Industriemaschinen mit ML-basierten Features und Services anzubieten, ist herausfordernd
Eingeschränkter Datenzugriff
Kunden sind nicht bereit, ihre Daten weiterzugeben. Dies kann an rechtlichen, strategischen oder technischen Einschränkungen liegen.
Verschiedene Anforderungen
Maschinen, Prozesse und Kunden unterscheiden sich voneinander, was die Anwendung von universellen ML Modellen erschwert.
Verfügbarkeit lokaler IT Systeme
Die Verfügbarkeit der lokalen IT-Systeme variiert, da sie ausgelastet sind oder zeitweise keinen Internetzugang haben.
Eingeschränkter Datenzugriff
Kunden sind nicht bereit, ihre Daten weiterzugeben. Dies kann an rechtlichen, strategischen oder technischen Einschränkungen liegen.
Verschiedene Anforderungen
Maschinen, Prozesse und Kunden unterscheiden sich voneinander, was die Anwendung von universellen ML Modellen erschwert.
Verfügbarkeit lokaler IT Systeme
Die Verfügbarkeit der lokalen IT-Systeme variiert, da sie ausgelastet sind oder zeitweise keinen Internetzugang haben.
60% der deutschen Maschinenbauer möchten ML-basierte Lösungen, wie Predictive Maintenance oder Machine Vision, bis 2022 bei ihren Kunden einsetzen.
VDMA, 2019
53% der deutschen Unternehmen haben aufgrund von strengen Standards beim Datenaustausch Schwierigkeiten, Machine Learning einzusetzen.
IPSOS & iCite, 2020
Decentralized Machine Learning mit mlx
Modellaustausch statt Datenaustausch
Daten bleiben beim Eigentümer
Mit mlx können Sie Einsatz und Verwaltung von ML Modellen in der Produktionsumgebung des Kunden einfach und zentral koordinieren. Sensible Kundendaten müssen nicht übertragen werden. Integrieren Sie mlx in die Industrie-PCs der lokalen Umgebung schnell und mit minimalem Aufwand.
Anpassung an Kundenanforderungen
Industriekunden unterscheiden sich oftmals durch ihre lokalen Anforderungen. Maschinen werden in verschiedenen Umgebungen oder Prozessen eingesetzt. Durch mlx werden die ML Modelle automatisch an die jeweiligen Spezifika angepasst.
Asynchrone Kommunikation
Mit mlx bleibt ihr ML-basiertes Feature oder Service unbeeinträchtigt durch Maschinen, die vorübergehend offline sind. ML Modelle werden on-edge eingesetzt und laufen autonom. Außerdem kommunizieren die Maschinen selbständig ausgehend und verbinden sich mit der Cloud, sobald sie wieder online sind.
Entwickeln Sie Modelle in der lokalen Umgebung – ohne die Notwendigkeit, Daten zu zentralisieren.
Unsere Partner einer erfolgreichen Zusammenarbeit
Demo anfragen
Copyright © 2021 prenode