Edgenesis präsentiert Durchbrüche in der IoT-Interoperabilität: Vorstellung von Kubernetes-native Lösungen auf der Edge AI Expo 2023.

Edgenesis Solutions, ein führender Anbieter von industriellen Edge-AI-Lösungen mit einem Kubernetes-nativen Edge-Computing-Stack und AI-nativen IoT-Entwicklungstools, nahm kürzlich an der Edge AI Expo teil, die am 17.-18. Mai 2023 im Santa Clara Convention Center in Kalifornien stattfand.

Edgenesis hat eine Produktreihe entwickelt - IoT Driver Copilot, Shifu und Shifu Cloud - die zusammenarbeiten, um die IoT-Entwicklung und -Verwaltung zu vereinfachen. IoT Driver Copilot nutzt die Kraft der KI zur Generierung von Gerätetreibern, um die Arbeitsbelastung für Entwickler zu reduzieren. Shifu virtualisiert Gerätetreiber in Kubernetes-Pods, ermöglicht die Interoperabilität zwischen Geräten und Anwendungen, und Shifu Cloud bietet eine Plattform zur Verwaltung von Geräten und Anwendungen an jedem Edge-Standort. Durch die Nutzung unserer industriellen Edge-Lösung können Unternehmen die Effizienz und Wirksamkeit ihrer IoT-Entwicklungs- und Verwaltungsprozesse verbessern.

Das Unternehmen präsentierte seine Produkte, einschließlich IoT Driver Copilot, Shifu und Shifu Cloud, die auf der Veranstaltung debütierten, und führte Live-Demonstrationen seines Kubernetes-nativen Edge-AI-Stacks an seinem Stand durch. Die Teilnahme von Edgenesis Solutions an der Edge AI Expo zog viel Aufmerksamkeit auf sich und erzeugte Gesprächsstoff unter den Teilnehmern. Der innovative Ansatz des Unternehmens zur IoT-Interoperabilität und Edge-AI wurde gut aufgenommen und löste Diskussionen unter Branchenexperten über das Potenzial dieser Technologie aus.

Der Aufstieg des Edge-AI hat einen Bedarf an effizienteren und skalierbareren Lösungen hervorgebracht, die Daten am Edge verarbeiten und analysieren können, näher dort, wo sie generiert werden. Das Fehlen von Interoperabilität zwischen IoT-Geräten und -Systemen hat jedoch zu Datensilos geführt, die die Fähigkeit einschränken, das volle Potenzial des IoT zu nutzen. Dieses Problem resultiert aus Anbieterbindung, unterschiedlichen Kommunikationsprotokollen und verschiedenen Datenformaten und -standards. Um diese Herausforderungen anzugehen, hat Edgenesis eine Kubernetes-native industrielle Edge-Lösung entwickelt, die eine echte Interoperabilität zwischen Geräten und Systemen ermöglicht.

Im Kern von Edgenesis steht Shifu - eine Kubernetes-native, protokoll- und anbieteragnostische industrielle Edge-Lösung. Sie ermöglicht eine echte Interoperabilität zwischen IoT-Geräten und -Systemen und überwindet das "IoT-Silo"-Problem. Shifu virtualisiert IoT-Geräte in Kubernetes-Pods, die einen Layer-7-Proxy für die Kommunikation mit anderen Diensten innerhalb des Clusters und einen Gerätetreiber für die Kommunikation mit dem zugehörigen Gerät enthalten. Indem die Fähigkeiten von Geräten in Mikroservice-APIs standardisiert werden, fördert Shifu die Interoperabilität zwischen Geräten, eliminiert die Notwendigkeit für benutzerdefinierte Integrationen und reduziert die Komplexität der Verwaltung verschiedener Gerätetypen. Zusätzlich nutzt Shifu fortschrittliche Funktionen von Kubernetes, wie Auto-Scaling und Hochverfügbarkeit, um effizientere und zuverlässigere IoT-Lösungen zu erreichen.

Edgenesis zielt darauf ab, die Informations-, Modellierungs- und Aktionsysteme durch die Nutzung von Edge-AI zu vereinheitlichen. Mit Shifu können Geräte leicht in Kubernetes-native Treiber virtualisiert werden, was die Interoperabilität zwischen Geräten und Systemen ermöglicht. Dies bricht nicht nur IoT-Silos auf, sondern ermöglicht auch die Integration von KI-Modellen und groß angelegter Datenverarbeitung am Edge. Edgenesis dient als einheitliche Plattform, die Daten von Geräten sammelt, sie zur Analyse und Entscheidungsfindung an KI-Modelle sendet und diese Entscheidungen in Gerätebefehle übersetzt, wodurch diese drei Systeme nahtlos zusammengebracht werden. Dieser Ansatz ermöglicht nicht nur eine bessere Entscheidungsfindung und Gerätesteuerung, sondern bietet auch ein effizienteres und skalierbareres IoT-Ökosystem.

Ein typischer Anwendungsfall von Edgenesis ist ein Kunde, der ein synthetisches Biologielabor betreibt, das sich auf die Bakterienproduktion spezialisiert hat und zahlreiche IoT-Geräte umfasst, einschließlich des Franka Emika Roboterarms, des Kuka Roboterarms, des Tecan Spark Plattenlesers, eines maßgeschneiderten automatischen Flüssigkeitsspenders usw. Die mangelnde Flexibilität zwischen verschiedenen Geräten und die Schwierigkeit, Änderungen an vorher festgelegten Programmen zu implementieren, machen die Zusammenarbeit herausfordernd. Die Integration jedes Geräts erfordert typischerweise erhebliche Programmierung und Komplexität, was zu Unannehmlichkeiten und Schwierigkeiten bei der Änderung von Programmen oder Experimentprozessen führt. Die industrielle Edge-Lösung von Edgenesis bietet einen anspruchsvollen Ansatz zur Gerätekontainerisierung unter Verwendung von Kubernetes-nativen Entwicklungsframeworks, der die Standardisierung der Programmierung von Geräteschnittstellen, den hochverfügbaren Betrieb von IoT-Anwendungen und effiziente Interaktionen zwischen Geräten und Anwendungen ermöglicht. Durch die Reduzierung von Betriebs- und Wartungskosten kann diese Lösung die Produktivität und Effizienz des Labors steigern, indem sie die IoT-Interoperabilität erreicht und die Programmierprozesse vereinfacht, letztendlich die Ergebnisse und die Rentabilität verbessert.

Edgenesis ist ein Technologieunternehmen, das sich auf industrielle Edge-Lösungen spezialisiert hat. Es zielt darauf ab, die Standardisierung in gerätegesteuerten IoT-Anwendungen voranzutreiben und flexible, effiziente Lösungen anzubieten, um Produktionsprozesse zu optimieren und Kosten zu reduzieren. Ihr Team besteht aus Top-Talenten von Unternehmen wie Microsoft, McKinsey, Google und Amazon, und wir sind stolz auf unsere Professionalität und Effizienz.

Die Vision von Edgenesis ist es, ein durch gute Absichten definiertes Universum zu schaffen. Mit seiner Kubernetes-nativen industriellen Edge-Lösung zielt das Unternehmen darauf ab, die Barrieren für die IoT-Interoperabilität zu durchbrechen und das volle Potenzial des Edge-AI freizusetzen. Durch das Zusammenführen von Systemen kann die Kraft der Technologie genutzt werden, um komplexe Probleme zu lösen und bessere Entscheidungen zu treffen.