Intelligentere Rechenleistung für eine Datenverarbeitung näher am Entstehungsort
Wenn eine Drohne ein Objekt in Echtzeit identifizieren muss oder Sensoren eine plötzliche Veränderung der Luftqualität in einem Gebäude feststellen, kann die Wartezeit bis zur Übertragung der Daten an ein weit entferntes Rechenzentrum die Reaktionsfähigkeit verlangsamen. Die Verarbeitung von Informationen näher am Ort ihrer Entstehung kann die Rechenleistung beschleunigen und unnötige Datenübertragungen reduzieren. Die Entscheidung darüber, wo die einzelnen Aufgaben ausgeführt werden sollen, ist jedoch eine komplexe Herausforderung. Das EU-finanzierte Projekt AC3(öffnet in neuem Fenster) hat eine Plattform entwickelt, die mithilfe von KI und maschinellem Lernen Rechenressourcen über Cloud-Rechenzentren und nahegelegene Edge-Server hinweg verwaltet und sich an veränderte Arbeitslasten und Bedingungen anpasst. „Durch die Verarbeitung von Daten in der Nähe ihres Entstehungsorts reduziert die AC3-Plattform Kommunikationsverzögerungen und Netzwerküberlastungen, sodass das System schneller auf veränderliche Bedingungen reagieren kann“, sagt Projektkoordinator Christos Verikoukis vom Athena-Forschungszentrum(öffnet in neuem Fenster) in Griechenland.
Den richtigen Ort für die Datenverarbeitung finden
Moderne Anwendungen bestehen oft aus mehreren kleineren Softwarekomponenten, sogenannten Microservices, die an unterschiedlichen Standorten ausgeführt werden können. Die AC3-Plattform automatisiert Entscheidungen darüber, wo diese Komponenten bereitgestellt werden sollen, und berücksichtigt dabei Faktoren wie Rechenkapazität, Netzwerkbedingungen und Energienutzung. „Die wichtigste Innovation von AC3 ist der Einsatz von KI und maschinellem Lernen, um automatisch darüber zu entscheiden, wo und wie diese Komponenten bereitgestellt und verwaltet werden sollen“, erklärt Verikoukis. Zur Erprobung der Plattform wurden drei Szenarien herangezogen: intelligentes Gebäudemanagement, drohnenbasierte Videoüberwachung und astronomische Datenanalyse. In einem intelligenten Gebäude können Sensoren beispielsweise einen plötzlichen Rückgang der Luftqualität erkennen. AC3 könnte dem System zu einer schnelleren Reaktionsfähigkeit verhelfen, indem die Datenverarbeitung auf einen nahegelegenen Server verlagert wird, wodurch ein Alarm ausgelöst oder die Belüftung angepasst werden kann, während gleichzeitig die an ein entferntes Rechenzentrum gesendet Datenmenge sinkt.
Anpassung bei veränderten Bedingungen
Die Drohnen-Demonstration zeigte, wie das System reagieren kann, wenn Rechenressourcen knapp werden. Wenn eine Drohne ein KI-Modell zur Objekterkennung in Echtzeit nicht effizient ausführen kann, ermöglicht AC3 die Verlagerung der Rechenlast auf einen nahegelegenen Edge-Server. Sobald die Drohne wieder über ausreichende Kapazitäten verfügt, kann die Aufgabe zurückverlagert werden. „Diese intelligente und nahtlose Migration stellt sicher, dass der Algorithmus zur Objekterkennung kontinuierlich optimal funktioniert, unabhängig von den verfügbaren Rechenressourcen der Drohne bei veränderten Bedingungen“, erklärt Adlen Ksentini, technischer Leiter von AC3 am EURECOM(öffnet in neuem Fenster) in Frankreich. Das Forschungsteam demonstrierte zudem das Potenzial der Plattform für die Verarbeitung großer astronomischer Datensätze. Durch die Verteilung der Verarbeitungsaufgaben auf mehrere Rechenressourcen reduzierte AC3 die für die Verarbeitung von 5 GB Daten benötigte Zeit im Vergleich zu eigenständigen Systemen um mindestens 50 %. Die Anwendung wies in den Tests des Projekts zudem eine Zuverlässigkeit von 100 % auf.
Das Energiespar- und Marktpotenzial der Technologie erschließen
AC3 kann Prognosen zum Rechenbedarf und zum Energieverbrauch nutzen, um Arbeitslasten auf weniger Server zu konsolidieren. Dadurch können ungenutzte Knoten abgeschaltet werden, während die Anwendungen weiterhin ihre Leistungsanforderungen erfüllen. Mehrere Softwarekomponenten wurden quelloffen veröffentlicht und bieten bei der Entwicklung und Forschung somit einen Ausgangspunkt für die Weiterentwicklung. Außerdem wurden verschiedene Tools in etablierte quelloffene Ökosysteme integriert, darunter Kubernetes(öffnet in neuem Fenster) und OpenShift(öffnet in neuem Fenster). Für Verikoukis und Ksentini besteht die nächste Herausforderung darin, den technischen Fortschritt in eine breitere Akzeptanz zu überführen. Cloud-Dienste und Edge-basierte Systeme bleiben oftmals voneinander getrennt, und es bedarf einer stärkeren Integration sowie tragfähiger Geschäftsmodelle, um sie zusammenzuführen. Das AC3-Framework hat gezeigt, wie eine intelligente Koordination zu einer reaktionsschnelleren und effizienteren Rechenleistung beitragen kann. Der nächste Schritt besteht darin, Einrichtungen dabei zu unterstützen, diese Fähigkeiten in realen Diensten einzusetzen.
