-
Embedded AI im Motorsport: Autonome Fahrzeugentwicklung mit Intel Core Ultra
Autonome Fahrzeuge stellen hohe Anforderungen an moderne Embedded Computing Plattformen. Neben reiner Rechenleistung spielen Faktoren wie thermisches Verhalten, Echtzeitfähigkeit, kompakte Bauformen und langfristige Skalierbarkeit eine immer wichtigere Rolle. Genau diesen Herausforderungen begegnet auch das TUfast Racing Team der Technischen Universität München bei der Entwicklung seines autonomen Formula Student Rennwagens. Das Team entwickelt seit vielen Jahren eigene Rennfahrzeuge für internationale Formula Student Wettbewerbe. Dabei arbeiten die Studierenden unter Bedingungen, die stark an reale industrielle Embedded-Projekte erinnern: begrenzter Bauraum, steigende Software-Komplexität, hohe Anforderungen an Zuverlässigkeit und kurze Entwicklungszyklen. Bereits seit 2022 unterstützt Aaronn Electronic Projekte von TUfast e.V. im Bereich Embedded Computing. Den Anfang machte damals ein gemeinsames Projekt mit dem TUfast Eco Team.…
-
Cyber Resilience Act: Aaronn und congatec im Gespräch
Der Cyber Resilience Act stellt neue Anforderungen an Produkte mit digitalen Elementen. Für Hersteller und Systemanbieter geht es dabei nicht nur um einzelne Security-Funktionen, sondern auch um Entwicklungsprozesse, Updates, Schwachstellenmanagement und den langfristigen Produktlebenszyklus. In einer neuen Folge von „Der orange Stuhl“ spricht Florian Haidn, Geschäftsführer der Aaronn Electronic GmbH, mit Florian Drittenthaler von congatec über die Vorbereitung auf den CRA und die Frage, welche Vorteile modulare Embedded-Architekturen dabei bieten können. CRA-Readiness beginnt im Entwicklungsprozess Im Gespräch wird deutlich: CRA-Compliance ist kein isoliertes IT- oder Security-Thema. Sie betrifft unterschiedliche Bereiche im Unternehmen und muss frühzeitig in Entwicklungs- und Lifecycle-Prozesse integriert werden. congatec hat deshalb bereits früh ein eigenes CRA-Projekt aufgesetzt. Ein wichtiger Baustein ist dabei der Entwicklungsprozess nach IEC 62443-4-1.…
-
TOPS richtig einordnen: Worauf es bei der Auswahl einer Edge-AI-Plattform ankommt
TOPS gehören inzwischen zu den meistgenannten Kennzahlen bei Edge-AI-Plattformen. Für die Auswahl eines Computer-Vision-Systems liefern sie jedoch nur einen Teil der Entscheidungsgrundlage. Kameraarchitektur, Datenpfade, Software, Thermik und Lifecycle können für die tatsächliche Eignung einer Plattform ebenso relevant sein. Wer eine neue Computer-Vision-Anwendung plant, beginnt deshalb besser nicht mit der Frage nach der höchsten verfügbaren AI-Rechenleistung, sondern mit den Anforderungen des Gesamtsystems. Die Anwendung definiert die Randbedingungen Ein autonomes mobiles Robotersystem hat andere Anforderungen als eine stationäre Bildverarbeitung in einer Produktionsanlage. Auch eine kompakte Lösung direkt an der Kamera unterscheidet sich grundlegend von einem größeren Edge-System mit separater Beschleunigerhardware. Für eine belastbare Plattformentscheidung sollten daher zunächst die wichtigsten technischen Eckdaten feststehen: …
-
Modulare Embedded-Architekturen unter dem CRA: Was Computer-on-Modules leisten können
Ein Computer-on-Module-Ansatz kann den Aufwand bei Plattformwechseln reduzieren, weil Recheneinheit und anwendungsspezifisches Carrier-Board-Design voneinander getrennt werden. Unter geeigneten Voraussetzungen lassen sich das Carrier Board und Teile der Systemarchitektur dadurch über mehrere kompatible Modulgenerationen hinweg weiterverwenden. Das macht ein Computer-on-Module nicht automatisch CRA-konform. Eine modulare Architektur kann jedoch helfen, Dokumentation, Updateprozesse und Lifecycle-Management klarer zu strukturieren. Eine modulare Architektur ändert nichts an der Verantwortung des Herstellers für die Konformität des Endprodukts, das unter seinem eigenen Namen oder seiner eigenen Marke in Verkehr gebracht wird. Dieser Beitrag dient ausschließlich der technischen Orientierung. Er stellt keine Rechtsberatung und keine vollständige technische oder regulatorische Konformitätsbewertung dar. Ob eine bestimmte Architektur geeignet ist und welche CRA-Auswirkungen sich…
-
On-Premise AI mit hoher GPU-Leistung: Wo kompakte Edge-HPCs sinnvoll sind
KI-Anwendungen stellen Unternehmen zunehmend vor eine praktische Infrastrukturfrage: Wo soll die notwendige Rechenleistung bereitgestellt werden? Cloud-Ressourcen lassen sich flexibel skalieren und eignen sich gut für wechselnde oder kurzfristige Workloads. Für dauerhaft laufende Anwendungen, sensible Daten oder Systeme, die direkt am Einsatzort arbeiten sollen, kann eine lokale KI-Infrastruktur jedoch Vorteile bieten. Dazu zählen lokale LLM-Inferenz, Retrieval-Augmented Generation, interne KI-Assistenten, Computer Vision, digitale Zwillinge und andere GPU-intensive Anwendungen. Für solche Aufgaben stehen inzwischen kompakte Edge-AI-HPC-Systeme zur Verfügung, die hohe CPU- und GPU-Leistung bereitstellen, ohne eine klassische Rack-Infrastruktur vorauszusetzen. Wann ist On-Premise AI sinnvoller als Cloud AI? On-Premise AI kann sinnvoll sein, wenn Anwendungen kontinuierlich lokal laufen, sensible Daten verarbeitet werden oder kurze Reaktionszeiten erforderlich sind. Ein Beispiel sind interne KI-Anwendungen, die mit…
-
Ist Ihr Embedded-System CRA-ready?
Vier Bereiche sind für die Vorbereitung auf den Cyber Resilience Act besonders relevant: Security by Design, Softwaretransparenz, Updatefähigkeit und ein funktionierender Meldeprozess. Die folgende Checkliste hilft dabei, mögliche Lücken in Entwicklung, Betrieb und Lieferkette frühzeitig sichtbar zu machen. Sie dient ausschließlich als erste Orientierung. Sie ersetzt weder eine rechtliche Beratung noch eine vollständige technische oder regulatorische Konformitätsbewertung. Eine ausführliche Einordnung der CRA-Begriffe und Fristen finden Sie im ersten Beitrag unserer Serie: „Cyber Resilience Act in der Praxis: Fristen, Pflichten und erste Schritte“. Warum eine Selbstprüfung jetzt sinnvoll ist Die Meldepflichten nach Artikel 14 CRA gelten ab dem 11. September 2026. Die vollständige Anwendung folgt am 11. Dezember 2027. Verzögerungen entstehen häufig nicht nur durch technische…
-
Advantech AIR-075: Edge AI für Physical AI und Agentic AI
Unser Technologiepartner Advantech, ein weltweit führender Anbieter von Embedded-IoT-Lösungen, präsentiert das AIR-075 als Edge-AI-Inference-System auf Basis der NVIDIA Jetson Thor Plattform. Das System verbindet hohe AI-Rechenleistung mit nativer 10GbE-Konnektivität und richtet sich an datenintensive Anwendungen in Vision AI, Robotik und Fabrikautomation. Mit der NVIDIA Blackwell Architektur und bis zu 2.070 TFLOPS FP4-Sparse KI-Leistung adressiert die Plattform Workloads, bei denen Wahrnehmung, Analyse und Entscheidungsprozesse direkt am Edge zusammenlaufen. Advantech positioniert das AIR-075 insbesondere für Multi-Camera Vision AI, Agentic AI und Physical AI in industriellen Umgebungen. Hardware: NVIDIA Jetson Thor Im Zentrum des Advantech AIR-075 stehen die NVIDIA Jetson T5000 und Jetson T4000 Module auf Basis der NVIDIA Blackwell Architektur. Der Jetson…
-
Cyber Resilience Act in der Praxis: Fristen, Pflichten und erste Schritte
Der Cyber Resilience Act (CRA) verpflichtet Hersteller von Produkten mit digitalen Elementen ab dem 11. September 2026 zur Meldung bestimmter aktiv ausgenutzter Schwachstellen und schwerwiegender Sicherheitsvorfälle. Ab dem 11. Dezember 2027 gilt die Verordnung vollständig. Für Maschinenbauer, Systemintegratoren und Hersteller von Industrie-PCs bedeutet das: Wer heute noch keine belastbaren Prozesse für Risikobewertungen, Software Bill of Materials und Schwachstellenmanagement hat, sollte die verbleibende Übergangszeit nutzen. Dieser Beitrag beantwortet die Fragen, die uns in Kundengesprächen am häufigsten begegnen: Was regelt der CRA? Was sind Produkte mit digitalen Elementen? Welche Fristen gelten? Wie funktioniert die Meldepflicht? Welche Rolle spielen SBOM und Cybersicherheitsrisikobewertung? Was ist der CRA? Der Cyber Resilience Act ist die Verordnung…
-
congatec conga-HPC/cRX1: COM-HPC-Modul für Physical AI am Edge
Unser Technologiepartner congatec, ein weltweit führender Anbieter für Embedded IoT-Lösungen, präsentiert mit dem congatec conga-HPC/cRX1 ein neues COM-HPC-Modul für rechenintensive Physical-AI-Anwendungen am industriellen Edge. Das applikationsfertige Modul basiert auf den AMD Ryzen™ AI Embedded X100 Prozessoren und vereint CPU, GPU und NPU auf einer gemeinsamen Plattform im Formfaktor COM-HPC Client Size C. Physical AI stellt Embedded-Systeme vor wachsende Anforderungen an Rechenleistung, Energieeffizienz und mechanische Robustheit, während Bildverarbeitung, Sensorfusion und Echtzeitsteuerung zunehmend direkt am Einsatzort laufen, ohne Umweg über eine zentrale Cloud-Infrastruktur. Hardware: AMD Ryzen AI Embedded X100 Das congatec conga-HPC/cRX1 kommt im Formfaktor COM-HPC Client Size C mit den Abmessungen 120 x 160 Millimeter. Im Zentrum des Moduls stehen die AMD Ryzen™ AI Embedded X100 Prozessoren mit 8,12, oder 16 „Zen 5"-Kernen und Taktfrequenzen…
-
Vom Embedded-System zur updatefähigen Plattform
Viele industrielle Systeme werden heute noch nach einem Prinzip entwickelt, das über Jahrzehnte erfolgreich war: Eine Hardware-Plattform wird definiert, die Software implementiert und das fertige Produkt ausgeliefert. Danach beginnt die Betriebsphase, oft mit nur wenigen Änderungen über viele Jahre hinweg. Dieses Modell gerät zunehmend an seine Grenzen. Neue regulatorische Anforderungen, steigende Cybersecurity-Risiken und die rasante Entwicklung von KI-Anwendungen verändern die Erwartungen an industrielle Systeme grundlegend. Produkte müssen heute nicht nur leistungsfähig sein, sondern auch über ihren gesamten Lebenszyklus hinweg anpassbar, wartbar und sicher bleiben. Damit verändert sich eine zentrale Frage im Engineering: Nicht mehr „Welche Hardware benötigen wir heute?“, sondern „Wie bleibt unser System morgen und in fünf Jahren noch…
