So werden Systeme zur Netzwerküberwachung durch KI at the Edge verbessert

Woran denken Sie bei dem Begriff Künstliche Intelligenz (KI)? Für manche sind das gewaltige Serverräume, die IBM Watson oder AlphaGo antreiben. Diese Sichtweise ist heute lange überholt, denn KI wird bereits an jedem Ort der Welt eingesetzt. KI-Analysen werden heute nämlich bereits von Geräten durchgeführt, die sich überall in unserer physischen Welt befinden. Ein Datenstrom ist bei weitem nicht mehr für alle KI-basierten Aktionen erforderlich. Darauf lässt sich auch zurückführen, warum der Markt zwischen 2019 bis 2026 mit einer durchschnittlichen jährlichen Wachstumsrate von 19,27 % wachsen soll.

KI at the Edge bietet eine Reihe von Vorteilen für Netzwerküberwachungssysteme. Das sind die fünf wichtigsten Vorteile für Integratoren und Endkunden:

1. Höhere Genauigkeit und mehr Kontext

Der Einsatz von KI auf einem Gerät kann die Genauigkeit von Sensoren verbessern und Fehlalarme reduzieren. Personenzählung, Auslastungssteuerung und Warteschlangenmanagement sowie viele weitere Prozesse lassen sich dank Edge-KI in Kombination mit Deep Learning äußerst genau durchführen. Nutzer erhalten zudem viele zusätzliche Einblicke durch Edge-Geräte, wie z.B. kontextbezogene Informationen, ob jemand beispielsweise eine Brille trägt oder eine Tasche bei sich führt sowie die Farbe eines Fahrzeugs.

 

2. Sinkende Betriebskosten

Schätzungen zufolge erzeugen Sicherheitskameras weltweit etwa 2.500 Petabyte an Daten pro Tag. Die Übermittlung all dieser Daten zur Speicherung und Analyse ist kostspielig. Durch den Einsatz von KI at the Edge verringern sich die Kosten für Datenübertragung, da nur kritische Daten und Metadaten übermittelt werden müssen. Auch die Wartung teurer Server kann umgehend eingespart werden, was zudem auch den Energieverbrauch reduziert.

 

3. Verbesserung der Latenz

Thomas J. Bittman, Distinguished VP Analyst bei Gartner erklärt: „Da viele Menschen mit ihrer digital unterstützten Umgebung in Echtzeit interagieren müssen, wird es nicht funktionieren, auf ein Datenzentrum zu warten, das meilenweit entfernt ist. Die Latenzzeit ist entscheidend. Ich bin hier und jetzt, und ich bin in Sekundenschnelle wieder weg.“

Mit Analysen, die on the Edge durchgeführt werden, lösen Sensoren und Warnmelder noch unmittelbarer aus. Das verbessert die Reaktionsgeschwindigkeit bei Ereignissen wie unerlaubtem Betreten eines Grundstücks, aber auch die allgemeine Erfahrung beim Zugang zu einem Gelände oder beim Betreten eines Parkplatzes.

 

4. Bessere Skalierbarkeit

Kameras mit Edge-KI machen die Videoinstallation flexibler und skalierbar, da je nach Bedarf weitere Kameras und Geräte hinzugefügt werden können, ohne dass ein großer Server mit hoher Bandbreite benötigt wird. Davon profitieren vor allem Organisationen, die ein Projekt schrittweise implementieren möchten.

 

5. Ausfallsicherheit

Analysen werden in der Regel auf unterschiedlichen Geräten durchgeführt. Bei einem Ausfall eines Geräts kann ein anderes den Betrieb übernehmen, somit gibt es keinen einzigen Ausfallpunkt. Die KI kann auch dann weiterarbeiten, wenn ein Netzwerk oder ein Cloud-Dienst ausfällt. Sensoren arbeiten weiterhin, der Zutritt beispielsweise kann weiter gewährt werden. Aufzeichnungen und Auswertungen werden dann an das Back-End gesendet, sobald die Verbindung wiederhergestellt wurde.

 

Vorsprung sichern

Dies ist der ideale Zeitpunkt für Endnutzer und Integratoren, um KI at the Edge zu selbst zu erleben, da sie enorme Effizienz-, Genauigkeits- und Nachhaltigkeitsgewinne verspricht. Wie bei jeder Innovation sollten Sie zuerst Ihre Ziele sowie einen Anwendungsfall definieren. Edge-KI ist dafür ideal, denn sie kann schrittweise implementiert werden.

Lesen Sie hier mehr: Sicherstellung einer ethisch verantworungsvollen KI in 2022