Nürnberg / 21. Juni 2022 - 23. Juni 2022
Fraunhofer auf der embedded world
Halle 4 | Stände 422 und 509
Halle 4 | Stände 422 und 509
Das energieautarke Wide-Area Network ist eine einzigartige Kombination des LPWAN-Standards mioty® mit Energy Harvesting für Massive-IoT-Anwendungen im Smart-City-Bereich und Industrial Internet of Things (IIoT). Die mioty®-Technologie basiert auf dem Telegram-Splitting-Verfahren, das ein Funktelegramm in mehrere Subpakete aufteilt und über Zeit und Frequenz verteilt. Die Energy-Harvesting-Technologie nutzt kleinste Energiemengen wie Wärme, Licht oder Vibration, um mioty® ganz ohne Kabel oder Batterien zu betreiben.
Ob IoT oder seine industrielle Entsprechung Industrial IOT - vernetzte Sensorik ist der Lieferant der Daten. Drahtlose Sensorik ermöglicht dabei die Datenerfassung an unzugänglichen Messorten, bei ständig wechselnden Mess-Konfigurationen oder einfach dann, wenn der Aufwand für eine drahtgebundene Anwendung zu groß ist. Die Erprobung derartiger Daten setzte bislang bis zum Eintreffen der ersten Daten einen hohen Initialisierungsaufwand voraus. Drahtlose Sensorplattformen bieten Anwendern einen schnellen Einstieg. Von der Einbindung marktverfügbarer Sensoren bis zur webbasierten Darstellung und Auswertung der Daten bedarf es bei den vorgestellten Systemen nur wenige Klicks. Die Plattformen sind in in ihrer Ausrichtung auf die unterschiedlichen Bedürfnisse der Nutzer zugeschnitten:
Die energieeffiziente Funkempfänger-Technologie RFicient® mit einem Stromverbrauch unter 3 µA kann Funktelegramme auf drei lizenzfreien Frequenzbändern gleichzeitig und unabhängig voneinander empfangen. Damit sind Ortungssysteme für die Lokalisierung von Objekten in Lagerhallen, aber auch weltweite mobile Anwendungen, wie etwa Containertracking ohne manuelle Frequenzumschaltung realisierbar. RFicient® eignet sich außerdem für die Gebäudeautomatisierung, für intelligente Beleuchtung, elektronische Etiketten, Fernwartung und Fernsteuerung sowie allgemein in drahtlosen Sensornetzen. Ein jahrelanger, wartungsfreier Betrieb ist mit sehr kleinen Batterien sowie Solarzellen oder mit Energy Harvesting möglich. Die besonders kurze Reaktionszeit in Millisekunden ermöglicht zudem Echtzeitanwendungen. Somit ist dieser neuartige und effiziente RF-Lösungsansatz für einen Einsatz im Bereich des Internet der Dinge prädestiniert.
Die Anwendung maschinellen Lernens in Embedded-Geräten liegt stark im Trend. Eine Vielzahl an KI-Chips ist angekündigt, erste Produkte für Embedded-KI sind auf dem Markt. Bisherige neuronale Netzwerkarchitekturen wie Deep Neural Networks erfordern komplexe Rechenleistungen und verzeichnen einen hohen Energieverbrauch. Neuromorphe Hardware dagegen setzt auf massive Parallelverarbeitung und führt Rechenvorgänge, zum Beispiel im Bereich des maschinellen Lernens, besonders schnell und energieeffizient aus. Effiziente Architekturen für neuromorphe Hardware sind daher mit Hinblick auf Rechenleistung, Energieverbrauch und Chipfläche ein entscheidender Faktor für einen breiten Einsatz neuronaler Netze in Embedded-Produkten.
Das Fraunhofer IIS stellt verschiedene neuromorphe Hardware-Architekturen vor. Darunter befinden sich neuartige Ansätze, die das menschlich arbeitende neuronale Netz näher an den Chip bringen.
Als eine der führenden IC-Design-Einrichtungen in Europa erarbeiten wir maßgeschneiderte Lösungen für die sich stets weiterentwickelnden Anforderungen der Industrie. Da wir technologie- und herstellerunabhängig aufgestellt sind, können wir unseren Kunden optimale Lösungen anbieten. Unser Fokus liegt auf der Entwicklung von Mixed-Signal ASICs, intelligenten integrierten Sensorsystemen sowie auf Designlösungen für zunehmend komplexer werdende elektronische Systeme. Ob für Industrie, Kommunikation, Automotive oder andere Anwendungsbereiche – wir begleiten Sie von der Idee bis zur Serienreife.
Anders als bei digitalen Schaltungen, werden analoge und gemischt analog-digitale Komponenten von Mixed-Signal-Systemen oft noch von Hand entworfen. Mit der zunehmenden Miniaturisierung der Elektronik wird diese Aufgabe noch komplexer und fehleranfälliger. Daraus folgen lange Entwicklungszyklen und hohe Kosten. Intelligent IP (IIP) wirkt dem, mit Automatisierung und systematischer Strukturierung des analogen Schaltungsentwurfs, entgegen. IIP ermöglicht so einen schnelleren und sicheren Entwurf sowie die Nachnutzung von IPs.
Neue Integrationskonzepte für elektronische Systeme sind elementar, um den Herausforderungen durch wachsenden Funktionsumfang und zunehmender Miniaturisierung zu begegnen. Dabei haben moderne Packaging-Lösungen nicht nur einen minimalen Flächenbedarf, sondern ermöglichen auch einen hohen Datendurchsatz bei geringem Energieverbrauch. Das Fraunhofer IIS/EAS unterstützt dabei, den komplexen Entwurf der Packages zu beherrschen, die Freiheitsgrade optimal auszunutzen und die thermische, mechanische und elektrische Kopplung zu berücksichtigen.
Tiefes SiL-Testen eingebetter Systeme ermöglicht einen agilen Entwicklungsprozess wie er in der Software-Industrie seit Jahren eingesetzt wird. Durch die Verwendung virtueller Hardware-Modelle kann ein tiefer Software-Test bereits durchgeführt werden ohne dass die Hardware vorhanden ist. Das ermöglicht tiefes Testen vom Anwendungs-Layer bis zur Hardware, ohne dass eine Änderung der Software notwendig wäre. Das erhöht die Testabdeckung und damit die Robustheit des Systems.
Intelligente Systeme arbeiten besonders schnell, effizient und sicher, wenn die Daten unmittelbar dort ausgewertet werden, wo sie entstehen: direkt im Gerät und mithilfe eingebetteter Künstlicher Intelligenz (»Embedded AI«). Am Beispiel eines autonom fahrenden Roboters, der mit Kameras seine Umgebung scannt, stellt das Fraunhofer IIS einen Edge-AI-Lösungsansatz vor, der die Objekterkennung im Offlinebetrieb ermöglicht. Der Roboter analysiert sein Umfeld dabei selbstständig und lässt sich durch Gesten steuern.
Hybridradios schalten automatisch zwischen analogem UKW, Digitalradio und Internetstream hin und her. Sie suchen die beste Empfangsquelle und bieten so einen störungsfreien Hörgenuss für unterwegs.
Ermöglicht wird dies durch die Integration von Fraunhofer Softwarekomponenten. Sie machen Radioplattformen flexibel für verschiedene Märkte und Fahrzeugklassen und garantieren eine kompromisslose Audio-Qualität. Komplettiert wird dies durch Daten-Decoder, die weitere Zusatzinformationen liefern.
Tiny Machine Learning (TinyML) ist ein Forschungsgebiet im Bereich des maschinellen Lernens und beschreibt die Optimierung sowie Ausführung von KI-basierten Verarbeitungsketten auf eingebetteten Systemen. Auf der Embedded World zeigen wir am Beispiel einer Geräuscherkennung KI-Entwicklungen für kleine Ultra-Low Power Anwendungen.