Macht KI das Smart Home wirklich intelligent?

Edge Computing innerhalb des Smart Home Gateways wird bereits immer wichtiger, um die User Experience zu verbessern, die Cloud-Kosten zu senken und die Latenzzeit zu minimieren. Initiativen innerhalb der prpl Foundation und RDK-B haben neue Gateway-Software-Stacks geschaffen, die das Hinzufügen von Cloud-to-Edge-Diensten durch herunterladbare Software Container-Lösungen unterstützen. Früher hingegen war es üblich, alle Informationen an die Cloud zu senden und die Daten dann dort zu verarbeiten. Anschließend wurden die Befehle über auszuführende Aktionen wiederum von der Cloud an das Gateway übermittelt. Dank der gesteigerten Rechenkapazitäten, die in modernen Gateways vorhanden sind (über 30.000 DMIPS), ist dies nicht mehr notwendig und ein Teil der Datenverarbeitung kann bereits direkt beim Nutzer zuhause erfolgen.

Durch KI-Integration können die Gateways in Zukunft aber noch mehr leisten. Beispielsweise können sie lokal die Leistung der angeschlossenen Anwendungen und Dienste überwachen und anhand von Erfahrungswerten zwischen Normalzustand und Anomalie unterscheiden. Nur Ausnahmen würden dann noch an die Cloud gesendet werden, was den gesamten Prozess effizienter machen würde. Es besteht zudem die Möglichkeit, dass das Gateway mithilfe von KI das Konnektivitätsverhalten von Nutzern und die verschiedenen Dienstanforderungen erlernt und dann die Dienstgüte (Quality of Service; QoS) über das Zugangsnetz, Wi-Fi und IoT-Verbindungen für diese Dienste optimal abbildet.

Vom vernetzten Fernseher zum intelligenten Assistenten

Set-Top-Geräte können sich durch KI-Unterstützung zu umfassenden Smart Media Devices (SMD) entwickeln und Fernsehbesitzern ein erweitertes Erlebnis bieten. Mit dem Aufkommen von Amazon Show, Facebook Portal und anderen visuellen intelligenten Assistenten wird die Integration von generativer KI in die visuelle TV-Ebene immer interessanter. Zukünftig wird es möglich sein, visuelle Assistenten ins Smart Home zu bringen, die an J.A.R.V.I.S erinnern. Diese können generative KI und Large Language Models (LLM) auf die Fernsehbildschirme bringen.

Man kann außerdem davon ausgehen, dass Heimnetzwerk- und IT-Support zu einem in weiten Teilen „selbstheilenden“ Modell übergehen werden. Virtuelle Avatar-Assistenten können bisherige textbasierte Chatbots ersetzen und Nutzer noch besser durch Prozesse führen. Dank der integrierten KI-Analysefunktionen können die Tools zudem direkt auf umfangreiche Kenntnisse der jeweiligen Netzwerkumgebung zurückgreifen.

Neue Möglichkeiten der Personalisierung

KI ist bereits in der Lage, detaillierte Analysen durchzuführen, um Echtzeitnutzungsmuster in Netzwerk- und Gerätedaten zu erkennen. Dies ermöglicht es der KI, unterschiedliche Arten der Nutzung von Anwendungen und Diensten durch die Verbraucher im Haus zu erkennen. Unternehmen wie NVIDIA nutzen dies bereits auf Geräteebene, im Netzwerk und in der Cloud, um das Nutzererlebnis und die Dienstqualität zu verbessern.

Momentan tendieren Telekommunikationsunternehmen und andere Dienstleister dazu, ihren Kunden möglichst viel Bandbreite und möglichst hohe Geschwindigkeiten zu bieten. In der Zukunft wird es darum gehen, besser zu verstehen, welche Anforderungen die von Kunden genutzten Dienste tatsächlich haben – von den Wi-Fi-QoS-Anforderungen über die Jitter- und Latenztoleranz bis hin zum Latenzfenster für Paketumlaufzeiten. Darauf basierend können dann Ressourcen individuell bereitgestellt werden.

Mit einer intelligenten Lösung, die in der Lage ist, Quality-of-Service-Parameter automatisch richtig anzuwenden, müssen sich Kunden selbst gar nicht mehr mit Bezugsgrößen wie Bandbreite und Geschwindigkeit befassen. Entscheiden sie sich für ein KI-unterstütztes Angebot, können sie sich darauf verlassen, dass automatisch ausreichend Ressourcen für ihre Anwendungen zur Verfügung gestellt werden.

Neues Sicherheitsparadigma

Traditionelle Sicherheitsansätze am Gateway sind regelbasiert. Durch die Integration von Machine Learning werden die Geräte nun in die Lage versetzt, Verhaltensweisen von Angreifern zu erlernen und Muster festzustellen. Sicherheitsprobleme sollen so bereits direkt am Gateway erkannt werden, bevor sie weitreichende Auswirkungen auf ein Netzwerk haben können.

Es wird bereits intensiv an der Containerisierung von Sicherheitsmodulen gearbeitet, so dass sie problemlos auf Kundenendgeräte angewendet werden können, auf denen neue prplOS- oder RDK-B-Stacks laufen. Außerdem werden Modelle für eine Paketanalyse auf Kernel-Ebene mit Leitungsgeschwindigkeit entwickelt. Die Modelle werden außerdem immer besser darin, Probleme mit einer geringeren Anzahl von Paketen zu identifizieren, so dass Anomalien schneller erkannt werden.

Folgen Sie CommScope auf X, LinkedIn und Facebook.