KI in der Produktion am industriellen Edge: Ein wiederholbarer Weg mit Red Hat und Intel

Industrieteams möchten KI an kritischen Standorten implementieren: in Fabrikhallen, in Logistikzentren, bei Remote-Außeneinsätzen und als Intelligenz für Roboter. Eine große Anzahl solcher Projekte schafft es jedoch nicht über die Pilotphase hinaus. Das KI-Modell selbst ist selten das Haupthindernis. Häufiger ergeben sich Herausforderungen aus der Realität von Edge-Umgebungen, die durch begrenzte Ressourcen, inkonsistente Konnektivität und schwer zugängliche Systeme gekennzeichnet sind – oft ohne technischen Support vor Ort. 

Red Hat Device Edge löst dieses Problem durch operative Konsistenz für Workloads und Geräte am Far Edge. Dies gelingt mit Red Hat Enterprise Linux als konsistentem und flexiblem Betriebssystem sowie dem Red Hat build of MicroShift, einer schlanken Kubernetes-Container-Orchestrierungslösung, die auf den Edge-Funktionen von Red Hat OpenShift basiert. Kunden können auf dieser Basis aufbauen, um KI über die Pilotphase hinaus zu nutzen. Dazu benötigen sie jedoch ein wiederholbares Systemkonzept statt einer einmaligen Integration. Red Hat und Intel bieten Tools für Edge-KI. Dieser skalierbare Ansatz für Industrial Edge-KI ähnelt einer Pipeline:

1. Die Referenzarchitektur (RA) definiert das Was und Wie für eine Klasse von Deployments: Computing, Beschleunigung, Software-Stack, Betriebsmodell.
2. Der Verified Reference Blueprint (VRB) verwandelt die Architektur in ein validiertes Konzept: spezifische Konfigurationen von Hardware und Basissoftware, die getestet und gebenchmarkt werden, damit die Ergebnisse vorhersehbar sind. Intel veröffentlicht VRBs speziell, um Zeit, Aufwand und Kosten für die Evaluierung von Hardware- und Softwareoptionen zu reduzieren und Systemergebnisse besser reproduzierbar zu machen. 
3. Intel Edge AI Suites paketieren die „letzte Meile“: domänenorientierte Referenzanwendungen und wiederverwendbare Bausteine, mit denen Teams schneller zum eigentlichen Deployment gelangen.

Diese Struktur ersetzt ungeschriebenes Teamwissen und benutzerdefinierten Code durch dokumentierte, validierte Patterns, die Teams wiederholt bereitstellen können. Sehen wir uns die Phasen dieser Pipeline im Detail an.

Warum VRBs für Industrieteams wichtig sind

Verantwortliche in der Industrie möchten keine weitere Demo, sondern ein vorhersehbares Deployment. Der VRB-Ansatz von Intel ist explizit darauf ausgelegt, Designentscheidungen durch die Bündelung von Hardware- und Softwarekomponenten zu vereinfachen, die Performance vorhersehbarer zu machen und den Evaluierungsaufwand zu reduzieren. 

Beispielsweise beschreibt der Verified Reference Blueprint von Intel mit Dell ein optimiertes kommerzielles KI-System, das über einen OEM (Original Equipment Manufacturer) bereitgestellt wird – verifiziert konfiguriert und gebenchmarkt mit Intel Referenz-KI-Software auf Intel Hardware. Ziel ist es, durch die Bereitstellung eines bewährten Systems die Vorhersagbarkeit zu erhöhen, das Onboarding von Anwendungen zu beschleunigen und so den Aufwand für Endbenutzende zu verringern.

Dies ist nur ein Beispiel, und es sind Blueprints für viele verschiedene Anbieter verfügbar. Unabhängig davon, welchen Anbieter ein Industrieteam bevorzugt: Ein validiertes System bietet einen schnelleren Weg vom Prototyp zum standardisierten Deployment.

Edge-KI-Bausteine in industrietaugliche Lösungen verwandeln

Validierte Systeme sind für einen erfolgreichen Rollout von Edge-KI notwendig, aber nicht ausreichend. Teams benötigen außerdem wiederverwendbare Softwarebausteine, die die Entwicklung von Lösungen für bestimmte Industrieumgebungen beschleunigen.

Diese Rolle übernimmt Open Edge Platform von Intel, ein modularer, zusammensetzbarer Software-Stack für Edge-KI. Die Plattform umfasst eine Dokumentation zu Edge AI Suites – kuratierten Sammlungen von KI-Referenzanwendungen, die die Edge-Entwicklung mit für die Intel Architektur optimierten Bibliotheken, Microservices und Tools beschleunigen können.

Die Open Edge Platform umfasst die Manufacturing AI Suite und die Robotics AI Suite, die für Industrieteams von besonderem Interesse sind. (Weitere Suites sind Metro, Retail, Education sowie Health and Life Sciences.) Industrielle KI-Implementierungen erfordern oft mehr als nur die Fähigkeit, eine Inferenz auszuführen. Teams benötigen integrierte Pipelines, Integrationsmuster und operative Richtlinien, auf denen sie konsistent aufbauen können. Genau das bietet Open Edge Platform.

Warum Red Hat Device Edge der Realität des industriellen Edge entspricht

Industrielle Edge-Umgebungen unterscheiden sich von Rechenzentren. Geräte arbeiten unter Einschränkungen bei Stromversorgung, Kühlung sowie Konnektivität und befinden sich häufig an schwer zu wartenden Standorten. Red Hat Device Edge bietet operative Konsistenz über diese Einschränkungen hinweg und kombiniert:

• Red Hat Enterprise Linux mit Edge-optimierten Betriebssystem-Images und -Operationen bietet die Zuverlässigkeit und Sicherheit eines unternehmensweiten Betriebssystems für Edge-Geräte.
• MicroShift für schlanke Kubernetes-Container-Orchestrierung, abgeleitet von Red Hat OpenShift
• Red Hat Edge Manager bietet benutzerfreundliche Funktionen für das Flottenmanagement, die die Geräteorchestrierung auf alle Formfaktoren von Edge-Geräten ausweiten.
• Red Hat Ansible Automation Platform für Deployments und Lifecycle-Automatisierung

Industrielle Käufer interessieren sich nicht unbedingt für die technischen Aspekte von Kubernetes als Orchestrierungssystem. Ihnen geht es in erster Linie um konsistente Abläufe und den Lifecycle. Ohne diese scheitern die meisten Pilotprojekte bei der Skalierung.

Wie Red Hat und Intel Industrierobotik vorantreiben 

Die Robotik stellt einen besonders komplexen Use Case beim Deployment von Edge-KI dar. Ein KI-gestützter Industrieroboter benötigt Sensoren, Kameras, Inferenz-Pipelines und deterministische Interaktionen mit der physischen Welt. Implementierungen in der Robotik mögen als einzelne, beeindruckende Prototypen beginnen. Sie werden jedoch erst dann nützlich, wenn der zugrunde liegende Stack reproduzierbar und supportfähig ist.

Wie bereits erwähnt, umfasst Open Edge Platform eine Robotics AI Suite. Entwicklungsteams im Bereich Robotik profitieren davon, wenn sie die validierten Systemgrundlagen von VRBs nutzen. Sie können kuratierte Bausteine der bereitgestellten Suites und Bibliotheken verwenden und diese mit Red Hat Device Edge sowie MicroShift in verwalteten Flotten bereitstellen. Dies stellt eine attraktivere Alternative dazu dar, alles von Grund auf neu zu entwickeln. 

Was Kunden einfordern sollten: Eine einfache Checkliste

Wenn Sie ein industrieller Käufer sind, der Edge-KI-Plattformen evaluiert, sollten Sie sich die folgenden Fragen stellen, wenn Sie eine Infrastruktur aufbauen möchten, die über die Pilotphase hinaus in die Produktion geht:

1. Gibt es ein validiertes Systemkonzept? Das bedeutet eine veröffentlichte, getestete Konfiguration und nicht nur ein Referenzdiagramm. Intel VRBs sind speziell dafür positioniert, den Evaluierungsaufwand zu reduzieren und die Vorhersagbarkeit zu erhöhen.
2. Gibt es einen Weg zu wiederverwendbaren Lösungsbausteinen? Das bedeutet Code Suites, Libraries sowie wiederverwendbare Microservices anstelle von maßgeschneiderten Einzellösungen. Open Edge Platform umfasst Suites und Libraries, die für diesen Zweck entwickelt wurden. 
3. Wie verwalten Sie den Lifecycle am Far Edge? Sie benötigen ein System, das Updates, Rollbacks, Provisionierungen und konsistente Abläufe in eingeschränkten Umgebungen handhaben kann. Dies ist ein zentraler Bestandteil des Angebots von Red Hat Device Edge.

Industrial Edge erfordert Reproduzierbarkeit

Die nächste Phase von Edge-KI besteht nicht aus größeren Modellen. Es geht um reproduzierbare Deployments. In den Bereichen Industrial Edge-KI und Robotik werden jene Teams erfolgreich sein, die vereinzelte Pilotprojekte in reproduzierbare, standardisierte Systeme verwandeln, diese konsistent bereitstellen und in großem Umfang betreiben.

Deshalb kommt es auf die Pipeline an: Referenzarchitektur → Verified Reference Blueprint → Intel AI Suite, basiert auf einer validierten Systembasis und nutzt operative Plattformen, die speziell für die Anforderungen am Far Edge entwickelt wurden.

Sind Sie bereit, Ihr Edge-KI-Pilotprojekt in eine skalierbare Realität umzusetzen? Kontaktieren Sie Red Hat noch heute, um einen Proof of Concept zu starten. Erfahren Sie, wie die Kombination aus Verified Reference Blueprints von Intel und Red Hat Device Edge die reproduzierbare Basis schafft, die Ihre Industrieumgebung erfordert.