Features von Katulu Federated Learning (FL)

Automatisches Clustering für reduzierte Komplexität

Maschinen werden in unterschiedlichen Umgebungen und Prozessen eingesetzt und für diese entsprechend ausgelegt. Katulu FL erkennt automatisch, welche Maschinen und Baugruppen gemäß ihrer Auslegung gemeinsam trainiert werden können, und gruppiert diese automatisch in gemeinsam trainierbare Cluster. Ein vorherige Festlegung, welche Maschinen mit welcher Auslegung voneinander lernen können, entfällt. Änderungen der Auslegung einer Maschine werden automatisch erkannt und führen zu einer Anpassung der Gruppierung. Hierdurch ist sichergestellt, dass jede Maschine - auch wenn sie noch so individuell ist - von anderen vergleichbaren Maschinen oder Baugruppen lernt.

Federated Learning für Sondermaschinen

Sondermaschinen sind einzigartig - so auch ihre Daten, weshalb Katulu hier auf das Training von Modellen für standardisierte Baugruppen setzt. Durch die Kombination dieser Modelle lassen sich aussagekräftige Modelle für die Individualmaschine als Ganzes abbilden.

Privacy by Design

Der Schutz der Privatsphäre ist im Kern von Katulu FL fest verankert. Durch den Einsatz von Differential Privacy werden mögliche Rückschlüsse vom Modell auf die industriellen Anwender vollständig verhindert. Homomorphic Encryption ermöglicht zudem eine Verarbeitung von verschlüsselten Daten, ohne dass eine Entschlüsselung erforderlich ist.

Asynchrone & Offline Kommunikation

Katulu FL erfordert keine permanente Verbindung in die Cloud. Die dezentrale Lösung beim Kunden läuft vollständig auf der Edge - unabhängig von der Cloud. Ob vorübergehende Verbindungsabbrüche oder kontrolliertes Offline-Schalten einer Anlage, dies hat keine Auswirkungen auf die Funktionsweise der Modelle und der Mehrwehrtdienste, die diese nutzen. Eine Verbindung zur Cloud ist nur für das Synchronisieren der Modelle erforderlich. Auf Wunsch ist auch eine physische Datentransportlösung möglich, falls Richtlinien oder technische Gegebenheiten keine Verbindung in die Cloud zulassen.

Nahtlose Integration in bestehende Infrastruktur

Als plattform-agnostische Lösung basiert Katulu FL auf Kubernetes und unterstützt sämtliche Cloudanbieter (AWS, Azure, Google, IBM, IONOS, GaiaX, etc.). Für die Integration stehen standardisierte Schnittstellen zur Verfügung, die die Nutzung der Modelle in anderen Systemen (IoT-Plattform, MES, SCADA, ERP, etc.) ermöglichen. Als Industrieprotokolle zur Data Acquisition werden OPC-UA und MQTT unterstützt - auf Wunsch sind weitere Protokolle möglich.

Katulu Edge AI Box

Die Katulu Edge AI Box ist ein Edge Gateway, das speziell für die Anforderungen des dezentralen Machine Learnings in der Industrie ausgelegt ist. Das leistungsstarke und energieeffiziente Nvidia Jetson TX2i Modul erlaubt durch seine Passiv-Kühlung einen Einsatz in extremen Temperaturbereichen von -20°C bis +70°C. Der Verfügbarkeits-Lebenszyklus dieser Industrievariante beträgt 10 Jahre.

Vertraute Data Science Werkzeuge

Keine Experimente! Mit Katulu FL arbeiten Data Scientists weiterhin mit ihren vertrauten Werkzeugen wie Tensorflow, Keras, Jupyter und PyTorch.