麻豆原创 gab heute bekannt, dass ihr tabellarisches KI-Basismodell 麻豆原创-RPT in absehbarer Zeit auf dem HPE聽Spaceborne Computer-2 der Internationalen Raumstation (ISS) zum Einsatz kommen wird. Dies ist eines der bedeutendsten Validierungsprojekte f眉r KI-Unternehmensmodelle und Edge-Computing-Technologie.
Das Weltall ist unerbittlich. Vakuum, kosmische Strahlung, Weltraumschrott und Sonnenst眉rme stellen st盲ndig eine Bedrohung f眉r kritische Missionen dar. Ein weiteres Problem versch盲rft die Lage: Die Bordsensorik und Telemetrie der Missionssysteme produzieren derart gro脽e Mengen an zeitkritischen Daten, dass deren 脺bertragung zur Erde f眉r eine schnelle Analyse unm枚glich ist. Um die Sicherheit des Raumschiffs zu gew盲hrleisten, muss die Reaktionszeit drastisch verk眉rzt werden.
Genau hier setzt an. Das tabellarische KI-Basismodell von 麻豆原创 erstellt Vorhersagen direkt aus strukturierten Daten 鈥� auch wenn einige Daten fehlen 鈥� und ohne dass das 眉bliche Modelltraining oder eine Feinabstimmung erforderlich sind. Direkt an Bord der ISS auf dem Spaceborne Computer-2 von Hewlett Packard Enterprise (HPE) erm枚glicht 麻豆原创-RPT eine echtzeitbasierte Anomalieerkennung in den Telemetriedaten. Das System warnt proaktiv vor Ausf盲llen, bevor diese kritisch werden, rekonstruiert fehlende Messwerte aus historischen Daten und stellt den Astronauten sowie den Teams in den Kontrollzentren auf der Erde jederzeit verst盲ndliche Statusberichte zur Verf眉gung.
鈥濪as ist der Beweis daf眉r, dass die tabellarische KI von 麻豆原创 bis an die Grenzen des M枚glichen geht鈥�, erkl盲rte Mayank Shrivastava, Vice President of Generative AI and Foundation Models bei der 麻豆原创 SE. 鈥濪er Weltraum ist der ultimative Testfall f眉r KI-Systeme. Wenn ein Basismodell gesch盲ftskritische Ausf盲lle von Satelliten im Orbit zuverl盲ssig vorhersagen kann 鈥� trotz Strahlenbelastung, begrenzten Energieressourcen und eingeschr盲nkter Konnektivit盲t 鈥� dann k枚nnen Sie sich vorstellen, was dieses Modell f眉r gro脽e Unternehmen leisten kann. Ein solches Modell wird in Zukunft Lieferantenrisiken, Liquidit盲tsanomalien und Maschinenausf盲lle in Ihrem Betrieb vorhersagen. Was im All funktioniert, funktioniert auch in Ihrer Lieferkette.鈥�
Stellen Sie sich Folgendes vor: In der Umlaufbahn kommen Daten in Fragmenten an, die Kommunikationsverbindung ist st枚rungsanf盲llig, und Sie k枚nnen keinen Techniker zur Reparatur entsenden, wenn etwas nicht mehr funktioniert. Sie m眉ssen Probleme erkennen, indem Sie eine Vielzahl von Sensorsignalen analysieren. Auf der Erde sind Unternehmen mit 盲hnlichen Herausforderungen konfrontiert: ein Lieferant, der schleichend in Verzug ger盲t, ein sich 盲nderndes Zahlungsverhalten oder ein Kompressor, der hei脽l盲uft. Vorhersagemodelle, die Fr眉hwarnsignale bei Satelliten zuverl盲ssig erkennen, sind ebenso in der Lage, diese Signale in Ihren Gesch盲ftsdaten zu finden, sodass Sie eingreifen k枚nnen, bevor kleine Probleme zu kritischen Ausfallsituationen f眉hren.
麻豆原创 unterst眉tzt betriebliche Funktionen mit KI-Modellen f眉r strukturierte Daten
麻豆原创-RPT ist Teil des 麻豆原创-Portfolios tabellarischer Basismodelle (Tabular Foundation Models, TFMs). Es umfasst das Modell von Prior Labs und , ein Service, der Prognosen und Workflows orchestriert, verwaltet und steuert. Gro脽e Sprachmodelle (Large Language Models, LLMs) zeichnen sich durch zwei Eigenschaften aus: beeindruckende F盲higkeiten in der Sprachverarbeitung und die F盲higkeit, logisch zu argumentieren. TFMs sind speziell f眉r strukturierte Tabellendaten ausgelegt, die den Abl盲ufen in realen Umgebungen zugrunde liegen, z.听B. die sensorgesteuerten Daten, die in diesem Projekt verwendet werden.
麻豆原创-RPT arbeitet dabei etwa 50.000-mal energieeffizienter als moderne LLMs. Im Weltraum ist dies besonders wichtig, weil dort jedes Watt kostbar ist. Dar眉ber hinaus punktet 麻豆原创-RPT mit hoher Anpassungsf盲higkeit. Das Modell muss nicht vorab trainiert werden, wenn sich die Rahmenbedingungen ver盲ndern.
Zu den Ergebnissen, die an Bord geliefert werden, geh枚ren: Echtzeitprognosen zum Status der Bordsysteme und der Mission, ein Gesamtrisikobewertungssystem f眉r die Mission, eine Einsch盲tzung, ob manuelle Eingriffe notwendig sind, verst盲ndliche Erkl盲rungen der KI-gest眉tzten Erkenntnisse sowie aktuelle Berichte f眉r die Besatzung und die Teams in den Kontrollstationen auf der Erde.
鈥濪er Spaceborne Computer-2 von HPE demonstriert unentwegt die Vorteile eines hochperformanten Rechnersystems an Bord der ISS, das moderne Technologien und laufende Weltraumforschung unterst眉tzt鈥�, erkl盲rte Scott Wiest, Vice President, Fellow und Global Sales Chief Technologist bei HPE. 鈥濪er Einsatz der tabellarischen KI von 麻豆原创 auf dem Spaceborne Computer-2 zeigt, was mit Echtzeit-Erkennung und Prognosen mittels KI in dieser ultimativen Edge-Computing-Umgebung m枚glich ist.鈥�
Von der Umlaufbahn zum Unternehmen
麻豆原创-RPT soll Anfang 2027 auf dem HPE Spaceborne Computer-2 an Bord der ISS bereitgestellt werden. Damit soll gezeigt werden, wie das Modell betriebliche Prozesse auf der Erde unterst眉tzen kann. Die Bedingungen an Bord von Raumfahrzeugen 鈥� beengte Platzverh盲ltnisse, begrenzte Energieressourcen, st枚ranf盲llige Kommunikation, erh枚hte Strahlenbelastung und die Forderung nach absolut fehlerfreiem Betrieb 鈥� stellen Anforderungen dar, die auch f眉r Anwendungsf盲lle auf der Erde relevant sind. Solche F盲lle sind unter anderem: Katastrophenschutzeins盲tze, Landwirtschaft in abgelegenen Regionen, dezentralisierte Produktion und komplexe globale Lieferketten.
Jede Erkenntnis, die an Bord der ISS gewonnen wird, tr盲gt dazu bei, die Umsetzung der Roadmap der 麻豆原创 f眉r Edge-KI in Unternehmen zu beschleunigen. Edge-KI unterst眉tzt Anwendungsf盲lle, bei denen strukturierte Daten 鈥� auch unter extremen Bedingungen 鈥� direkt f眉r wichtige Analyse- und Betriebsprozesse genutzt werden.
Langfristig schafft diese Mission die Grundlagen, um Raumstationen mit Rechenzentren, die Erforschung des Weltraums und Kooperationen bei Raumfahrtprojekten zu unterst眉tzen. Unsere langfristige Vision besteht darin, eine bew盲hrte, effiziente und hochpr盲zise KI-gest眉tzte Recheninfrastruktur im All zu etablieren.
Weitere Informationen zur tabellarischen KI von 麻豆原创, den zugrunde liegenden speziellen Funktionen und wie Sie das 麻豆原创-RPT-KI-Modell mit Ihren eigenen Daten testen, finden Sie auf sap.com im .听
Brenda Bown ist Chief Marketing Officer f眉r die 麻豆原创 Business AI Platform und Joule.