1. Der Umgang mit der Energiekrise bleibt ein wichtiger Punkt auf der Unternehmensagenda
Die Energiekrise setzt Unternehmen schon 2022 zu und wird auch 2023 für viele Veränderungen sorgen. Rechenressourcen auf Servern und Cloud-Kosten steigen deutlich, da diese Systeme sehr energieintensiv sind. Noch mehr Produkthersteller werden auf dezentrale Systeme mit Embedded-KI zurückgreifen. Diese laufen aufgrund der Platzbeschränkung auf günstigen kleinen Halbleitern, sind ressourcensparend und wirken autark vor Ort. Reine Cloud- oder intensive Edge-Anwendungen bekommen einen Dämpfer.
2. Lieferschwierigkeiten treiben Predictive Maintenance voran
Durch die akuten und auch anhaltenden Lieferschwierigkeiten vom Elektroantrieb bis zum Schlauch in der Maschinenbaubranche setzen agile und flexible Hersteller in kürzeren Zyklen neue Produkte von neuen Zulieferern ein. Predictive Maintenance wird wichtiger, da die noch fehlende Erfahrung der neu eingesetzten Bauteile in Bezug auf deren Qualität aufgefangen werden muss. So kann verhindert werden, dass der Endkunde Nachteile der Kompromisslösungen zu spüren bekommt, da Fehlerfälle frühzeitig und ohne Ausfall oder gar Image-Schaden behoben werden können. Zudem wird die Predictive Maintenance durch die weiter steigende Rechenleistung der kleineren Halbleiter (wie z.B. solchen mit den neusten NPUs (Neural Processing Units)) immer tiefgehender und effektiver, was aufgrund hoher Datenmengen die sofortige Verarbeitung vor Ort in Echtzeit (Embedded-KI) voraussetzt.
3. Steigende Rechenleistung führt zu tiefergehender und komplexerer Interaktion mit dem Nutzer bzw. Bediener
Der Trend zu steigender Rechenleistung bei kleinsten und günstigsten Halbleiter-Recheneinheiten, begleitet von der Weiterentwicklung der Algorithmik bei künstlichen neuronalen Netzen (KNNs), führt zu Möglichkeiten tiefergehender und komplexerer Interaktion mit dem Nutzer bzw. Bediener. User Interaction wie z.B. Personen-Raumerkennung, Insassenerkennung oder Keyword-Spotting werden mehrwertschöpfend beginnen, auf das Verhalten von Menschen und deren Emotionen zu reagieren.
4. Die Forschung und Weiterentwicklung von Embedded-KI erfährt einen Boom
Was bisher nur auf größeren Systemen möglich war, wird mit günstigen Systemen im zwei- bis dreistelligen Eurobereich umsetzbar. Konkrete Folgen sind Technologiesprünge beim inkrementellen Lernen und der Sprachtrennung. Ersteres ermöglicht die Anpassung lokaler Machine-Learning-Modelle an Nutzung (z.B.: Rechts- oder Linkshänder?) oder Umgebung (z.B.: Steht die Prozessanlage in trockener Hitze oder in feuchter Kälte?), während zweitere zu einer besseren, lokalen Spracherkennung der Bedienerstimme in verrauschten Umgebungen führt.
5. Der Fachkräftemangel spitzt sich weiter zu
Die Notwendigkeit, gerade Haushalts- und Medizingeräte intelligenter und dadurch zeitsparender bei gleichzeitiger Senkung des Betreuungsaufwands zu gestalten, wird exponentiell wachsen. Das kann zum Beispiel ein Chirurgie-Lasergerät sein, das dank Spracherkennung direkt ohne eine Hilfsschwester-Bedienerin auf die Anweisungen des Chirurgen hört, oder eine Zahnbürste, die den Zahnstatus auf Ultraschallebene überwacht und so den präventiven Arztbesuch einspart. Auch Saug-Roboter oder Raumlüfter werden durch lokale Objekt- und Staubanalysen immer zuverlässiger, sodass die Arbeit im Haushalt weniger Zeit in Anspruch nimmt.
6. Trend Hardware-as-a-Service (HaaS) wird Normalität
Der globale Systemwettbewerb wird sich im kommenden Jahr noch stärker zuspitzen. Die westliche Industrie wird sich gegen Asien nicht mehr durch klassische Produktleistung, wie etwa Blechbiegen und Prozessfunktionen, durchsetzen können. Stattdessen wird der bereits aufziehende Trend der Hardware-as-a-Service (HaaS), also die Vermarktung von Geräte- und Maschinennutzung an Stelle des Stückzahlverkaufs, mehr und mehr zur Normalität. Durch Einsatz von Embedded-KI zwecks Verschleißerkennung und Benutzerverhaltensanalyse werden Hersteller optimale Lebensdauern und Maschinenverfügbarkeiten bei sinkenden Wartungskosten erreichen. Service- und Kundenorientierung, aber auch Nachhaltigkeit rücken bei derartigen Leasing-, Miet-, Abo- und Servicemodellen folglich in den Vordergrund.
AITAD ist ein deutscher Embedded-KI-Anbieter. Das Unternehmen befasst sich mit der Entwicklung und Testung von KI-Elektroniksystemen, insbesondere in Verbindung mit maschinellem Lernen im Industriekontext (v.a. Systemkomponenten). Als Entwicklungspartner übernimmt AITAD den kompletten Prozess vom Datensammeln über die Entwicklung bis hin zur Lieferung der Systemkomponenten. Dadurch werden innovative Anpassungen des Produkts vorgenommen, ohne das Kompetenzen und nur wenige Ressourcen von Kundenseite notwendig sind. Der Fokus liegt dabei auf zukunftsbringenden, disruptiven, innovativen Anpassungen mit größtmöglichem Impact auf Strukturen und Produktstrategien. Die Spezialgebiete von AITAD sind Preventive/Predictive Maintenance, User Interaction und funktionale Innovationen. Dabei geht AITAD einen anderen Weg als viele Hersteller: Anstatt einer fertigen KI-Lösung wird für jeden Kunden ein individuelles System entwickelt. Hierfür prüft das Unternehmen im ersten Schritt wie Kundenprodukte vom KI-Einsatz profitieren, stellt die Vorteile und Möglichkeiten vor, entwickelt das System auf allen Ebenen, baut dank einer Prototyping-EMS-Strecke in-house einen Prototyp des neuen Systems auf Basis gesammelter Daten und steht bei der Serienanfertigung und Systempflege stets zur Seite. Dabei agiert AITAD als interdisziplinärer Full-Stack-Anbieter mit Bereichen Data Science, Maschinenbau sowie Embedded-Hard- und Software. Zudem forscht AITAD in- und extern an zahlreichen algorithmischen und halbleitertechnischen Grundlagen der KI-Technologie. Weitere Informationen www.aitad.de
AITAD GmbH
Hauptstr. 108
77652 Offenburg
Telefon: +49 (781) 96710830
http://aitad.de
E-Mail: AITAD@martinagruhn.com
