

Anwendungen im Energiesektor zielen darauf ab, Echtzeit-Feature-Engineering-KI-basierte Lösungen für die Diagnose und Vorhersage zu entwickeln, die mithilfe von Edge-KI-Modellen historische Daten, Wettermuster und Energiesystemparameter kombinieren, um die Energiegeräte und den Betrieb der Benutzer zu implementieren, zu verwalten und zu optimieren. Der Schwerpunkt liegt auf dem Entwurf dezentraler und verteilter intelligenter Edge-Überwachungssysteme für Energiemanagementsysteme unter Berücksichtigung von Feature-Engineering-Prozessen und der Bereitstellung neuartiger Analysetools für Geräte und Energiemanagementsysteme, einschließlich Lastvorhersage, Klassifizierung von Verbrauchern/Lasten, Lastprofilierung und Anomalieerkennung , Schätzung, Vorhersage des Energieverbrauchs und Planung intelligenter Energievermittlung.

Anwendungen in der Lebensmittel- und Getränkeindustrie konzentrieren sich auf Anwendungsfälle, bei denen Edge-KI potenzielle Probleme in jedem Schritt der Champagner-Lieferkette überwachen kann, um eine sicherere, gesündere und effizientere Produktion zu gewährleisten. Die vorgeschlagenen Demonstratoren bestehen aus mehreren Subsystemen/Komponenten, die die verschiedenen Prozessschritte der Champagnerherstellung vom Weinberg bis zur Abfüllung abdecken. Die eingesetzten Lösungen basieren auf skalierbarem Edge-IoT und KI mit neuromorphen Beschleunigern.

Mobilitätsanwendungen konzentrieren sich auf die Erweiterung von Edge-KI-basierten Wahrnehmungs-, Erkennungs- und Überwachungstechnologien, um den Mobilitätssektor in drei verschiedenen Aspekten voranzutreiben: dem mobilen Agenten (z. B. Drohnen, UAVs, UGVs und andere Fahrzeuge), der stationären und mobilen Multi-Agenten-Kollaboration (Distributed Edge Intelligence) und Infrastruktur. Diese Spitzen-KI-Technologien sind unerlässlich, um vernetzte und automatisierte Mobilität mit erhöhter Energieeffizienz, Zuverlässigkeit, Privatsphäre und Wiederverwendbarkeit sowohl für Innen- als auch für Außenanwendungen zu ermöglichen.

Anwendungen der digitalen Gesellschaft verbessern die Fähigkeit der Edge-KI, qualitativ hochwertige Situationsinformationen bereitzustellen, um autonome Reaktionen in verschiedenen intelligenten Umgebungen auszulösen, die eine engere Integration technologischer Systeme und menschlicher Benutzer erfordern. Diese Systeme sollten reale Reize genau interpretieren und auf Aktivität und Absicht schließen. Die Edge-KI verspricht, Reize in diesen Situationen zu interpretieren, die auf herkömmliche Weise nicht angemessen modelliert werden können. Dadurch können reaktive Prozesse besser informiert werden und eine engere Integration von Mensch und Mensch ermöglicht werden digitale Infrastruktur.

Diese Arbeit wird im Rahmen des EdgeAI-Projekts „Edge AI Technologies for Optimized Performance Embedded Processing“ durchgeführt, das von KDT JU im Rahmen der Fördervereinbarung Nr. 101097300 gefördert wurde. Das KDT JU erhält Unterstützung durch das Forschungs- und Innovationsprogramm Horizon Europe der Europäischen Union und Österreich, Belgien, Frankreich, Griechenland, Italien, Lettland, Luxemburg, Niederlande und Norwegen.

Bitte beachten Sie, dass dieser Artikel auch in der fünfzehnten Ausgabe unserer vierteljährlichen Publikation erscheinen wird.

Speichern Sie meinen Namen, meine E-Mail-Adresse und meine Website in diesem Browser für den nächsten Kommentar.

D