KI-gestützte Straßenlaternen: Solarbetrieben und Einnahmequelle durch KI-Dienste

Als neues Modell für die Infrastruktur intelligenter Städte zielt iLamp darauf ab, die Straßenbeleuchtung nicht mehr nur als einen Strom verbrauchenden öffentlichen Dienst zu betrachten, sondern sie in eine verteilte KI-Infrastruktur zu verwandeln. Die solarbetriebenen Masten sorgen nachts ohne Netzanschluss für Beleuchtung und können gleichzeitig mit der integrierten Nvidia-basierten Edge-KI-Hardware Inferenzdienste bereitstellen.

Für Kommunen stellt die Straßenbeleuchtung einen bedeutenden Kostenfaktor dar. Den vorliegenden Informationen zufolge kann dieser Aufwand in einigen Gemeinden 25 bis 40 Prozent des gesamten Stromverbrauchs ausmachen. Das iLamp-Modell zielt darauf ab, diese Last zu verringern und die Masten sogar in Infrastruktureinheiten zu verwandeln, die Einnahmen generieren.

Die technische Struktur des Systems basiert darauf, dass die tagsüber erzeugte Energie in LiFePO4-Batterien gespeichert wird. Je nach Modell kann der Mast zwischen 200 und 600 Watt Strom erzeugen, während er für die nächtliche Beleuchtung etwa 80 Watt verbraucht. Wenn keine Bewegung oder Personen erkannt werden, kann die LED-Lichtintensität auf 10 bis 20 Prozent gedrosselt werden, wodurch Energie gespart wird.

LOKALE VERARBEITUNG DURCH EDGE-KI

Das im Mast integrierte Nvidia Orin-basierte Edge-KI-System verbraucht laut Angaben etwa 25 Watt. Das Unternehmen behauptet, dass diese Hardware durch das Angebot von Inferenzdiensten für Kunden, ähnlich wie bei OpenAI, pro Mast einen jährlichen Umsatz zwischen 2.000 und 4.500 US-Dollar generieren kann. Dass der Kühlbedarf durch den natürlichen Luftstrom im Inneren des Mastes gedeckt wird, wird als ein bemerkenswerter Vorteil gegenüber den Kosten von Rechenzentren hervorgehoben.

Im Bereich der Künstlichen Intelligenz liegt das Hauptanwendungsgebiet weniger im Training von Modellen als vielmehr in deren Betrieb und der Durchführung von Inferenzen. Daher sind Edge-KI-Geräte vom Typ Jetson zwar nicht für das Training großer Modelle geeignet, können jedoch Bild-, Ton- und Sensordaten direkt vor Ort verarbeiten.

Dieser Ansatz ermöglicht es, Daten direkt am Mast auszuwerten, anstatt sie kontinuierlich an ein zentrales System zu übertragen. Anstatt beispielsweise das gesamte Bild einer Verkehrskamera über eine 5G-Leitung an ein Rechenzentrum zu senden, kann der Mast lediglich verarbeitete Informationen, wie etwa die Anzahl der pro Sekunde vorbeifahrenden Fahrzeuge, an die Zentrale übermitteln. Dies reduziert die Kommunikations- und Rechenzentrumskosten und kann zudem Sicherheitsrisiken begrenzen.

Es wird berichtet, dass iLamp nicht nur auf Beleuchtung und KI-Prozesse beschränkt ist, sondern mit über 80 Modulen angepasst werden kann. Zu den Funktionen, die unter diesen Modulen aufgeführt werden, gehören die Erkennung von Schüssen, Nummernschilderkennung, Gesichts- und Raucherkennung, Wetterdatenerfassung, Überwachung der Luftverschmutzung, Ladestationen für Elektrofahrzeuge sowie Drohnen-Ladestationen.

Die Kosten für einen netzunabhängigen Mast können bis zu 10.000 US-Dollar betragen. Daher wird angegeben, dass das Unternehmen das System nicht direkt verkauft, sondern stattdessen die Genehmigung der Kommunen einholt, um die Infrastruktur selbst zu betreiben. Es wird behauptet, dass sich das Modell durch die Einnahmengenerierung innerhalb weniger Jahre amortisieren kann.

Zu den Skalierungsplänen des Unternehmens gehört die Installation von 50.000 netzunabhängigen Masten in Nigeria. Mit dieser Installation soll eine KI-Rechenleistung von insgesamt 13,75 PetaOPS entstehen, wobei diese Kapazität an große Unternehmen vermietet werden könnte. Als Sicherheitslösung gegen Diebstahl ist vorgesehen, dass der Prozessor bei einem Manipulationsversuch unbrauchbar wird.

Sollten sich solche Systeme verbreiten, könnten Straßenlaternen in Städten eine neue Rolle übernehmen, die über die reine Beleuchtung hinausgeht: Sie könnten als Knotenpunkte für Datenverarbeitung, Sensornetzwerke, Kommunikation und Energiemanagement fungieren. Themen wie Sicherheit, Datenschutz, Kosten und öffentliche Kontrolle werden jedoch entscheidend dafür sein, wie diese Technologie implementiert wird.

Nachrichtenquelle: 12punto