Die passenden Prozessoren für dein IoT-Projekt

Die passenden
Prozessoren für dein IoT-Projekt

Edge Computing wird für das Internet der Dinge (IoT) und Industrie 4.0 immer wichtiger. Standardisierte Computer-on-Modules (COM), Single-Board-Computer (SBC) sowie Motherboards und Systeme sind gemeinsam mit den Technologien des Edge-Computings dafür verantwortlich, dass Rechenleistung effizient, schnell und flexibel zur Verfügung steht. Doch die Qual der Wahl hat der Nutzer bei der Auswahl des passenden Prozessors, der für die jeweilige Anwendung optimal geeignet sein muss. Dieser Überblick beschreibt die Unterschiede und hilft bei der Auswahl.

Bild: Kontron S&T AG

Für das Gelingen eines IoT-Projektes ist es essentiell, dass die gewählte Rechenleistung zu den Anforderungen der Applikation passt. Der Hersteller Kontron bietet ein breites Angebot für IoT und Edge Computing. Das reicht von COM Express- und QsevenModulen mit x86-Architekturen von Intel und AMD, bis hin zu den kompakten SMARC-2.0-Modulen für den Low-End-Bereich mit Intel Atom und den aktuellsten Arm-basierten Prozessoren von NXP für stromsparende Anwendungen.

Breit skalierbares Ultra-Low-Power-Modul

Das SMARC-sAMX6i ist für ein breites Leistungsspektrum ausgelegt. Es basiert auf der NXP i.MX6-Prozessorfamilie mit Arm Cortex-A9. Das Ultra-Low-Power-Modul zeichnet sich durch eine stromsparende Grafik- und Rechenleistung sowie ein hohes Integrationsniveau aus. Es ist für unterschiedlichste, allgemeine Embedded-Anwendungen konzipiert – von E-Readern über Human Machine Interfaces (HMI) bis zur Gebäudeautomation, aber auch für industrielle Anwendungen wie z.B. intelligente Industriekontrollsysteme. Das Modul arbeitet in einem industriellen Temperaturbereich von -40 bis +85°C und ist von Single- bis Quad-Core skalierbar.

Bild: Kontron S&T AG

Für kleine, leistungskritische Anwendungen mit geringer Komplexität

Die SMARC-sAMX7 Module mit den hochintegrierten NXP i.MX7-Prozessoren mit Arm Cortex-A7 sind für Anwendungen geeignet, bei denen es auf einen geringen Stromverbrauch ankommt. Im Vergleich zu den i.MX6-Prozessoren benötigen sie ein Drittel weniger Strom, was sich vor allem bei mobilen, batteriebetriebenen Geräten oder in Edge-Routern und Gateways als zentraler Vorteil erweist. Die Single- oder Dual-Core-Prozessoren der i.MX7-Familie lassen sich unabhängig voneinander steuern und ermöglichen eine flexible Energieversorgung.

Seiten: 1 2 3Auf einer Seite lesen

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