Ratgeber · KI am Gerät
Edge AI — KI dort, wo die Daten entstehen.
Statt jede Anfrage in die Cloud zu schicken, läuft die KI-Inferenz direkt auf dem Gerät. Das verändert Latenz, Datenschutz und Kosten grundlegend.
Was Edge AI bedeutet
Edge AI verlagert die KI-Inferenz vom Rechenzentrum auf das Gerät am Ort des Geschehens — Sensor, Maschine, Steuergerät. Das Modell läuft lokal, eine Cloud-Verbindung ist nicht für jede Entscheidung nötig.
Die drei Hebel
- Latenz: Keine Cloud-Roundtrips (die schon auf gutem Mobilfunk schnell ~80–150 ms kosten). Entscheidungen fallen in Echtzeit.
- Datenschutz: Sensible Daten bleiben auf dem Gerät — weniger Angriffsfläche bei der Übertragung, einfacher im Hinblick auf Vorgaben wie die DSGVO.
- Kosten & Verfügbarkeit: Weniger Datenübertragung, Betrieb auch ohne stabile Verbindung.
Hybrid ist oft die Antwort
In der Praxis bewährt sich häufig ein hybrider Ansatz: Edge für die schnelle Entscheidung, Cloud für die tiefere Auswertung — mit einer schmalen Datenleitung dazwischen. Die Kunst liegt darin, das Modell so zu schneiden, dass es auf der vorhandenen Hardware effizient läuft (siehe auch Embedded-Architektur).
Häufige Fragen
Braucht Edge AI spezielle Hardware?
Oft hilft ein Beschleuniger (NPU/GPU/DSP), zwingend ist er nicht — viele Modelle laufen nach Optimierung (Quantisierung, Pruning) auch auf leistungsfähigen Mikrocontrollern. Wir wählen Modell und Hardware passend zueinander.
Wann lohnt sich die Cloud trotzdem?
Für Training, aufwändige Auswertungen über viele Geräte hinweg und seltene, rechenintensive Aufgaben. Deshalb der hybride Ansatz: Routine am Edge, Tiefe in der Cloud.