Neue Erkenntnisse aus Daten dank Machine Learning
Wenn etwas „on the edge“ ist, dann ist im Alltag sinngemäß „an der Grenze“ oder gar „am Rand des Abgrunds“ gemeint. In der IT-Welt liegt die Sache aber völlig anders. Unter Edge Computing versteht man vereinfacht gesagt eine dezentrale Datenverarbeitung „am Rand“ eines Netzwerks. Und genau das kann etwa im Vergleich zu Cloud-Computing durchaus Vorteile – etwa in Bezug auf Kosten, Energieverbrauch und Unabhängigkeit von der Netzabdeckung – haben. Einer der relevanten Anwendungsfälle ist das Zusammenwirken von Machine Learning und dem Internet of Things (IoT). Und das ist des Pudels Kern: Gerade diese Kombination schafft viele Möglichkeiten, um neue Geschäftsfelder zu erschließen, die Effizienz zu steigern oder Kosten zu sparen.
Edge ML öffnet Türen
Die Grundidee dabei ist es, Datenströme ressourcenschonend zumindest teilweise an Ort und Stelle – also etwa in einem Betrieb, in einer Fabrik oder in einem Transport-Container – zu verarbeiten. Dazu ist es notwendig, das Machine Learning Model direkt am Microcontroller eines intelligenten IoT-Endgeräts vor Ort auszuführen. Also an der „Edge“, und nicht in der Cloud – allerdings ohne auf deren Vorteile verzichten zu müssen. Logisch somit, dass diese smarte Form des maschinellen Lernens auch hinter dem Trendbegriff „Edge ML“ steckt. Also alles gar nicht so schwierig. Wie genau die Sache funktioniert und welche neuen Möglichkeiten sich damit auftun, zeigt dieses kurze Video unter anderem am Beispiel eines Güterzugwagons.
