Adressiert das Problem längerer Suchzeiten und erhöhter Anforderungen an den Speicher auf Grund wachsender Datenvolumina in der Branche. Neue KI-gestützte Bilderkennungstechnologie für schnellere Datenabfragen…
Hintergrund
KIOXIA Europe hat am 2. Dez. 2025 die Entwicklung einer KI-gestützten Bilderkennungstechnologie bekanntgegeben, die automatisch Produkte innerhalb von Logistikprozessen identifiziert. Das System, das in Zusammenarbeit mit Tsubakimoto Chain Co. und EAGLYS Inc. entwickelt wird, ermöglicht einen höheren Grad der Automatisierung in der Logistik und soll die Effizienz von Unternehmen in der Branche weiter steigern. Die Technologie wird gerade auf der International Robot Exhibition 2025 in Tokio vorgestellt.
Laut Entwickler unterstützt es zudem, auf sich verändernde Marktanforderungen zu reagieren, Kosten zu kontrollieren und die Servicequalität auf hohem Niveau zu halten. Zentrale Bestandteils des neuen Systems für die Bilderkennung sind die Technologien AiSAQ und Memory-Centric AI (1) von KIOXIA. Sie ermöglichen es, KI skalierbar für die Logistik einzuführen.
Technischer Hintergrund
Mit der steigenden Anzahl von E-Commerce-Transaktionen verzeichnen Logistiknetzwerke größere Volumina und ein breiteres Spektrum an Produkten, die sie durchlaufen. Gleichzeitig bedingt der anhaltende Fachkräftemangel eine höhere operative Effizienz, wie sie der Einsatz von KI bieten kann. Herkömmliche KI-Systeme zur Bilderkennung basieren allerdings auf Deep-Learning-Modellen, die eine Anpassung der Parameter und ein erneutes Training erfordern, sobald Unternehmen neue oder saisonale Produkte einführen. Dieser Prozess ist zeitaufwendig und erhöht sowohl den Energieverbrauch als auch die Betriebskosten.
Das ist insbesondere bei umfangreichen Produktkatalogen von Nachteil.
Die AiSAQ-Software von KIOXIA in Kombination mit der Memory-Centric-AI-Technologie des Unternehmens adressiert diese Herausforderungen. Das System legt umfangreiche neue Produktdaten (einschließlich Bilder, Etiketten und Produktinformationen) in einem hochkapazitivem Speicher ab. So soll es Unternehmen möglich sein, neue Produktinformationen schnell hinzuzufügen, ohne das Basismodell erneut trainieren zu müssen.
Um das Problem längerer Suchzeiten und erhöhter Speicheranforderungen bei wachsendem Datenvolumen zu verhindern, indexiert das neue System die im Speicher abgelegten Daten und verschiebt die indexierten Daten in SSD-Speicher. Auf diese Weise kann es laut Entwickler eine schnellere und effizientere Datenabfrage ermöglichen.
Abb.: Delivering Vector Database Scalability while Minimizing DRAM Requirements (Bildquelle: KIOXIA Technical Brief „Introducing KIOXIA AiSAQ™ Technology for AI“). Copyright © 2025 KIOXIA Corporation. All rights reserved.
(1) Quelle / externer Link > https://www.kioxia.com/en-jp/rd/technology/topics/topics-39.html
Download der Open-Source-Software KIOXIA AiSAQ > https://github.com/kioxia-jp/aisaq-diskann
Kommentarauszug Axel Störmann, Vice President und Chief Technology Officer für Memory- und SSD-Produkte bei KIOXIA Europe: „...Durch den Einsatz von SSD-basiertem ANNS reduzieren wir die Abhängigkeit von kostenintensivem DRAM, während wir gleichzeitig die Leistungsanforderungen führender In-Memory-Lösungen erfüllen. So erweitern wir den Leistungsbereich umfangreicher RAG-Anwendungen.“
Die Kooperation zwischen KIOXIA und EAGLYS wird auf der International Robot Exhibition 2025 ( https://irex.nikkan.co.jp/ ) präsentiert, die vom 3. bis 6. Dezember in Tokio stattfindet. Die Messe ist eine führende globale Plattform zur Präsentation der neuesten Automatisierungsfortschritte in der Fertigung und Logistik.
Am Messestand der Tsubakimoto Chain Co. (Stand E6-23) sollen Besucher dann das gemeinsam entwickelte Bilderkennungssystem in Aktion sehen können. Während Produkte über ein Förderband laufen, erfasst das System deren Bilddaten und klassifiziert sie anhand gespeicherter Merkmale und Etiketten. Die Partner wollen so demonstrieren, wie Logistiker ein breites und sich kontinuierlich veränderndes Produktspektrum mit höherer Genauigkeit und Effizienz bewältigen können.
Querverweis:
Unser Beitrag > KIOXIA stellt AiSAQ-Software vor: DRAM-Bedarf und damit Kosten in generativen KI-Systemen reduzieren
Unser Beitrag > Energieeffiziente Speicherchips für KI: Dresdner Halbleiterentwickler FMC erhält 100 Mio. Euro über neue Finanzierungsrunde
Unser Beitrag > Speicherkosten und Energieverbrauch von SSDs mit NVMe FDP Flexible Data Placement senken