Eingebettete Entwicklung von Edge-Geräten

Eingebettete Entwicklung

Die Entwicklung von eingebetteter Software ist heute eines der anspruchsvollsten Gebiete der Softwaretechnik. Da sich die Innovationen in vielen Branchen, die traditionell im Maschinenbau angesiedelt sind (z. B. Automobilbau oder Luft- und Raumfahrt), immer mehr von mechanischen Lösungen auf elektronische und computergesteuerte Funktionen verlagern, erweist sich eingebettete Software als eines der vielversprechendsten Anwendungsgebiete für die Softwaretechnik. In der Automobilindustrie beispielsweise wurden in den letzten Jahren 90 Prozent aller Innovationen bei neuen Modellen von der Elektronik vorangetrieben.

Ein neuer Trend - Maschinelles Lernen in der eingebetteten Welt

Maschinelles Lernen und prädiktive Analytik verändern die Arbeitsweise von Unternehmen und anderen Organisationen. Die Fähigkeit, Trends und Muster in komplexen Daten zu verstehen, ist entscheidend für den Erfolg und wird zu einer der Schlüsselstrategien für die Erschließung von Wachstum in einem anspruchsvollen modernen Markt. Bislang haben sich Ingenieure für maschinelles Lernen kaum Gedanken über Rechenressourcen gemacht. Auch über die Speichernutzung machen sie sich nur selten Gedanken. Warum eigentlich? Weil er billig ist und sogar Ihr Telefon über eine ziemlich gute CPU und viel Speicher verfügt.

Die Notwendigkeit, Modelle des maschinellen Lernens am EDGE (vor Ort oder auf dem Gerät) und damit in der eingebetteten Welt einsetzen zu können, hat es erforderlich gemacht, die Art und Weise des Einsatzes dieser Modelle auf Geräten zu verfeinern, die so klein wie 8-Bit-Mikrocontroller sind. Diese sehr kleinen, kostengünstigen und energiesparenden Geräte kosten pro Stück nur wenige Cent und werden milliardenfach eingesetzt. Neue Marktteilnehmer machen es möglich, diese extrem billige Hardware intelligent zu machen.

Die jüngsten Fortschritte in den Bereichen KI, Deep Learning und anderen maschinellen Lerntechniken haben zu einem enormen Wachstum von Anwendungen und Diensten der künstlichen Intelligenz (KI) geführt, die von persönlichen Assistenten über Empfehlungssysteme bis hin zur Video-/Audioüberwachung reichen. Aufgrund dieser Entwicklung besteht die dringende Notwendigkeit, die Grenzen der KI an den Netzwerkrand zu verlagern, um das Potenzial des EDGE vollständig auszuschöpfen. Um diesen Bedarf zu befriedigen, wurde Edge Computing, ein aufkommendes Paradigma, das Rechenoperationen und -dienste vom Netzwerkkern zum Netzwerkrand verlagert, allgemein als vielversprechende Lösung angesehen. Die sich daraus ergebende neue interdisziplinäre Technologie, Edge AI oder Edge Intelligence (EI), stößt auf großes Interesse. Der EDGE-KI-Markt, der der übergreifende Begriff für das gesamte Segment ist, kann in drei Hauptsegmente unterteilt werden:

Hardware-Rand (Chipsätze)

Entwicklung von EDGE-spezifischen Chipsätzen für schnelle und effiziente KI-Anwendungen. Dies ist insbesondere für ultraschnelle Echtzeitanwendungen wie autonomes Fahren relevant. Diese Chipsätze sind in der Regel High-End-Chipsätze mit Redundanzen, die dauerhafte Stabilität und Betrieb gewährleisten.

Software Edge (KI-Plattformen vs. KI-Verarbeitung wie Inferenz)

Entwicklung von EDGE-spezifischen Softwarelösungen, die intelligente KI-gestützte EDGE-Analysen zur Erkennung von Anomalien und zur Klassifizierung von EDGE-bezogenen Phänomenen ermöglichen.

Schlüsselbereiche für Anwendungen:

IOT-Anwendungen, Prozessautomatisierung, operatives Bewusstsein, vorausschauende Wartung.

Unsere Expertise liegt im Markt- und Technologie-Know-how dieses spezifischen Anwendungsfeldes. Mikrocontroller, aber auch höher spezifizierte CPUs sind allgegenwärtig und prädestiniert für maschinelles Lernen auf der EDGE.