- Leistungsbeschreibung
- On-Device-KI mit TinyML auf Cortex-M, RISC-V & FPGA. Edge-AI-Projekte von der Sensorfusion bis zur Bildverarbeitung – EU-Partnernetzwerk.
Inovasense koordiniert Edge-AI- und Sensorik-Projekte von den Anforderungen bis zur validierten Hardware und der Übergabe an die Produktion. Wir helfen bei der Auswahl der Verarbeitungsarchitektur, der Integration von Sensoren und der Entwicklung der Firmware- und Modell-Pipeline anhand messbarer Abnahmekriterien.
Definition der Aufgabe vor der Auswahl eines Beschleunigers
Beginnen Sie damit, was das Produkt erkennen muss, welche Falschalarm- und Nichterkennungsraten akzeptabel sind, welche Reaktionsfristen, welches Energiebudget und welche Betriebsumgebung gelten. Lokale Inferenz kann die Abhängigkeit von der Cloud-Konnektivität verringern und die übertragenen Daten begrenzen, aber Latenz, Genauigkeit und Batterielaufzeit müssen am vollständigen Produkt gemessen werden.
Für die Schwingungsüberwachung sind repräsentative Betriebsmodi und Fehlerdaten zu ermitteln. Für die Bildverarbeitung sind Beleuchtung, Optik, Bildauflösung, Defekte und Produktionsgeschwindigkeit zu definieren. Für die Sensorfusion sind die Kalibrierung, das Timing und der Beitrag jedes Sensors zum Ergebnis zu verifizieren.
Hardware- und Modellintegration
Wir können MCU-basierte TinyML-Systeme, Systeme mit Anwendungsprozessoren/NPUs und FPGA-Beschleunigung je nach Workload koordinieren. Die Auswahl des Bausteins umfasst unterstützte Modelloperatoren, Speicherkapazität und -bandbreite, Schnittstellen, Software-Tools, Lebenszyklusverfügbarkeit und den Update-Pfad. TOPS-Angaben im Datenblatt sind eine Spitzenleistung, kein garantierter Anwendungs-Benchmark.
Quantisierung und Pruning werden anhand von Genauigkeits- und Laufzeitmessungen für die jeweilige Aufgabe bewertet. Sprachmodelle benötigen Speicher für Gewichte, Laufzeitpuffer und Kontext; ein „kleines“ Modell ist nicht zwangsläufig für einen Mikrocontroller geeignet. Wir wählen eine Implementierung nach dem Profiling einer repräsentativen Pipeline, anstatt einen festen Genauigkeitsverlust oder eine Inferenzzeit zu versprechen.
Validierung und technische Liefergegenstände
Das Projekt kann ein Anforderungs- und Architekturdokument, die Sensor-/PCB-Integration, eingebettete Software, versionierte Modell-Builds und reproduzierbare Testergebnisse umfassen. Messen Sie die Latenz bei Erfassung, Vorverarbeitung, Inferenz und Ausgabe sowie die Leistungsaufnahme der gesamten Platine in relevanten Betriebsmodi. Erfassen Sie die Datensatz-Separation und die Leistung unter wechselnden Umgebungsbedingungen.
Für sicherheitsrelevante Anwendungen sind die geltenden Sicherheitsanforderungen und unabhängige Schutzmaßnahmen zu definieren. Ein Anomaliedetektor allein ist keine validierte Not-Halt-Funktion. Modell- und Firmware-Releases erfordern eine sichere Handhabung von Updates, Wiederherstellungstests und die Rückverfolgbarkeit zur validierten Konfiguration.
Cloud-Verarbeitung und JustOpen.io
Wenn Flottenüberwachung, historische Analysen oder Dashboards benötigt werden, können wir die Cloud-Integration und die IoT-Datenplattform JustOpen.io koordinieren. Definieren Sie, welche Telemetriedaten gesendet werden, wie sich Geräte authentifizieren, welche Aufbewahrungsregeln gelten und wie sich das System bei Verbindungsverlust verhält. Halten Sie zeitkritische lokale Aufgaben von unnötigen Cloud-Roundtrips unabhängig, wo die Architektur dies zulässt.
Produktspezifische Konformität
Lokale Verarbeitung kann helfen, Datenübertragungen zu minimieren, begründet aber keine DSGVO-Konformität. Bewerten Sie personenbezogene Daten, gespeicherte Bilder, Protokolle und den Fernsupport. Der Anwendungsbereich der KI-Verordnung hängt vom Verwendungszweck, der Risikokategorie und der Rolle jedes Betreibers ab; nutzen Sie den aktuellen Zeitplan der Kommission. Die Produktkonformität hängt auch von den geltenden Vorschriften für Elektrik, Funk, Cybersicherheit und branchenspezifischen Regeln ab.
Wir können die Konformitätsmatrix, die technischen Nachweise und die Laborarbeiten koordinieren. Ein Komponentenzertifikat oder eine Beschleunigerspezifikation begründet keine Konformität des Endprodukts.
Leitfaden zur Validierung von Edge AI · MCU-Vergleich · CRA-Checkliste · Besprechen Sie Ihr Sensorik-Projekt
Primärquellen
Technische und regulatorische Referenzen geprüft am 1. Oktober 2026.
Leitfäden zu diesem Thema
Edge AI in industriellen Anwendungen
Auswahl und Validierung von Edge-AI-Hardware für industrielle Sensorik und Bildverarbeitung: Latenz, Energiebedarf, Modellgenauigkeit, Sicherheit von Updates und regulatorischer Geltungsbereich in der EU.
Was ist Edge Computing? Ein umfassender Leitfaden
Edge-Computing-Architektur für Hardwareentwickler. Verarbeitungshardware (FPGAs, GPUs, NPUs), Latenzstufen, industrielle Anwendungsfälle und EU-Konformität.
Häufig gestellte Fragen
Was ist Edge AI?
Edge AI führt Inferenz auf einem Gerät in der Nähe des Sensors oder Benutzers aus. Dies kann Netzwerkübertragungen reduzieren und den lokalen Betrieb unterstützen; Latenz und Genauigkeit hängen vom Modell und der gesamten Hardware-/Software-Pipeline ab.
Kann TinyML jahrelange Batterielaufzeit garantieren?
Nein. Die Batterielaufzeit hängt von Sensoren, Abtastung, Inferenz, Funknutzung, Platinen-Leckströmen, Batterieeigenschaften und Temperatur ab. Validieren Sie das Energiebudget des gesamten Geräts durch Messungen.
Wie wird Edge AI gemäß der KI-Verordnung bewertet?
Nach Verwendungszweck, Risikokategorie und den Rollen des Anbieters/Betreibers. Die lokale Ausführung allein begründet weder Konformität noch eine Hochrisikoeinstufung.