Integrierte Entwicklungsumgebung zur Implementierung von KI in Embedded Systeme

NanoEdge AI Studio ermöglicht die schnelle Entwicklung von Edge-KI in universellen, kostengünstigen und stromsparenden Embedded Mikrocontrollern.
Bild: Cartesiam.AI

Cartesiam, ein Unternehmen, das KI-Software (künstliche Intelligenz) für Embedded Systeme entwickelt, verkündete auf der Embedded World die Verfügbarkeit von NanoEdge AI Studio, der ersten integrierten Entwicklungsumgebung (IDE), die maschinelles Lernen und Rückschlüsse direkt auf Arm Cortex-m-Mikrocontrollern (MCUs) ermöglicht. Die Mikrocontroller von Arm sind weltweit in Milliarden von Geräten eingebettet. Mit der intuitiven KI-Entwicklungsplattform NanoEdge AI Studio können System-Entwickler, die mit Arm-Mikrocontrollern arbeiten, jetzt maschinelles Lernen (ML) schnell, einfach und kostengünstig direkt in Alltagsprodukte integrieren (IoT, Haushaltsgeräte, Industriemaschinen, Automobil und mehr).

„Cartesiam fährt mit NanoEdge AI Studio einen ganz anderen Ansatz: mit einer selbstlernenden KI, die sowohl kosten- als auch zeitsparend ist“, sagt Joël Rubino, CEO und Mitbegründer von Cartesiam. „Damit kann jeder Embedded-Designer anwendungsspezifische Bibliotheken für maschinelles Lernen in sehr kurzer Zeit entwickeln und das Programm innerhalb des Mikrocontrollers genau dort ausführen, wo das Signal zu Daten wird. NanoEdge AI Studio ist die einzige Lösung, die sowohl maschinelles Lernen als auch Inferenz im Mikrocontroller ausführen kann.“ NanoEdge AI Studio wird bereits bei einer Reihe europäischer und US-amerikanischer Unternehmen erfolgreich getestet und eingesetzt.

Wie NanoEdge AI Studio funktioniert

In der Anwendung verwandelt NanoEdge AI Studio passive Sensoren in autonome Agenten, die sich selbst beobachten können. „Stellen Sie sich eine Klimaanlage vor, die erkennt, wann ihr Filter gewechselt werden muss, oder eine Rolltreppe, die ihre eigene präventive Wartung aktiviert“, erklärte Rubino. „Das Erlernen eines Anfangszustands vor Ort (Edge) reduziert den Datenaustausch über das Netzwerk und verhindert das Risiko einer Verfälschung oder eines Eindringens – ein wichtiger Aspekt für die Sicherheit und die Privatsphäre. Der Entwicklung origineller Lösungen mit NanoEdge AI Studio sind bei der Kreativität und Innovationskraft unserer Kunden keine Grenzen gesetzt.“

Entwicklungsstudio für maschinelles Lernen, konzipiert für Nicht-Experten

NanoEdge AI Studio beseitigt die traditionellen KI-Barrieren. Die Entwicklungsplattform wurde für Unternehmen entwickelt, die keine eigenen Fachleute für maschinellen Lernen haben oder die ihren Datenwissenschaftlern ein ergänzendes Werkzeug für Embedded-Umgebungen zur Verfügung stellen möchten.

Thematik: Allgemein
Cartesiam.AI

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige