Wenn ein Motor in einer Produktionsanlage plötzlich zu vibrieren beginnt, zählt jede Millisekunde. Daten in die Cloud zu schicken, dort analysieren zu lassen und auf eine Antwort zu warten, dauert zu lange. Die Lösung: Künstliche Intelligenz direkt in der Steuerung der Maschine – sogenannte Edge AI. „Wenn ich einen Upload in die Cloud mache, dauert der Vorgang bis zu einer Sekunde. Die Verarbeitung direkt im Gerät dauert hingegen nur einige Millisekunden“, erklärt Josef Bartolot, Leiter für das Produktsegment PSOC Control Product Mikrocontroller bei Infineon.

Anders als beim Cloud-Computing bleiben bei Edge AI die Daten dort, wo sie entstehen. Die KI-Modelle sind dabei deutlich kleiner als die bekannten großen Sprachmodelle (Large Language Models, LLMs) wie GPT oder Gemini. „Man nimmt ein größeres Modell und stimmt es fein auf einen spezifischen Anwendungsfall ab“, beschreibt Ali Osman Ors, Director of AI Strategy bei NXP, das Vorgehen. „Das liefert bessere Ergebnisse, als ein riesiges Modell auf alles loszulassen.“

Diese Edge-Modelle benötigen je nach Komplexität nur 50 Kilobyte bis wenige Megabyte Speicher und sind spezialisiert auf ihre Aufgabe – etwa die Steuerung eines Motors oder die Überwachung einer Verpackungsmaschine. So lassen sie sich in die vorhandene Steuerungs-Hardware von Fertigungsanlagen integrieren, wo nur begrenzt Rechenleistung und Speicherplatz zur Verfügung stehen.

Die Vorteile liegen auf der Hand: Energiekosten sinken deutlich, da stromhungrige Rechenzentren entlastet werden. Produktionsdaten verlassen das Werksgelände nicht, was Cybersicherheitsrisiken minimiert. Und die Reaktionszeiten erreichen den Millisekunden-Bereich – entscheidend für sicherheitskritische Anwendungen in der Fertigung.

Agentic AI geht einen Schritt weiter: Hier analysieren die Systeme nicht nur Daten (Wahrnehmung), sondern treffen auch autonom Entscheidungen und führen Aktionen aus (Handlung). Während ein Chatbot nur Text ausgibt, kann eine industrielle Agentic AI beispielsweise eine Maschine stoppen, wenn ein Sicherheitsrisiko erkannt wird, oder bei einem Brand die Sprinkleranlage auslösen.

Bereits heute setzen Unternehmen Edge AI für Predictive Maintenance oder Qualitätskontrolle per Bildanalyse ein. NXP nutzt die Technologie in der eigenen Chip-Produktion, Infineon verzeichnet massives Kundeninteresse und stellt dedizierte Ready AI Models in der hauseigenen DEEPCRAFT AI Suite zur Verfügung, beispielsweise für die Erkennung von Motoren mit Unwucht. Sicher ist: Die Technologie hat das Stadium der Prototypen längst verlassen. „Kollaborative Robotersysteme, humanoide Roboter und erweiterte Gesundheitslösungen, bei denen KI Teil des Pflegeteams ist, sind die Bereiche, in denen wir das größte Potenzial für die Zukunft sehen“, blickt Ors voraus.