CC-KING - Kompetenzzentrum für KI-Engineering
CC-KING - Kompetenzzentrum für KI-Engineering

edge-ml.org – Maschinelles Lernen für Mikrokontroller

Allgemein beschäftigt sich Edge Machine Learning damit KI-Modelle direkt auf den Geräten der Endanwendung auszuführen und benötigt deshalb keine Verbindung zur Cloud. Daraus ergeben sich diverse Vorteile in Hinblick auf den Wegfall einer Internetverbindung, geringere Kosten, bessere Privatsphäre, und geringere Latenz. Maschinelle Lernmodelle auf dem Mikrokontroller eines Endgeräts auszuführen, stellt auf Grund der geringen verfügbaren Speichergröße und Rechenleistung eine große Herausforderung dar. Daher bieten wir mit edge-ml.org eine Browser-basierte Werkzeugkette an, welche die Entwicklung von KI-Modellen und die Suche nach einer geeigneten KI-Modellarchitektur für Mikrokontroller vollumfänglich unterstützt.

Alle ausklappen Alle einklappen

edge-ml.org bietet ein integriertes Werkzeug für den gesamten Prozess vom Sammeln der Daten bis hin zum Ausrollen fertiger KI-Modelle. Verschiedene Programmbibliotheken für diverse Plattformen (z.B. Arduino) erlauben es einfach Daten zu sammeln. Mit Hilfe einer Browser-basierten Oberfläche können KI-Daten dann für das Training annotiert und vorbereitet werden. Anschließend wird dann mittels Hardware-Aware Neural Architecture Search eine neuronale Architektur für ein KI-Modell gesucht, welche den Anforderungen eines Mikrokontrollers in Betracht auf begrenzte Speichergröße und Rechenleistung erfüllt. Fertige Modelle können verglichen und dann auf den Mikrokontroller für einen direkten Einsatz „on-the-edge“ übertragen werden. Die Tools sind einfach zu bedienen, was edge-ml.org zugänglich für Entwickler mit geringer KI-Erfahrung macht.

Durch die umfangreiche Unterstützung des Entwicklungsprozesses von KI-Modellen für Mikrocontroller, von der Datensammlung bis zum Ausrollen der Modelle, bietet sich der Einsatz von edge-ml.org überall dort an, wo Entwickler mit möglichst wenig Aufwand künstliche Intelligenz im echten Betrieb effektiv „on-the-edge“ einsetzen möchten. Mögliche Einsatzgebiete sind zum Beispiel Wearables (insbesondere Gesundheitsdaten), Industrie 4.0, und autonomes Fahren.