Suchen

Expertenbeitrag

Jan Metzner

Jan Metzner

Specialist Solutions Architect IoT, EMEA, Amazon Web Services Germany GmbH

IoT-Dienste:

Machine Learning im Edge mit dem Internet der Dinge

| Autor/ Redakteur: Jan Metzner /

Mit Hilfe von Machine Learning ist es möglich, intelligente Entscheidungen und Voraussagen auf Basis von Daten zu treffen. Dafür stehen heute leistungsfähige Anwendungen in der Cloud zur Verfügung.

Firmen zum Thema

Mittels Spezialsoftware lassen sich IoT-Dienste auch im Edge einsetzen.
Mittels Spezialsoftware lassen sich IoT-Dienste auch im Edge einsetzen.
( Pexels )

In der Praxis wollen Anwender ihre IoT-Dienste jedoch auch im Edge - außerhalb der Cloud - zum Beispiel in ihren Produktionsstätten einsetzen. Dafür bietet sich der Einsatz von Spezialsoftware an. Bei dieser handelt es sich um Anwendungen, mit denen auf sichere Weise lokale Datenverarbeitungs-, Messaging-, Caching- und Synchronisierungsvorgänge für verbundene Geräte im Edge durchgeführt werden können. Zu den Funktionen der Software zählt ein lokaler Message Broker, mit dem IoT-Geräte kommunizieren können - auch dann, wenn keine Internet-Verbindung besteht. Außerdem ist die Datenverarbeitung im Edge unabhängig von der Cloud. Auch die Event-basierte Ausführung von Code ist denkbar, ohne dass sich der Benutzer um die darunterliegende Infrastruktur kümmern muss.

Eine weitere Funktion, die die Arbeit im IoT Umfeld erleichtert: Maschinelle Lerninterferenzen können auf IoT-Edge-Geräte heruntergeladen und so auch ohne Cloud-Konnektivität ausgeführt werden. Damit kann Machine Learning nun auch im Edge und unabhängig von einer Internet-Verbindung verwendet werden. Die Machine-Learning-Modelle werden in der Cloud mit einer verwalteten Plattform von Entwicklern oder Datenwissenschaftlern erzeugt und können dann von dort direkt auf die Spezialsoftware heruntergeladen werden. So wird es möglich, weitere Dienste im Edge auszuführen, Voraussagen noch schneller zu treffen und an die eigenen Anforderungen angepasste Lösungen zu entwickeln, etwa zur Bilderkennung.

Ein Beispiel dafür liefert die japanische Firma Yanmar. Sie hat ein intelligentes Gewächshaus entwickelt, in dem die Spezialsoftware AWS Greengrass zum Einsatz kommt. Um bessere Erträge von Tomatenpflanzen zu erreichen, wird dabei die Gewächshausumgebung technologieunterstützt optimiert. Dazu werden in jedem Gewächshaus bis zu zwölf Kameras installiert und die Pflanzen regelmäßig fotografiert. Yanmar plant, Machine-Learning-Algorithmen zu verwenden, um die Pflanzenwachstumsphasen (nach Höhe, Anzahl der Blätter, Anzahl der Blüten und Früchte) automatisiert zu erkennen. Der Pflegebedarf der Pflanzen wird dadurch deutlich und Bewässerung sowie Temperatur können angepasst werden.

Über den Autor

Jan Metzner

Jan Metzner

Specialist Solutions Architect IoT, EMEA, Amazon Web Services Germany GmbH

Pexels; www.pexels.com; 123rf.com - Hongqi Zhang; gemeinfrei; Avnet Integrated; fischertechnik; Axians; Peakboard; Medisana/Oliver Eltinger