Die nächste Revolution: Künstliche Intelligenz für Handys

Wenn Geräte selbst zu denken anfangen, steht die nächste Revolution im Techsektor bevor. Genau ein solcher Schritt soll in den nächsten Monaten erfolgen, wird in der Studie „TMT Predictions“ des Unternehmensberaters Deloitte prognostiziert.

Daten können so viel schneller analysiert und verarbeitet werden
Die Nutzung künstlicher Intelligenz wird damit auf eine völlig neue Stufe gestellt. In Zukunft wird die Technik sowohl für Unternehmen als auch für private Nutzer besser zugänglich sein. Daten zur Verarbeitung künstlicher Intelligenz, Edge AI, werden dazu dezentral analysiert und verarbeitet, und nicht wie bisher dazu in eine Cloud gesendet.

Nun sollen die Daten auf Devices und von Sensoren verarbeitet werden. So können Daten, etwa um Fahrer vor Gefahren zu warnen, wesentlich schneller übermittelt werden. Die höheren Datenströme liefern 5G-Netze. Cloud Computing dürfte damit für besonders schnelle Datenanalyse und – Verarbeitung in den Hintergrund treten.

Das gemeinsame Merkmal der neuen Technik ist die Notwendigkeit, Entscheidungen in Echtzeit zu treffen. Es bleibt keine Zeit, Daten zur Weiterverarbeitung in die Cloud zu senden.

AI für Wearables
Künstliche Intelligenz soll auch für Wearable, also etwa Uhren und Armbänder, nutzbar gemacht werden. Intelligente Uhren und Armbänder erfassen so immer genauere Messungen der Vitalwerte. Diese Informationen, kombiniert mit Algorithmen der künstlichen Intelligenz, ermöglichen die Planung von Training, Gesundheitsversorgung und Altenpflege.

Zeitalter der Assistenz bringt völlig neue Möglichkeiten
Durch das Edge Computing wird das Zusammenspiel von Spracherkennung, Verhaltensanalyse, Augmented Reality, Bilderkennung und personalisierten Empfehlungen das “Zeitalter der Assistenz” bringen und völlig neue Interaktionsmöglichkeiten zwischen Anwender und Smartphone bringen.

Komplexere Aufgaben bei geringerem Batterieverbrauch lösen
Der Unterschied zu den bisherigen Chips ist zum einen der unterschiedliche technische Aufbau und vor allem die Software. Durch den zweiten Chip sollen die Endgeräte noch leistungsfähiger werden und so auch komplexe AI-Szenarien lösen und gleichzeitig möglichst batterieschonend arbeiten.

Komplizierter Einbau in Handys machen Technik zunächst nur für High-Endgeräte nutzbar
Solche Edge AI Chips werden wahrscheinlich in einer steigenden Zahl von privaten Geräten, zunächst von High-End-Smartphones, Tablets, Smart Speakers (mit dem Internet verbundene Lautsprecher, um drahtlos Musik zu machen) und andere tragbare Geräte eingesetzt. Diese speziellen Chips werden ebenso in Roboter, Kameras, Sensoren und anderen Internet-der-Dinge-Geräte verbaut werden. Zum Edge Computing zählt auch das Steuern von autonomen Fahrzeugen und Drohnen. Wobei der AI-Chip-Markt für den Endkonsumenten nach Einschätzung von Deloitte wesentlich größer als der für Unternehmen ist, wenn der Markt für Produkte für Endkonsumenten auch könnte langsamer wachsen könnte. „Wahrscheinlich werden solche Chips nur in einem Drittel der Smartphones installiert werden“, so Deloitte in der aktuellen Studie, also Geräte um die 1.000 Euro.

2020 sollen bereits 500 Millionen Stück Smartphones mit künstlicher Intelligenz, also Edge AI, abgesetzt werden. Vier Jahre später bereits eine Milliarde (siehe Grafik). . 2024 soll mit Edge AI Chips ein Umsatz von 1,5 Milliarden Dollar gemacht werden. Das würde einem Wachstum von 20 Prozent jährlich entsprechen. Das wäre ein mehr als doppelt so hohes Wachstum wie jenes der gesamten Halbleiterindustrie bedeuten.

Firmen können so effizienter arbeiten
Für Firmen macht es aus Performance- und Kapazitätsgründen wenig Sinn, alle Daten direkt in der Cloud zu verarbeiten. Es ist vielmehr effizienter, einen Teil der Informationen direkt vor Ort, also am Edge, zu verwerten. Bei Unternehmen dürfte der Einsatz der neuen Technologie aber deutlich langsamer von statten gehen als beim Endkundenmarkt. Dennoch haben große US-Konzerne und zuletzt etwa auch Siemens bereits ein ganzes Produktportfolio an Edge Management-Lösungen, Edge-Apps sowie Edge-Devices vorgestellt. Dazu wird allerdings eine ganz neue Generation an Industrie-PCs nötig sein.

Was es bereits für Endkunden gibt
Viele der neue Geräte sind derzeit noch einer Art Beschleuniger, die über USB mit dem Gerät verbunden sind, oder in Form von ganzen Platten, an die Kameras und zusätzliche Sensoren angeschlossen werden können. Neu am Markt ist etwa Google Coral Beta
und der Nvidia Jetson-Serie. Google entwickelte dafür einen maschinellen Lernalgorithmus. Damit werden Gesicherter, Objekte wie Alltagsgegenstände oder Vögel erkennbar.

Kosten sinken durch Edge AI
Durch die Verarbeitung der Daten vor Ort, sinken die Kosten für Datenverarbeitung, für die dafür nötige Energie und für Akkus. Geschäftsmodelle, die mit künstlicher Intelligenz, funktionieren, sind damit günstiger zu handhaben und vielleicht erst dadurch nutzbringend einsetzbar

Datensicherheit steigt
Durch Chips, die am Gerät ihre Aufgaben erfüllen, steigt die Datensicherheit, da das Senden der Daten in die Cloud entfällt. Bei größeren Unternehmen, bei denen viele Geräte permanent mit der Cloud kommunizieren, ist die Gefahr von Hackerangriffen derzeit immer da. Bei Edge-AI-Devices müssen dagegen die Geräte zudem nicht ständig miteinander kommunizieren. Ein großer Risikofaktor fällt damit weg.

Woran das Wachstum hängt
Wie stark sich die Entwicklung weg von der Cloud hin zu Edge-AI entwickelt, wird jedoch auch von der Leistungsfähigkeit der Prozessoren abhängen und vom Preis für die dafür nötigen Chips, davon wie gut sie in Divices wie Handy integriert werden können und zuletzt auch, wie diese entsorgt werden können.

Generell werden immer mehr Aufgaben von künstlicher Intelligenz begleitet. In wenigen Jahren sollen bei Geschäftsprozessen bereits weit mehr als die Hälfte aller digitalen Transaktionen mit Hilfe von Artificial Intelligence ablaufen, sagen Prognosen voraus.

Apple, Samsung, Huawei und Google investieren bereits kräftig in die Forschungen für mobile AI. Auch die großen Chip-Hersteller Qualcomm oder ARM tüfteln an solchen Chips, die etwa aus Smartphone auch ein Gerät für künstliche Intelligenz machen.