BLE-Gerät zur Haltungsüberwachung
BLE-Sensoren mit Algorithmen zur Bewegungsanalyse für die spezialisierte Rehabilitation. Zertifizierung für medizinische Nutzung, Oberfläche für Kliniker, sichere und DSGVO-konforme Cloud-Synchronisierung.
Die Intelligenz geht dorthin, wo die Daten entstehen.
Die Modelle laufen auf dem Gerät, nicht nur in der Cloud: weniger Latenz, weniger Daten unterwegs, mehr Datenschutz. Die Knoten koordinieren sich in einem verteilten Netz und sprechen bei Bedarf mit Nebula.
Sensoren: Intelligenz dort, wo die Daten entstehen.
Die Modelle laufen auf dem Gerät, nicht nur in der Cloud: weniger Latenz, weniger Daten unterwegs, mehr Datenschutz. Die Knoten koordinieren sich in einem verteilten Netz.
Das Modell läuft auf dem Knoten: Die Entscheidung entsteht dort, wo die Daten entstehen.
Die Sensoren wachen im Netz auf und senden nur, was nötig ist.
Die Knoten tauschen Nachrichten aus und koordinieren sich ohne zentrale Stelle.
In der Mitte sammelt die Plattform die Ergebnisse, steuert sie und gibt sie an die Dienste zurück.
Warum es wichtig ist.
Alle Daten in die Cloud zu bringen kostet Bandbreite, Energie und Datenschutz. Oft kann die nützliche Entscheidung auf dem Gerät entstehen: ein Muster erkennen, Rauschen filtern, nur das wichtige Ereignis senden.
Edge AI verlagert die Verarbeitung dorthin, wo die Daten entstehen, mit Modellen, die klein genug sind, um auf einem Mikrocontroller zu laufen. Das Ergebnis: weniger Latenz, weniger Datenverkehr und sensible Daten, die vor Ort bleiben.
So funktioniert es, Ebene für Ebene.
Vom Sensor zur Plattform, in fünf Ebenen.
- Sensor
- Misst physikalische Größen wie Bewegung, Temperatur, Kraft oder Position, bei geringem Verbrauch.
- Verarbeitung an Bord
- Ein Mikrocontroller filtert das Signal und wendet ein komprimiertes, oft quantisiertes Modell an, um das Ereignis zu erkennen.
- Kommunikation
- Bluetooth, stromsparende Mobilfunknetze oder WLAN senden nur die Ereignisse und Zusammenfassungen.
- Koordination
- Die Knoten tauschen Nachrichten über ein privates Netz aus und hängen nicht von einer zentralen Stelle ab.
- Plattform
- Nebula sammelt, steuert und gibt die Ergebnisse an die Dienste zurück und verteilt die Updates an die Geräte.
Das Modell an Bord, die Plattform im Zentrum.
Jeder Knoten entscheidet selbst, was er kann; der Rest geht zur Plattform. Weniger Daten unterwegs, mehr Datenschutz, weniger Latenz.
- Edge AI
- Modelle auf Mikrocontrollern und günstigen Boards, etwa ESP32 und Arduino.
- IoT
- Standardsensoren und -protokolle, von BLE bis zu stromsparenden Mobilfunknetzen.
- Wearable
- Tragbare Geräte für Biotelemetrie und Bewegungsanalyse.
- Verteiltes Netz
- Knoten, die Nachrichten austauschen, ohne zentrale Stelle, in einem privaten Netz.
- Integration
- Die Daten kommen in Nebula an, das sie steuert und an die Dienste zurückgibt.
Anwendungsfälle.
Anomalieerkennung an einer Maschine
Ein Knoten mit Beschleunigungssensor erkennt eine ungewöhnliche Vibration selbst und meldet nur das Ereignis.
Autonome Umweltknoten
Batteriebetriebene Sensoren messen Temperatur und Feuchtigkeit und wachen nur zum Senden auf, sodass sie lange aktiv bleiben.
Daten, Integrationen und Standards.
Firmware und Modelle werden für Mikrocontroller wie den ESP32 und Arduino-Boards geschrieben. Die Geräte werden aus der Ferne aktualisiert und kommunizieren über offene Protokolle; die Plattform verfolgt die Version jedes Knotens.
Datenschutz, Sicherheit und Konformität.
- Daten vor Ort
- Die Verarbeitung an Bord erlaubt es, nur Ereignisse und Aggregate zu senden, keine Rohsignale.
- Authentifizierte Geräte
- Jeder Knoten hat eine Identität, und die Kommunikation ist verschlüsselt: Ein unbekanntes Gerät kommt nicht ins Netz.
- Gesundheitsdaten
- Betreffen die Sensoren die Gesundheit, gelten die DSGVO-Regeln für besondere Kategorien personenbezogener Daten und, für Medizinprodukte, die eigene Regulierung.
So starten wir.
- 01
Analyse und Umfang
Wir legen fest, was gemessen wird, wie oft und mit welchen Vorgaben zu Energie und Größe.
- 02
Pilot an einem realen Fall
Wir bauen einen Testknoten und erfassen reale Daten, um das Modell zu trainieren und zu prüfen.
- 03
Erweiterung
Wir verkleinern das Modell und den Verbrauch und bereiten Updates aus der Ferne vor.
- 04
Betrieb und Support
Wir bereiten die Plattform auf die Verwaltung einer Geräteflotte vor, mit Überwachung und Support.
Begriffe, die man kennen sollte.
- Edge AI
- Künstliche Intelligenz, die auf dem Gerät nahe an den Daten läuft, statt auf einem entfernten Server.
- Mikrocontroller
- Ein kleiner, programmierbarer Chip mit geringem Verbrauch, der Sensoren ausliest und Geräte steuert.
- Quantisierung
- Technik, die die Genauigkeit der Zahlen eines Modells verringert, damit es in wenig Speicher passt.
- Remote-Update
- Die Möglichkeit, neue Firmware auf Geräten zu installieren, ohne physisch einzugreifen.
Häufig gestellte Fragen.
Was ist der Unterschied zwischen Edge AI und Cloud?
Bei Edge AI läuft das Modell auf dem Gerät, in der Cloud auf Servern. Auf dem Gerät ist die Antwort sofort da und die Daten bleiben lokal; in der Cloud lassen sich größere Modelle nutzen.
Wie lange kann eine Batterie halten?
Das hängt davon ab, wie oft das Gerät misst und sendet: Mit langen Schlafzyklen sind es Monate oder Jahre, bei dauerhafter Übertragung Tage.
Könnt ihr mit der Hardware arbeiten, die wir schon haben?
Ja, wenn sie einen programmierbaren Mikrocontroller oder eine Datenschnittstelle hat. Andernfalls wählen wir gemeinsam Standardkomponenten, die leicht zu beschaffen sind.
Die anderen Bereiche.
Menschen
Museen, Terminals und Marketing in der Nähe: Werkzeuge, die am richtigen Ort zu Menschen sprechen.
Seite öffnenOrte
Indoor- und Outdoor-Ortung, Suche in Augmented Reality und kontextbezogene digitale Beschilderung.
Seite öffnenTerritorium
Multi-Tenant-GIS für öffentliche Stellen: Karten, Open Data und aggregierte Personenströme.
Seite öffnenProzesse
Vorausschauende Wartung und statistische Prozesskontrolle an Maschinen und Linien.
Seite öffnenSoftware
Maßgeschneiderte Software und Cloud-Plattformen, ein Blatt nach dem anderen.
Seite öffnenHast du ein Gerät, das intelligent werden soll?
Sag uns, was es misst und wo es entscheiden muss: vom Sensor zum Modell.
Sprechen wir darüber