Embedded AI: maschinelles Lernen auf dem Gerät
Modelle, die dort laufen, wo die Daten entstehen - auf Mikrocontrollern und Edge-Prozessoren - optimiert für Speicher, Energie und Latenz.
Warum Edge statt Cloud
Latenz
Entscheidungen fallen auf dem Gerät, ohne Umweg über einen Server.
Energie und Übertragung
Ergebnisse statt Rohdaten zu senden spart Funkzeit und Batterie.
Datenschutz
Sensible Daten wie Audio oder Bilder können auf dem Gerät bleiben.
Vier Entscheidungen in jedem Edge-AI-Projekt
Modellgröße
Flash-, RAM-, Rechen- und Energiebudget des Modells.
Ziel-Hardware
Auf welchem Silizium es läuft und wie wir dafür optimieren.
Lernen & Destillation
Wie das Modell aus Ihren Daten lernt.
Funktionen & Daten
Was das Modell tut und welche Signale es liest.
Nach Datentyp
Zeitreihen und Sensoren
Vibration, Strom, Temperatur: Anomalieerkennung und Zustandsüberwachung.
Audio
Keyword Spotting, Erkennung von Geräuschereignissen, Sprachaktivitätserkennung.
Bild
Objekterkennung und visuelle Inspektion auf Prozessoren mit ausreichender Rechenleistung.
Nach Hardware-Klasse
Die Hardware-Klasse bestimmt, was möglich ist. Wir helfen bei der Auswahl, bevor das Modell entsteht.
Tiny Edge
- Hardware
- Cortex-M0/M4-Klasse, < 256 KB RAM
- Versorgung
- Knopfzelle / Energy Harvesting
- Typischer Einsatz
- Einfache Anomalieerkennung, Wake-Word-Trigger
Small Edge
- Hardware
- Cortex-M7/M33/M55-Klasse, 512 KB – 2 MB RAM
- Versorgung
- Kleine Batterien
- Typischer Einsatz
- Keyword Spotting, Sensorfusion
Mid Edge
- Hardware
- MPUs mit NPU, 512 MB – 4 GB RAM
- Versorgung
- Netz / große Akkupacks
- Typischer Einsatz
- Echtzeit-Videoanalyse, Gateway-AI
Heavy Edge
- Hardware
- Edge-GPUs und Industrie-PCs, > 4 GB RAM
- Versorgung
- Netz, aktive Kühlung
- Typischer Einsatz
- Multi-Kamera-Video, größere Modelle
Werkzeuge
Frameworks
- TensorFlow Lite Micro
- Edge Impulse
- STM32Cube.AI
Sprachen
- Python
- C / C++
Quantisierung und Optimierung
Die meisten Modelle werden in Gleitkomma trainiert und müssen konvertiert werden, bevor sie auf einen Mikrocontroller passen. Wir quantisieren Modelle (meist auf INT8), beschneiden sie, wo es hilft, und messen Genauigkeit, Speicher und Latenz auf der Zielhardware - nicht nur in der Simulation.
FAQ
Projekt besprechen
Beschreiben Sie Ihr Projekt und Ihr Ziel. Ein Ingenieur antwortet innerhalb eines Werktags.
Lieber per E-Mail?
[email protected]- Wir antworten innerhalb eines Werktags
- NDA vor technischen Gesprächen