Die globale digitale Transformation schreitet hinsichtlich des Tempos der damit einhergehenden Veränderungen und der Tragweite ihrer Auswirkungen immer schneller voran und verändert damit grundlegend die Art und Weise, wie Unternehmen und ganze Branchen in Zukunft funktionieren werden.
Ein zentrales Element einer erfolgreichen digitalen Transformation ist der Zugang zu hochwertigen Echtzeitdaten, die dazu genutzt werden können, fundiertere Entscheidungen zu treffen und fortgeschrittenere Formen der Automatisierung zu realisieren, um eine höhere betriebliche Effizienz zu erzielen, das Kundenerlebnis zu verbessern und die Produktivität der Mitarbeiter zu steigern. Es überrascht daher nicht, dass eine Folge der digitalen Transformation das Wachstum des Internets der Dinge (IoT) war. IoT-Lösungen bieten Unternehmen eine zuverlässige Möglichkeit, Informationen von einer Vielzahl vernetzter Anlagen, Geräte und Ausrüstungen zu erhalten – allesamt Kernkomponenten jedes Industrieunternehmens. Dieser Zusammenhang zwischen IoT und digitaler Transformation zeigt sich deutlich in der „Omdia 2023 IoT Enterprise“-Umfrage, in der 88 % der Befragten angaben, dass das IoT in mehreren Bereichen ihres Unternehmens implementiert werde oder ein Schlüsselelement ihrer digitalen Transformation sei.
Teilweise angetrieben durch das zunehmende Tempo der digitalen Transformation schätzt Omdia die weltweite installierte Basis an IoT-Geräten Ende 2023 auf fast 38 Milliarden Geräte und geht davon aus, dass diese Zahl bis 2030 die 82-Milliarden-Marke überschreiten wird. Doch obwohl eigenständige IoT-Anwendungen einen Mehrwert bieten können, bringen sie auch Herausforderungen mit sich. An erster Stelle stehen dabei die enormen Datenmengen, die sie erzeugen, sowie die damit verbundenen Herausforderungen bei der Datenverarbeitung. Einigen Schätzungen zufolge fallen auf dem globalen IoT-Markt mittlerweile täglich rund eine Milliarde Gigabyte an Daten an.
Dieser Artikel ist ein Auszug aus dem „Telenor IoT Predictions Report“, der in Zusammenarbeit mit Omdia erstellt wurde. Den vollständigen Bericht können Sie unten kostenlos herunterladen!
Das Ergebnis ist, dass viele Unternehmen letztendlich in einem „Data Lake“ versinken, da sie nicht in der Lage sind, die riesigen Datenmengen effektiv zu analysieren und aussagekräftige Informationen zu gewinnen, die einen geschäftlichen Mehrwert schaffen. Es ist absehbar, dass sich dieses Problem mit der Ausweitung dieser IoT-Projekte und der steigenden Anzahl von Endgeräten und Daten nur noch verschärft.
Es liegt auf der Hand, dass das bloße Sammeln von Daten deren potenziellen Wert noch nicht ausschöpft. Die Ergänzung der Datenerfassung durch menschliche Intelligenz, um die Daten zu analysieren und darauf zu reagieren, ist ein erster Schritt, doch die schiere Menge an Informationen macht dies unpraktikabel und sogar unmöglich. Stattdessen müssen Unternehmen ihre IoT-Projekte mit Analysewerkzeugen ausstatten, die ihre Anwendungen intelligenter, effizienter und nachhaltiger machen.
Die Antwort lautet: Künstliche Intelligenz. Zu Beginn des Jahres 2024 sind wir der Überzeugung, dass die Integration von KI-Fähigkeiten in IoT-Implementierungen kein Luxus mehr ist. Vielmehr wird die „Künstliche Intelligenz der Dinge“ (AIoT) zu einer betrieblichen Notwendigkeit für Unternehmen, die ihre Relevanz und Widerstandsfähigkeit im digitalen Zeitalter sichern wollen. Auf diese Weise werden „intelligente Geräte“ Teil einer „intelligenten Systemlösung“ – ein ganzheitlicher und transformativer Ansatz, um dem Unternehmen den größtmöglichen Mehrwert zu bieten. Entdecken Sie die Strategien, mit denen Unternehmen AIoT nutzen können.
AIoT oder AI4IoT bezeichnet die Konvergenz von KI-Technologien in einer IoT-Anwendung, wobei IoT für Daten steht und KI für eine Reihe von Analysewerkzeugen, die die Wertschöpfung aus Daten ermöglichen. Diese Begriffe werden häufig auch als „Internet der intelligenten Dinge“, „IoT mit KI“ und „IoT-Maschinelles Lernen“ bezeichnet. Diese Begriffe können synonym verwendet werden und beschreiben jeweils eine Architektur, die beide Technologien in einer einzigen Lösung integriert – eine Kombination, die transformative Auswirkungen haben kann.
Wie in der folgenden Abbildung dargestellt, kann die Integration künstlicher Intelligenz in eine IoT-Implementierung entweder am Edge oder in der Cloud erfolgen. Die Fähigkeit des Cloud-Computing, Skalierbarkeit, Flexibilität und Rechenleistung zu bieten, die über die Möglichkeiten herkömmlicher lokaler Geräte hinausgehen, hat es zur etablierten Plattform für Analytik und KI gemacht, die dabei hilft, riesige Datenmengen zu verwalten und in aussagekräftige Erkenntnisse umzuwandeln. In jüngster Zeit hat Edge-KI jedoch zunehmend an Bedeutung gewonnen, da sie eine Möglichkeit darstellt, Anforderungen an geringe Latenzzeiten zu erfüllen, Kosten zu senken und Sicherheits- sowie Datenschutzbedenken auszuräumen.
In beiden Fällen besteht das wesentliche Ziel des Einsatzes künstlicher Intelligenz darin, Muster in Daten zu erkennen und Analysen durchzuführen, um aussagekräftige Erkenntnisse für das Unternehmen zu gewinnen oder Aufgaben zu automatisieren und damit die Entscheidungsprozesse zu verbessern. Einfach ausgedrückt ermöglicht AI4IoT die Umwandlung von Rohdaten in wirkungsvolle Maßnahmen mit greifbarem geschäftlichem Nutzen. Wenn wir dies richtig angehen, lässt sich durch den Einsatz modernster Daten- und KI-Technologien, wie beispielsweise generativer KI, eine schnellere, robustere und nachhaltigere Nutzung von IoT-Daten zur Wertschöpfung erreichen.
Anders ausgedrückt: Das IoT liefert die Daten, während die KI die Fähigkeit bereitstellt, daraus Lösungen abzuleiten. Eine einfache Analogie für AI4IoT ist der menschliche Körper. In diesem Szenario ist das IoT das zentrale Nervensystem, das für die Erfassung von Daten und die Übertragung dieser Informationen über sein Netzwerk zuständig ist. KI wäre das Gehirn; sie nimmt diese gesammelten Informationen auf, analysiert sie, um ihre Bedeutung zu ermitteln, und entscheidet, wie darauf reagiert werden soll. Obwohl jedes System spezifische Funktionen hat, sind sie alle miteinander verbunden und voneinander abhängig, und ihre Konvergenz macht das jeweils andere System effektiver.
Der Begriff „Edge-KI“ bezieht sich auf die Implementierung von KI auf den physischen Geräten, auf denen Daten generiert werden, anstatt diese Funktionen in der Cloud unterzubringen. Auch als „Intelligent Edge“, „Edge-IoT“ oder „Edge-KI“ bezeichnet, stößt dieses Konzept zu Beginn des Jahres 2024 auf wachsendes Interesse. Da Geräte immer mehr Daten generieren, setzen OEMs und Halbleiterhersteller KI-Modelle und KI-Inferenz-Chipsätze ein, um diese erweiterte Analyse und Entscheidungsfindung am Endpunkt zu ermöglichen und gleichzeitig geringere Latenzzeiten sowie die Anforderungen der Anwendungen an Datenschutz und Sicherheit zu gewährleisten. Dies geschieht trotz der Tatsache, dass viele Edge-Geräte in der Regel durch eine geringe Energiekapazität eingeschränkt sind.
Der offensichtlichste Treiber für das Wachstum des „Intelligent Edge“ sind Anwendungen, die extrem kurze Reaktionszeiten erfordern oder bei denen die Latenz für die Bereitstellung entscheidend ist (z. B. AR- und VR-fähige Spiele). Die Zeit, die benötigt wird, um Daten zu erfassen, an ein zentrales Rechenzentrum zu senden und wieder zurückzuerhalten, ist schlichtweg zu lang. Neben dem Vorteil der geringeren Latenz ermöglicht Edge-KI eine verbesserte Sicherheit und den Schutz der Privatsphäre, da alle Daten lokal gespeichert werden, und senkt zudem die Kosten für den Datenverkehr sowie die anschließende Speicherung in der Cloud. Auch die Nachhaltigkeitsvorteile durch einen relativ geringeren Rechenaufwand sind von großer Bedeutung.
Sehen Sie sich dieses 17-minütige Gespräch mit David Green, Director Consulting bei Omdia, Martin Whitlock, CTO bei Telenor IoT, und Ieva Martinkenaite, SVP und Leiterin der Abteilung für Forschung und Innovation bei der Telenor Group, an.
Omdia geht davon aus, dass im Jahr 2024 mehrere Faktoren zusammenkommen werden, was auf ein entscheidendes Jahr für das IoT im Zusammenhang mit der Einführung von KI hindeutet. Die rasante Entwicklung generativer KI-Technologien und das damit verbundene Gefühl der Dringlichkeit in den Führungsetagen vieler Unternehmen zeigen, dass KI/ML bei IoT-Implementierungen Priorität genießen, was eine weitreichende Verbreitung von AIoT ankündigt. Darüber hinaus tragen Hardware-Fortschritte mit leistungsstärkeren, winzigen und energieeffizienten Geräten, Durchbrüche bei KI-Modellen sowie bevorstehende KI-Vorschriften, die Anforderungen für einen verantwortungsvolleren und nachhaltigeren Einsatz digitaler Technologien festlegen, zu dieser Dynamik bei. Zusammengenommen unterstreichen diese Bedingungen die Dringlichkeit und das Zeitfenster für Unternehmen, KI-Technologien in ihre IoT-Anwendungen zu integrieren, um ihren Vorsprung zu sichern.
In der Omdia IoT Enterprise Survey gaben über 48 % der befragten Unternehmen an, dass KI/ML für ihre künftigen IoT-Implementierungen eine Priorität darstelle – und zwar die erste Wahl. Omdia geht davon aus, dass dies eine breitere Einführung von AIoT im Jahr 2024 ankündigt. Unternehmen müssen diesen Schritt gehen, sonst laufen sie Gefahr, den Anschluss zu verlieren.
Hardware-Fortschritte: Die Integration von KI-Fähigkeiten in Edge-IoT-Lösungen erfordert eine höhere Rechenleistung. Bislang bestand eine zentrale Herausforderung bei dieser Umsetzung darin, Hardware zu finden, die das richtige Gleichgewicht zwischen Preis, Stromverbrauch, Leistung und Formfaktor bietet. Der starke Wettbewerb auf dem Halbleitermarkt hat jedoch in den letzten Jahren zu enormen Fortschritten in jedem dieser Bereiche geführt. Zahlreiche Halbleiterhersteller bieten bereits KI-Beschleunigungsoptionen in Preisklassen bis hinunter zu Mikrocontrollern an, und diejenigen, die dies noch nicht tun, versuchen, diese Lücke zu schließen. Omdia prognostiziert, dass die Auslieferungen von KI-Edge-Prozessoren von 2,3 Mrd. im Jahr 2023 auf fast 4 Mrd. im Jahr 2028 steigen werden.
Durchbrüche in der KI-Forschung und -Entwicklung: Forschungs- und Entwicklungsbemühungen zur Minimierung der Größe von KI-Modellen werden ein entscheidender Faktor für die Skalierbarkeit von KI-gestützten IoT-Anwendungen sein, insbesondere für solche, die am Edge ausgeführt werden. Die Modellkomprimierung – im Wesentlichen die Umwandlung eines großen und komplexen Modells in schlankere Modelle – ermöglicht es, Algorithmen des maschinellen Lernens auf Geräten mit begrenzten Speicher- und Leistungsressourcen auszuführen. Diese Entwicklung, die manchmal auch als „TinyML“ bezeichnet wird, wird ab 2024 und darüber hinaus einen verstärkten Einsatz von KI in IoT-Anwendungen ermöglichen.
Generative KI: Jede Diskussion über KI im Jahr 2024 wird sich auch mit generativer KI (GenAI) befassen. Omdia definiert GenAI vereinfacht als den Einsatz von KI-Technologie, um „etwas Neues zu schaffen“. Die von GenAI erstellten Inhalte können vielfältig sein, darunter die Generierung von Konversations- oder Langtexten, die Erstellung von Softwarecode, die Bildsynthese und sogar die Komposition von Musik.
Untersuchungen von Omdia zeigen, dass Unternehmen generative KI mit Begeisterung angenommen haben: 38 % der Befragten im Rahmen der „IT Enterprise Insights 2024“-Studie von Omdia gaben an, dass sie generative KI entweder bereits vollständig eingeführt hätten oder gerade dabei seien, sie zu implementieren. Nur 10 % erklärten, kein Interesse an generativer KI zu haben.
In dieser frühen Phase lässt sich noch schwer einschätzen, inwieweit sich GenAI konkret auf das maschinelle Lernen im IoT auswirken wird. Eine kurzfristige Auswirkung könnte in der automatisierten Generierung von Softwarecode liegen. Die Fähigkeit von GenAI, den Programmierprozess zu beschleunigen, könnte genutzt werden, um die Entwicklung von IoT-Anwendungen zu unterstützen und so die Markteinführungszeit zu verkürzen. Ein weiterer möglicher Anwendungsbereich für die Konvergenz dieser Technologien könnte die Generierung synthetischer Daten sein.
Externe Faktoren: Eine Reihe weiterer Faktoren dürfte Unternehmen im Jahr 2024 dazu bewegen, auf das Internet der Dinge (IoT) in Verbindung mit KI umzusteigen. Der Arbeitskräftemangel in Ländern mit hohen Kosten wird immer mehr Unternehmen dazu veranlassen, wo immer möglich automatisierte Lösungen einzusetzen. Eine weitere interessante Entwicklung im Jahr 2024 wird die Regulierung der KI sein. Verschiedene Regierungsstellen werden sich voraussichtlich mit den Auswirkungen der künstlichen Intelligenz befassen und verantwortungsvolle Rahmenbedingungen für die KI-Governance schaffen, um vor potenziellen Gefahren zu schützen (z. B. Datenschutzverletzungen, Desinformation, Voreingenommenheit und Diskriminierung). Auch wenn dies auf den ersten Blick wie ein Markthemmnis erscheinen mag, zeigen Umfragen von Omdia, dass eine überwältigende Mehrheit der Unternehmen der Ansicht ist, dass staatliche Vorschriften für die langfristige Steuerung dieses Bereichs wichtig sind. Bei einer Omdia-Umfrage waren 65 % der KI-Praktiker in Unternehmen der Meinung, dass KI reguliert werden sollte.
Insgesamt lassen diese Faktoren darauf schließen, dass 2024 ein wegweisendes Jahr für die „Artificial Intelligence of Things“ in Unternehmen werden wird. Wie bei jeder Technologie wird jedoch letztendlich die Kapitalrendite, die Projekte im Bereich „Artificial Intelligence of Things“ erzielen, der entscheidende Faktor für den zukünftigen Erfolg sein.
Die folgenden Anwendungsfälle veranschaulichen einige der Bereiche, in denen AIoT unserer Ansicht nach einen praktischen und greifbaren ROI erzielen wird oder bereits erzielt.
Verwaltete IoT-Konnektivität für Unternehmen, die marktübergreifend tätig sind und groß angelegte Implementierungen betreiben, mit integrierter Betriebsüberwachung und Lebenszyklus-Unterstützung.
Weltweite Fahrzeugvernetzung mit integrierter Compliance und Unterstützung für softwaredefinierte Fahrzeuge, die Automobilherstellern dabei hilft, vernetzte Dienste in großem Maßstab bereitzustellen.