Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
35 2025 www markttechnik de 23 PE AK -Sys te m Mar kt Tec hn ik 20 25 -3 5 pd f PCAN-GPS Pro FD Konfi gurierbares Sensormodul zur Erfassung von Position Lage und Beschleunigung mit CAN-FD-Anbindung über Lemo-Rundstecker zur Integration in Messketten PCAN-Router Pro FD Programmierbarer 6-Kanal-Router und -Logger für CAN FD Lieferung mit einsatzbereiter Datenlogger-Firmware und Entwicklungspaket Optional mit Ethernet-Anbindung PCAN-PCI Express FD CAN-FD -Interface für PCI Express Erhältlich mit ein zwei oder vier Kanälen inkl Software APIs und Treiber für Windows und Linux You CAN get it Hardware und Software für CAN-Bus-Anwendungen… www peaksystem com PEAK-System Technik GmbH info peak@hmsnetworks com Tel +49 6151 8173-20 Fax +49 6151 8173-29 Ir rt ü m er u n d te ch n is ch e Än d er u n g en v o rb eh al te n lein die Anforderungen des Edge-Computing nicht erfüllen kann steigert sich die Leistung durch die Kombination mit einem integrierten KI ML-Beschleuniger wie zum Beispiel einer neuronalen Verarbeitungseinheit NPU oder einem digitalen Signalprozessor DSP Ein Beispiel dafür sind die MCUs der STM32N6-Serie Abbildung 1 von STMicroelectronics Sie basieren auf dem Cortex-M55 der mit 800 MHz läuft Die Arm-Helium-Vektorverarbeitungstechnologie bringt DSP-Verarbeitungsfähigkeiten auf einen Standardmikrocontroller Der STM32N6 ist die erste STM32-MCU in die der Neural-ART-Accelerator von ST integriert ist eine selbst entwickelte NPU die für leistungsstarke KI-Anwendungen entwickelt wurde • Optimierte KI-Modelle für Edge-Anwendungen Leistungsintensive KIund maschinelle Lernalgorithmen können nicht einfach auf MCUs übertragen werden Sie müssen auf die begrenzten Rechenressourcen angepasst werden Kompakte KI-Architekturen wie Tiny ML und MobileNet bieten genau das in Verbindung mit Optimierungstechniken sodass auch MCUs im Edge KI-Algorithmen ausführen können STMicroelectronics hat STM32Cube AI auf den Markt gebracht eine Software-Lösung die ein neuronales Netz in optimierten C-Code für STM32-MCUs umwandelt Die Nutzung dieser Software in Verbindung mit dem STM32N6 hilft dass die für Edge-KI-Anwendungen erforderliche Performance trotz begrenzter Rechenleistung und Speicherkapazität sichergestellt ist • Das Entstehen von KI-Ökosystemen Eine Hardware-Komponente mit KI-Fähigkeiten allein reicht nicht aus Die Ausführung von KI-Algorithmen im Edge erfordert entwicklerfreundliche Ökosysteme die den Einsatz erleichtern Spezielle Tools wie TensorFlow Lite für Mikrocontroller bieten hierfür passende Lösungen Open-Source-Communities wie Hugging Face und andere Plattformen bieten vortrainierte Modelle und Code-Bibliotheken die Entwickler testen und für ihre spezifischen Anwendungsfälle anpassen können Solche KI-Ökosysteme senken die Einstiegshürden und ermöglichen auch Unternehmen mit knappen Ressourcen den Zugang zur Technologie ohne eigene KI-Modelle von Grund auf entwickeln zu müssen Mit der ST Edge AI Suite stellt STMicroelectronics ein speziell auf Edge-AI-Lösungen zugeschnittenes Hardund Software-Ökosystem bereit Die Suite bündelt viele der KI-Bibliotheken und -Tools von ST um Entwicklern die Suche nach Modellen Datenquellen Tools und Compilern zu erleichtern die Code für Mikrocontroller generieren können Vortrainierte Modelle aus einem Model-Zoo dienen als Ausgangspunkt für Entwickler Diese Modelle verwenden das ONNX-Format Open Neural Network Exchange einen offenen Standard zur Darstellung von Modellen für maschinelles Lernen in Bereichen wie computerbasierter Bildverarbeitung CV Verarbeitung natürlicher Sprache NLP generativer KI Gen AI und Graph Machine Learning • Standards und Interoperabilität Während KI-Ökosysteme Unternehmen dabei helfen KI-Anwendungsfälle zu testen ermöglichen offene und standardisierte Modellformate die nahtlose Integration über verschiedene Hardware-Systeme hinweg Die Kompatibilität zwischen Software-Tools und MCUs reduziert Hürden bei der Implementierung von Edge-KI • Sicherheit im Edge Die MCUs eliminieren entweder ganz oder verringern zumindest die Notwendigkeit einer cloudbasierten Datenverarbeitung Die Hardware-Komponenten bieten aber auch zusätzliche Sicherheitsebenen Sie verfügen typischerweise über Funktionen wie Hardware-Verschlüsselung und Secure Boot die sowohl Daten als auch KI-Modelle vor böswilligen Zugriffen schützen Bemerkenswerte Merkmale der STM32N6-Hardware Die STM32N6-Serie bietet leistungsstarke MCUs mit integrierter NPU und wird zusammen mit einem Kameramodul-Bundle sowie einem Discovery-Kit angeboten Die Serie basiert auf einer typischen ARM-Cortex-M-Ar-Der STM32N6 ist die erste STM32-MCU in die der ST-Neural-ART-Accelerator integriert ist eine inhouse entwickelte neuronale Verarbeitungseinheit NPU die für energie effiziente Edge-KI-Anwendungen konzipiert wurde Bild STMicroelectronics