Machine Learning: MLOps für AI auf eingebetteten Systemen
Der Einsatz künstlicher Intelligenz nimmt auch auf eingebetteten Systemen zu. Mit MLOps setzen Datenanalysten, Entwickler und Admins Projekte gemeinsam um.
- Dr. Michael Stal
Künstliche Intelligenz wird zunehmend am Rand des Netzwerks gebraucht, auf Edge-Computern und Mikrocontrollern. Typische Anwendungsfälle dieser Edge AI sind die Hinderniserkennung beim autonomen Fahren, Gestenerkennung in der Heimautomatisierung oder Sprachverarbeitung beim Erstellen ärztlicher Befunde.
Gerade beim Erkennen von Hindernissen durch autonome Fahrzeuge zeigt sich einer der Gründe: Bei der Verarbeitung auf einem entfernten Server wäre die Reaktionszeit viel zu lang. Wer Daten dort verarbeitet, wo sie entstehen, geht außerdem Sicherheitsrisiken aus dem Weg.
Embedded Devices im IoT-Netz oder andere Endgeräte wenden also neuronale Netze zur Entscheidungsfindung an (Inferenz), während das zeitaufwendige und rechenintensive Training der Modelle auf leistungsfähigen Servern stattfindet. Dank Technologien wie TinyML ist der Transfer fertiger Modelle auf eingebettete Systeme meist einfach.
Immer mehr Wissen. Das digitale Abo für IT und Technik.
CPU-Guide 2024: Notebook-Prozessoren von AMD, Apple und Intel im Vergleich
App-gesteuertes Teleskop: Unistellar Odyssey Pro im Test
Elektroauto Mercedes EQA 300 4Matic im Test: Fährt gut, lädt gemächlich
Günstiges Display samt Einplatinencomputer für Bastelanfänger im Kurztest
High-End-Smartphones im Kameravergleich: Wettkampf um die beste Bildqualität
Vektorsuche mit den Datenbanken Qdrant und PostgreSQL im Vergleich
Immer mehr Wissen. Das digitale Abo für IT und Technik.
CPU-Guide 2024: Notebook-Prozessoren von AMD, Apple und Intel im Vergleich
App-gesteuertes Teleskop: Unistellar Odyssey Pro im Test
Elektroauto Mercedes EQA 300 4Matic im Test: Fährt gut, lädt gemächlich
Günstiges Display samt Einplatinencomputer für Bastelanfänger im Kurztest
High-End-Smartphones im Kameravergleich: Wettkampf um die beste Bildqualität