Machine Learning im Edge mit dem Internet der Dinge

In einem unserer vorhergehenden Artikel zum Internet der Dinge haben wir erörtert, dass Machine Learning eingesetzt werden kann, um intelligente Entscheidungen bzw. Voraussagen auf Basis von Daten zu treffen. Mit Amazon Sagemaker und Amazon Machine Learning stehen dafür leistungsfähige Dienste in der Cloud zur Verfügung.

Um diese Dienste zu verwenden, ist zum Zeitpunkt der Abfrage eine Internetverbindung erforderlich. Je nach Anwendungsfall können unterschiedlich große Datenmengen anfallen. Sollen beispielsweise bilderkennende Verfahren eingesetzt werden, ist eine Netzanbindung mit der entsprechenden Bandbreite erforderlich.

In der Praxis wollen Anwender ihre IoT-Dienste jedoch auch im Edge, außerhalb der Cloud wie zum Beispiel in ihren Produktionsstätten einsetzen. Hier kommt AWS Greengrass ins Spiel. Dabei handelt es sich um eine Software, mit der auf sichere Weise lokale Datenverarbeitungs-, Messaging-, Caching- und Synchronisierungsvorgänge für verbundene Geräte im Edge durchgeführt werden können.  Zu den Funktionalitäten von AWS Greengrass zählt ein lokaler Message Broker, mit dem IoT Geräte kommunizieren können, auch dann, wenn AWS Greengrass über keine Internet-Verbindung verfügt. Des Weiteren können mit AWS Greengrass sogenannte AWS Lambda-Funktionen im Edge unabhängig von der Cloud ausgeführt werden.  AWS Lambda-Funktionen führen Code event-basiert aus, ohne dass sich der Benutzer um die darunterliegende Infrastruktur kümmern muss.

Am 4. April 2018 ist für AWS Greengrass eine weitere Funktionalität – ML Inference – veröffentlicht worden. Mit ML Inference lassen sich Machine Learning Modelle auf ein Gerät, dass AWS Greengrass ausführt, herunterladen. Damit kann Machine Learning nun auch im Edge und unabhängig von einer Internet-Verbindung verwendet werden. Die Machine Learning Modelle werden in der AWS Cloud mit Amazon SageMaker erzeugt und können dann von dort direkt oder von Amazon S3 auf AWS Greengrass heruntergeladen werden.

Ein Anwendungsbeispiel ist die Erkennung von Bildern: Diese können im lokalen Netzwerk oder von einer Kamera an dem Gerät das AWS Greengrass ausführt, aufgenommen werden und die Bilderkennung kann direkt im Edge durchgeführt werden, ohne die Bilder in die Cloud hochladen zu müssen.

Mit ML Inference, wird es AWS Kunden ermöglicht, weitere Dienste im Edge auszuführen und somit Voraussagen noch schneller zu treffen und innovative Lösungen zu entwickeln.

Die japanische Firma Yanmar ist im Begriff, ein intelligentes Gewächshaus zu entwickeln, in dem AWS Greengrass mit ML Inference zum Einsatz kommen wird. Um bessere Erträge von Tomatenpflanzen zu erreichen, wird die Gewächshausumgebung Technologie-unterstützt optimiert. Eine detaillierte Beschreibung zu diesem Einsatzzweck können Sie im AWS IoT Blog finden.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.