Verbesserte Netzwerküberwachung durch KI at the Edge
KI at the Edge bietet viele Vorteile für Integratoren und Endkunden.
Künstliche Intelligenz (KI) wird heutzutage an vielen verschiedenen Orten eingesetzt. Ein Datenstrom ist längst nicht mehr für alle KI-basierten Aktionen erforderlich. So können KI-Analysen auch direkt von Geräten durchgeführt werden. Darauf lässt sich auch zurückführen, warum der Markt von 2019 bis 2026 mit einer durchschnittlichen jährlichen Wachstumsrate von 19,27% wachsen soll.
KI at the Edge bietet viele Vorteile für Netzwerküberwachungssysteme:
- Fehlalarme können reduziert werden
- Prozesse lassen sich in Kombination mit Deep Learning genauer durchführen
- Nutzer erhalten zusätzliche kontextbezogene Informationen
- geringere Kosten für Datenübertragung und Wartung
- reduzierter Energieverbrauch
- schnellere Reaktion möglich durch geringere Latenzzeiten
- flexible und skalierbare Videoinstallation
- KI kann auch weiterarbeiten, wenn Netzwerk oder Cloud-Dienst ausfällt
Die wichtigsten Vorteile von KI at the Edge im Überblick:
1. Bessere Genauigkeit von Sensoren und mehr Kontextinformationen
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 und reduzierter Energieverbrauch
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. Nur kritische Daten und Metadaten müssen übermittelt werden. Auch die Wartung teurer Server kann umgehend eingespart werden, was zudem den Energieverbrauch reduziert.
3. Verbesserung der Latenz und Reaktionsgeschwindigkeit
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 und flexible Videoinstallation
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: KI kann weiterarbeiten, wenn Netzwerk oder Cloud-Dienst ausfällt
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.
Erfahren Sie mehr zum Thema:
Ethische KI - Sicherstellung einer verantwortungsvollen KI im Jahr 2022
