LoRa Alliance CEO: LPWAN verbindet KI mit der physischen Welt
KI benötigt Daten von Sensoren, Maschinen und der Infrastruktur, um die physische Welt zu verstehen und darauf zu reagieren. Alper Yegin, CEO der LoRa Alliance, betrachtet LPWAN und LoRaWAN als eine zentrale Verbindungsebene für Massive IoT und die sich abzeichnende Verknüpfung zwischen KI und Wireless IoT.
KI braucht Daten aus der physischen Welt
Künstliche Intelligenz stützt sich nach wie vor weitgehend auf vorhandene digitale Daten. Ihre nächste Entwicklungsstufe wird zunehmend von Informationen abhängen, die direkt in der physischen Welt durch Sensoren, vernetzte Geräte und Maschinen generiert werden.
Alper Yegin, CEO der LoRa Alliance, beschreibt KI als das Gehirn und das IoT als das Nervensystem. Sensoren liefern physische Eingaben, während vernetzte Geräte und Aktoren digitale Entscheidungen in Handlungen umsetzen können.
Die Herausforderung liegt in der Skalierbarkeit. IoT-Systeme können Vibrations-, Akustik-, Temperatur-, Umgebungs-, Bildverarbeitungs- und Ortungssensoren kombinieren. Viele Geräte müssen über große Entfernungen hinweg mit geringem Stromverbrauch, begrenztem Wartungsaufwand und niedrigen Gesamtbetriebskosten betrieben werden.
LPWAN für Massive IoT
Yegin positioniert LPWAN als wichtige Konnektivitätsschicht für diese Architektur. LoRaWAN eignet sich für Anwendungen, die eine große Reichweite, einen extrem niedrigen Stromverbrauch und Konnektivität über öffentliche, private oder Satellitennetzwerke erfordern.
Er verweist zudem ausdrücklich auf WLAN, Bluetooth Low Energy und Mobilfunk als ergänzende Technologien mit unterschiedlichen Stärken.
Eine Technologie, die in Yegins Analyse nicht gesondert behandelt wird, ist Wi-Fi HaLow, eine weitere relevante drahtlose IoT-Option für die energieeffiziente Gerätekonnektivität über größere Entfernungen.
Von AIoT zu Wireless IoT
Yegin verbindet diese Entwicklung mit AIoT, also „Artificial Intelligence of Things“ – der Kombination aus künstlicher Intelligenz und IoT. IoT-Geräte erfassen Daten aus der physischen Welt, während KI diese Daten verarbeitet, um Muster zu erkennen, Zustände vorherzusagen oder Aktionen auszulösen.
Die von Yegin beschriebene LPWAN-Konnektivität ist Teil des umfassenderen Bereichs des Wireless IoT (WIoT), das physische Objekte, Sensoren und Maschinen mithilfe drahtloser Technologien miteinander verbindet. Dazu gehören LPWAN-Technologien wie LoRaWAN sowie BLE, Wi-Fi und Wi-Fi HaLow, Mobilfunk, UWB, RFID und NFC. Das Wireless IoT ist seit vielen Jahren der zentrale Technologiebereich, mit dem sich Think WIoT befasst.
Die KI-Verarbeitung kann in der Cloud, an einem Edge-Gateway oder direkt auf dem Gerät stattfinden. Durch die Verlagerung der Intelligenz näher an den Sensor kann die Menge der zu übertragenden Rohdaten reduziert werden.
KI und IoT verstärken sich gegenseitig
Das IoT versorgt KI-Systeme mit aktuellen Daten aus der physischen Welt. Die KI kann dann IoT-Systeme verbessern, indem sie relevante Ereignisse identifiziert, Informationen lokal filtert und die Menge der zu übertragenden Daten reduziert.
Yegin beschreibt dies als ein „KI-zu-IoT-Flywheel“. Mehr Sensoren liefern bessere Daten für KI-Modelle. Bessere Modelle können die Kommunikations- und Betriebskosten senken und machen so den Einsatz größerer Sensornetzwerke wirtschaftlich rentabel.
Dies ist besonders relevant für batteriebetriebene drahtlose Sensoren. Anstatt kontinuierlich Rohmesswerte zu senden, kann Edge-KI Daten lokal auswerten und nur aussagekräftige Ereignisse übertragen.
Von Rohdaten zu Ereignissen
Ein Beispiel ist die vorausschauende Instandhaltung. Schwingungssensoren mit lokalen Machine-Learning-Fähigkeiten können Lagerfehler, Unwuchten oder Fehlausrichtungen erkennen und ein Ereignis melden, anstatt kontinuierlich Rohdaten zu den Schwingungen zu übertragen.
Ein ähnliches Konzept gilt für intelligente Bildsensoren. Die Bildverarbeitung kann lokal erfolgen, während nur Metadaten oder erkannte Ereignisse über das Netzwerk übertragen werden.
Für das drahtlose IoT verändert dies die Anforderungen an die Konnektivität. Viele AIoT-Anwendungen benötigen keine kontinuierlichen Verbindungen mit hoher Bandbreite. Sie benötigen vielmehr eine zuverlässige Übertragung relevanter Daten von einer großen Anzahl verteilter Geräte.
Anwendungen von Industrie bis Logistik
Zu den potenziellen Anwendungsbereichen zählen vorausschauende Instandhaltung, präsenzgesteuerte Klimatechnik und Beleuchtung, Leckageerkennung, Verbrauchsmessung, Straßenbeleuchtung und Abfallwirtschaft.
In der Landwirtschaft können Bodenfeuchte- oder Viehsensoren zum Einsatz kommen, während logistische Anwendungen Geofencing-Ereignisse von Paletten und Containern sowie Ausnahmen in der Kühlkette umfassen. Sicherheitssysteme können Grenzwerte für die Luftqualität oder lokal festgestellte Verstöße gegen die PSA-Vorschriften melden.
LPWAN als Teil der KI-Infrastruktur
Yegins zentrales Argument lautet, dass KI zunehmend von Daten abhängen wird, die in der physischen Welt generiert werden. Sensoren, Edge-Verarbeitung und drahtlose Netzwerke werden daher Teil der Infrastruktur, die erforderlich ist, um KI in Anwendungen in den Bereichen Industrie, Logistik, Gebäudetechnik und Versorgungswirtschaft zu integrieren.
Für das Massive IoT sieht er LPWAN und insbesondere LoRaWAN als eine zentrale Verbindungsebene, um eine große Anzahl von Geräten mit geringem Stromverbrauch zu vernetzen und Informationen aus der physischen Welt in KI-Systeme einzuspeisen.
Mehr erfahren: Alper Yegin veröffentlichte die ursprüngliche Analyse am 1. September 2026 als Beitrag im Forbes Technology Council.