Machine Learning im Speziellen große Potenziale
Bild 03: Die Aprotech-Panel-PC Hawk CF mit Optical Bonding eignen sich für Anwendungen in der Industrie, in der Gebäudeautomation und Produktionsautomatisierung. (Quelle: Apotech)
Unter anderem im Embedded-Bereich werden künstlicher Intelligenz im Allgemeinen und Machine Learning im Speziellen große Potenziale zugeschrieben. Wie beurteilen Sie diese Trends?
P. Jung: Daten von Maschinen und Anlagen werden schon lange digital gesammelt und mehr oder weniger analysiert und visualisiert. Da ist es ein logischer nächster Schritt, sie mithilfe intelligenter Algorithmen noch besser zu nutzen – und häufig funktioniert das bereits mit Box-PC aus unseren leistungsstärkeren Serien und entsprechender Software. Wir sehen hier große Chancen auch für klassische Unternehmen im Bereich Produktion und Automatisierung, die mit Predictive Maintenance zum Beispiel die Ausfallzeiten ihrer Maschinen mit geringem Aufwand minimieren können. Geht es um selbstlernende Maschinen und Roboter oder die Qualitätssicherung mittels komplexer Bildverarbeitungen, führt kaum ein Weg am Einsatz von KI vorbei.
Mit zwei Modellen aus Ihrer Camcollect- Serie bieten Sie leistungsstarke Box-PC an, die als Grundlage für KIund Bildverarbeitungsapplikationen dienen. Bitte erläutern Sie die Details.
P. Jung: Zunächst einmal bieten die beiden neuen Box-PC extrem viel Rechenpower mit modernen Intel-Xeon- bzw. Coffee-Lake-Prozessoren. Darüber hinaus kann zum Beispiel der Camcollect 8208 mit zwei unabhängigen Nvidia-Grafikkarten, bis zu je 250 W, bestückt werden. Das steigert die Rechenleistung auf bis zu 28 TFlops. Damit sind auch anspruchsvolle Anwendungen für GPU-Computing möglich. Das Gerät kann mit einem breiten Eingangsspannungsbereich von DC 8 V bis 48 V betrieben werden und ist mit seinem robusten Design für Anwendungen in Qualitätssicherung und industrieller Bildverarbeitung, Überwachung und Security prädestiniert.
Der Camcollect 7164 ist ebenfalls mit einer separaten Nvidia-Tesla-P4/T4-GPU erhältlich und bietet ein optimales Verhältnis von CPU-, GPU- und Speicher-Performance. Dieses System ist für Sprach-, Video- und Bildverarbeitung ebenso geeignet wie für maschinelles Lernen und Testsysteme, zum Beispiel für autonomes Fahren.