Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
www markttechnik de 35 2025 22 Industriecomputer Embedded Systeme MCUs als Schlüssel zur Demokratisierung von Edge-KI Optimierte Hardware effiziente Modelle und offene Ökosysteme In den letzten Jahren hat KI immer mehr an Popularität gewonnen Es wird erwartet dass der zugehörige Weltmarkt bis 2035 mit einer durchschnittlichen jährlichen Wachstumsrate von 27 8 Prozent auf einen Nettowert von 356 84 Mrd Dollar anwächst Von Rolf Horn Applications Engineer bei DigiKey Diese Nachfrage wird durch eine Reihe von Faktoren angeheizt Durch die Verarbeitung von Daten am Netzwerkrand Edge werden Sicherheitsbedenken ausgeräumt die Unternehmen bei der Weiterleitung sensibler oder geschützter Daten in die Cloud haben könnten Die Edge-Verarbeitung verringert auch die Latenzzeit was bei Echtzeitanwendungen bei denen Entscheidungen in Sekundenbruchteilen getroffen werden müssen von Bedeutung sein kann Industrielle IoT-Geräte IIoT liefern datengesteuerte Abläufe die wiederum die Anwendungsfälle für Edge-KI erweitern Schnell wachsende Implementierungen – von tragbaren medizinischen Geräten bis hin zu Wearables und IIoT – treiben den Markt für KI am Netzwerkrand an Da die Technologie immer beliebter wird steigt auch die Nachfrage nach Komponenten die für die Datenverarbeitung in eingebetteten Systemen geeignet sind Mikrocontroller oder Mikroprozessor? Die meisten heute in industriellen und anderen Embedded-Systemen eingesetzten IoT-Geräte sind stromsparend und verfügen nur über sehr wenig Speicher Die Verarbeitungsleistung stammt aus kleinen eingebetteten Mikrocontrollern MCUs Diese MCUs haben eine stromsparende Architektur die es ermöglicht dass die eingebetteten Systeme wesentlich kostengünstiger sind als solche mit Mikroprozessoren Bis zum Aufkommen von KI-Anwendungen im Edge haben MCUs die Anforderungen an die Verarbeitungsleistung von IoT-Geräten gut erfüllt Herkömmliche MCUs können jedoch typischerweise nicht die Rechenleistung bereitstellen die für komplexere maschinelle Lernalgorithmen benötigt wird die das Markenzeichen von Edge-KI-Anwendungen sind Solche Algorithmen laufen typischerweise auf Grafik-GPUs und Mikroprozessoren MPUs die über mehr Rechenleistung verfügen Die Verwendung dieser Komponenten bringt jedoch auch Nachteile mit sich unter anderem den Stromverbrauch Mikroprozessoren oder GPUs sind nicht die energieeffizientesten Komponenten Daher ist ein Edge-Computing auf Basis eines Mikroprozessors möglicherweise nicht für alle Edge-KI-Anwendungen die beste Lösung und die Anbieter setzen stattdessen auf MCUs MCUs sind preiswerter als GPUs und Mikroprozessoren Um Edge-KI zu skalieren besteht ein wachsender Bedarf die Vorteile von MCUs – also geringe Kosten und niedrige Leistungsaufnahme – zu nutzen und gleichzeitig eine höhere Rechenleistung zur Verfügung zu haben Und tatsächlich sind im Laufe der Jahre einige Faktoren zusammengekommen die die Fähigkeiten von MCUs im Edge verbessern Was begünstigt den Einsatz von MCUs im Edge? Während bisher allgemein angenommen wurde dass herkömmliche MCUs für eine KIbezogene Datenverarbeitung zu leistungsschwach sind führen sowohl Verbesserungen im Design der MCU als auch Entwicklungen im gesamten Technologie-Ökosystem dazu dass sie zunehmend in Edge-KI-Anwendungsfällen eingesetzt werden Zu diesen Faktoren gehören • Die Integration von KI-Beschleunigern in MCUs Wenn der Prozessorkern der MCU