In diesem Artikel lesen Sie,
- welche Prozessortypen es für KI-Berechnungen gibt,
- für welche Einsatzgebiete diese geeignet sind und
- warum die richtige Auswahl für den Erfolg von KI-Projekten wichtig ist.
Smartphone-Kameras, die Gesichter erkennen – und die Aufnahme erst auslösen, wenn alle Personen auf dem Bildausschnitt lächeln. Neuronale Netze, die dabei helfen, Maschinenausfälle, Verkehrsdichte oder Fahrtrouten zu analysieren – und anschließend punktgenaue Optimierungen empfehlen, um Staus zu vermeiden. Oder Autos, die nicht mehr nur selbst einparken, sondern Fahrspuren halten und der eingegebenen Route folgen. Das alles sind Beispiele, die zeigen, dass der Einsatz Künstlicher Intelligenz (KI) längst Wirklichkeit ist. Und ein relevanter Wirtschaftsfaktor: Das Marktforschungsunternehmen Omdia geht für 2020 allein in Europa von 1,3 Milliarden Euro Umsatz durch KI-Produkte aus. In den nächsten fünf Jahren könnte sich dieser Wert versechsfachen. Allein das ökonomische Potenzial für Deep-Learning-Prozessoren schätzen die Marktforscher von Omdia bis dahin auf ein Volumen von 66 Milliarden Euro ein. Kein Wunder, denn die technischen Möglichkeiten sind enorm.
Eine Stolperfalle hält diese Vielfalt allerdings für innovationsfreudige Unternehmen bereit. Denn KI ist nicht gleich KI: Die verschiedenen Nutzungsszenarien stellen grundlegend verschiedene Anforderungen an die Hardware. Vom stromsparenden Chip im Smartphone bis zur Cloud-Serverfarm aus Tausenden Grafikbeschleunigern: Jede Hardware hat andere Vor- und Nachteile und ist so ganz nach Anwendungsfall besser oder schlechter für den Einsatz geeignet. Die Anwendung muss auf Hardware unterwegs laufen? Dann zahlt sich der geringe Stromverbrauch von NPUs aus. Echtzeitberechnungen stehen im Mittelpunkt des Interesses? Genau richtig für die geringen Latenzen bei FPGAs. Die Anforderungen an die Hardware ändern sich häufig, Flexibilität ist das Gebot der Stunde? Dann könnte konventionelle CPU-Leistung das Richtige sein. Kurz: Wenn Unternehmen ihre Anwendungsfälle nicht passgenau mit der richtigen Hardware zusammenbringen, geht es schnell um viel Zeit und Geld.
Im neuen Video bringt Max Guhl aus dem A.I.-Team von T-Systems Licht ins Dunkel: Was macht die verschiedenen Prozessortypen aus – und für welche Anwendung ist welcher Ansatz am besten geeignet?
