Mouser German Blog

Das Machine Learning ist eine der revolutionärsten Technologien des letzten Jahrzehnts. Je weiter die Technologie voranschreitet und sich entwickelt, desto deutlicher werden auch ihre Auswirkungen durch die zunehmende Nutzung und Integration in zahlreichen Bereichen. Das Gesundheitswesen ist dabei besonders wichtig. Heute nutzen Ärzte und medizinisches Fachpersonal die Möglichkeiten des Machine Learning, um Leben zu retten und zu verbessern, indem sie Krankheiten mit einer Genauigkeit und Geschwindigkeit erkennen und analysieren, die noch vor wenigen Jahrzehnten unvorstellbar gewesen wäre. Dabei hat die Krebserkennung erheblich von der Fähigkeit zur automatischen Identifizierung und Klassifizierung von Tumoren profitiert. Doch um die Stärken des Machine Learning im Gesundheitswesen voll ausschöpfen zu können, müssen die Entwickler die Technologie in die Praxis umsetzen. Dabei gilt es jedoch große Herausforderungen zu bewältigen. In diesem Beitrag beschäftigen wir uns mit der Anwendung von Machine Learning im Gesundheitswesen, insbesondere in der Krebserkennung, und erläutern, warum dieser Bereich von Edge Computing profitiert und wie Edge Impulse diese Entwicklung möglich gemacht hat.

Maschinelles Lernen bietet allen voran bei der Waldbrandortung einzigartige Einsatzmöglichkeiten, insbesondere in Verbindung mit Edge. In diesem Blog setzen wir uns mit dem Potenzial des maschinellen Lernens hinsichtlich der Waldbrandortung auseinander, und damit, warum diese Technologie mittels Edge weiterentwickelt werden sollte und wie wir dazu in der Lage waren, mithilfe von Edge Impulse einen Proof of Concept für diese Technologie zu entwickeln.

Im Zuge der ständigen Ausweitung des Internets der Dinge (IoT) und der fortschreitenden Einführung von 5G-Breitbandnetzen bleibt Edge Computing ein fester Bestandteil der sich ständig verändernden IT-Strategien und Roadmaps. Dieser Umstand hat Gartner in seinem Artikel „Die Bedeutung von Edge Computing für führende Unternehmen in den Bereichen Infrastruktur und Operations“ zur Prognose veranlasst, dass der Anteil von Edge Computing in Unternehmen durch Mikro-Rechenzentren und Mobilfunknetze bis 2025 von 10 Prozent auf 75 Prozent ansteigen wird. Datenzentrierte Anwendungen wie 5G und Edge Computing müssen größere Datenmengen verarbeiten und benötigen daher eine fortschrittliche Verarbeitungstechnologie.

In der Anfangszeit der Vernetzung wurde mit „Gateway“ im Wesentlichen Hardware bezeichnet, die Protokolle übersetzen konnte. Das Internet entwickelte sich weiter, und Router und Switches wurden nun zur vorherrschenden Netzwerk-Komponenten. Gateways gerieten fast in Vergessenheit, bis schließlich das Internet of Things (IoT) auf der Bildfläche erschien.

Am 31. Januar 2019 hat sich das OpenFog Consortium mit dem Industrial Internet Consortium (IIC) zusammengetan. Damit bilden die beiden größten und einflussreichsten internationalen IoT-Konsortien jetzt ein gemeinsames wirtschaftliches und technologisches Leistungszentrum. Das vereinte Konsortium wird sich auf Edge- und Fog-Computing und damit auf Techniken konzentrieren, die die Rechen-, Netzwerk- und Speicherkapazitäten von Cloud- und IoT-Systemen tiefer in die Netzwerke integrieren und enger mit den IoT-Endpunkten verknüpfen.

Angesichts sinkender Kosten von eingebetteten vernetzten Systemen – man denke nur an Raspberry Pi – nimmt ihre allgegenwärtige Verbreitung zu. Dies ist jedoch mit versteckten Kosten verknüpft, denn die Sicherheit solcher Systeme kann Mängel aufweisen, sodass Schwachstellen ausgenutzt werden. Ohne Investitionen in die Sicherheit geben solche Systeme unter Umständen private Informationen preis – wie Video-, Bild- oder Audiodaten – oder sie werden Teil eines Botnetzes, das auf der ganzen Welt verheerenden Schaden anrichtet.