Neuer Mini-Computer von Asus IoT: Ein Fortschritt für die intelligente Fertigung

Seit 2019 entwickelt Asus IoT Lösungen aus dem Sektor der künstlichen Intelligenz der Dinge (AIoT). Nun hat der Unternehmensbereich von Asus einen ultrakompakten Computer für künstliche Intelligenz (KI) auf den Markt gebracht: Der neue iot.asus.com/products/intelligent-edge-computer/PE1100N/" target="_blank" rel="noreferrer noopener">PE1100N nutzt die NVidia Jetson Orin-Plattform und verfügt über ein lüfterloses Design, das einen leisen Betrieb und erweiterte Konnektivitätsfunktionen ermöglicht.

Laut Asus IoT eignet sich der PE1100N insbesondere für den Einsatz in Industrieumgebungen, Smart Cities und Transportsystemen. Dank der Verwendung von KI sowie der leicht erweiterbaren Schnittstellen kann er beispielsweise zur Zählung, Überwachung, Verkehrsanalyse und Personenverfolgung verwendet werden. Dazu lässt sich der PE1100N aufgrund seiner kompakten Größe und dem Anti-Vibrations-Design für intelligente Fertigungslösungen nutzen – wie fahrerlose Transportfahrzeuge, autonome Roboter, KI-gestützte optische Inspektionen und Robotik-Anwendungen.

Der PE1100N wurde von Asus IoT in enger Zusammenarbeit mit NVidia entwickelt, um den wachsenden Markt für intelligente Fertigung direkt zu bedienen. Integriert man den PE1100N mit der NVidia Jetson Orin-Plattform für Edge AI, kann er bis zu 100 Billionen Operationen pro Sekunde (TOPS) bei einem geringen Stromverbrauch (10 bis 25 W) in Deep-Learning und Computer-Visions-Aufgaben ausführen. Laut Asus IoT bedeutet das eine fünfmal höhere Leistung als bei der Vorgängergeneration. Zudem wird eine bis zu 18-mal höhere FPS als bei herkömmlichen x86-basierten Plattformen erreicht.

Und nicht nur das: Der PE1100N führt zusätzlich KI- und Machine-Learning-Modelle aus, indem er Standard-SDK und Bibliothekstools mit minimalen Code-Änderungen anwendet. Aus diesem Grund lässt sich die Jetson Orin-Plattform auf einfache Weise übernehmen, was die Erstellung und Bereitstellung von Projekten erheblich erleichtert. Zudem kann der PE1100N mit dem NVidia Isaac Robot Operating System (ROS) SDK arbeiten.

Das robuste Design von PE1100N sowie der Metallkühlkörper und das Aluminiumgehäuse ermöglichen zwei Dinge: eine effiziente, leise Kühlung und eine zuverlässige Betriebsstabilität über einen Temperaturbereich von etwa -20 °C bis 50 °C.

Der Mini-PC ist mit einer umfangreichen Sammlung von I/O-Ports für verschiedene industrielle Zwecke ausgestattet (LAN, DIO, COM, USB 3.2 und Typ-A und bei einigen Modellen CAN-Bus). Er verfügt außerdem über einen Micro-USB-Debug-Anschluss für eine einfache Systemwartung. Ein optionales WLAN- und Bluetooth-Modul sorgt für drahtlose und Cloud-Konnektivität, während der M.2 B-Switch ein Modul für 4G/5G-Mobilfunkverbindung aufnehmen kann. Darüber hinaus ermöglicht die Kompatibilität mit GPS-Lösungen eine genaue Verfolgung und Datenaufzeichnung in intelligenten Transportlösungen.

Der PE1100N ist in zwei verschiedenen Ausführungen erhältlich: mit NVidia Jetson Orin NX oder Jetson Orin Nano für diverse KI-Leistungsanforderungen. Dazu existiert eine On-Board-Konfiguration, um kundenspezifische Anforderungen zu erfüllen.

Mehr als AIoT: IoT und generative KI treffen aufeinander

Manchen Aussagen nach funktioniere AIoT besser als Konzept und nicht als Schlagwort. Der Begriff AIoT tauchte erstmals 2019 in den sozialen Medien auf. In den nächsten zwei Jahren wuchs seine Verbreitung rasant an, stagnierte jedoch im Jahr 2022 – vermutlich durch das Aufkommen vom neuen Begriff „generative KI“.

Aber warum sollte man nicht an IoT in Kombination mit generativer KI denken? Eine Benennung für dieses potenzielle Duo hat sich noch nicht durchgesetzt, allerdings gibt es bereits Anwendungsbeispiele, die über das berühmte ChatGPT hinausgehen. Diese Anwendungsfälle wurden von IoT Analytics in einem detaillierten Szenario-Bericht zusammengestellt. Hier sind einige von ihnen:

1. Codegenerierung für das IoT: Die von der generativen KI vorgeschlagenen Modelle können bei der Erstellung von IoT-Anwendungen unterstützen – zusammen mit vielen Entwicklungsumgebungen (IDEs), die ebenfalls bereits mit dieser Klasse künstlicher Intelligenz kompatibel sind.

2. Robotersteuerung: Generative KI kann durch die Erfassung von Bewegungsdaten (z. B. von Tieren oder Menschen) Steuerungslogik und Befehle für Roboter generieren. Durch die gesammelten Daten ist es generativen KI-Modellen so möglich, unter anderem Bewegungen einzelner Teile generieren. Damit können Roboter anschließend komplexere und miteinander verbundene Schritte ausführen. Diese Vorgehensweise würde die Programmierung der einzelnen Bewegungen jeder Gliedmaße hinfällig machen. Darüber hinaus stellen diese Modelle eine Hilfe für Roboter dar, um ihre Arbeitsumgebung zu verstehen und so ein bestimmtes Ziel zu erreichen.

3. Industrielles IoT-Produktdesign: Generative KI kann den Designprozess automatisieren, indem sie eine große Anzahl von Optionen generiert, die spezifische Anforderungen, Leistungskriterien und Einschränkungen erfüllt. Durch die Kombination von generativer KI und CAD haben Designer und Ingenieure die Möglichkeit, effizientere und innovativere Designs zu erstellen.

4. Soziale IoT-Geräte: Mit generativer KI lässt sich Kommunikation „sozialer“ gestalten. Sie ermöglicht Geräten, komplexe Fragen zu beantworten – oder Benutzer können mit Geräten kommunizieren, um deren Einstellungen zu ändern. Dadurch sind die Geräte potenziell auch dazu fähig, mehrere Antworten zu generieren.