KI-gestützte Entwicklung
Datengetriebene Methoden für Leistungselektronik, Antriebssysteme und Embedded-Anwendungen – vom Algorithmus bis zur Inferenz auf dem Zielsystem.

KI ist kein Selbstzweck – sie löst konkrete Probleme in der Elektronikentwicklung. CME setzt Machine-Learning-Methoden dort ein, wo klassische Regelungs- oder Analyseansätze an ihre Grenzen stoßen: bei der Erkennung von Mustern in Sensordaten, bei der Optimierung nichtlinearer Regelstrecken und bei der vorausschauenden Wartung komplexer Systeme. Entscheidend ist dabei nicht die Modellkomplexität, sondern die Fähigkeit, trainierte Modelle auf ressourcenbeschränkter Embedded-Hardware zuverlässig auszuführen – in Echtzeit, bei begrenztem Speicher und unter industriellen Umgebungsbedingungen.
Prädiktive Regelung – Modellprädiktive Ansätze (MPC) für nichtlineare Antriebssysteme und Leistungswandler
- Automatisierte Bestimmung von Motorparametern durch KI-gestützte Simulation statt zeitaufwändiger manueller Messkampagnen
- Virtuelle Inbetriebnahme von Antriebssystemen: Regelverhalten und Wirkungsgrad werden simuliert bevor Hardware existiert
- Modellbasierte Optimierung von Ansteuerstrategien auf Basis realer Betriebspunkte und Lastprofile
- Direkter Brückenschlag zwischen Simulation und Embedded-Implementierung – keine Medienbrüche, kein Datenverlust
Anomalieerkennung & Predictive Maintenance – Erkennung von Degradation bei Antrieben, Netzteilen oder Leistungsmodulen auf Basis von Betriebsdaten
- Klassische Regler stoßen bei nichtlinearen Antrieben an ihre Grenzen – MPC denkt mehrere Schritte voraus und reagiert präziser
- Bessere Regelgüte bei Drehzahl, Drehmoment und Wirkungsgrad – auch bei wechselnden Lastprofilen
- Weniger Überschwingen, kürzere Einschwingzeiten und niedrigere thermische Belastung
- Direkt auf Embedded-Hardware implementierbar – ohne externe Recheneinheit
Visuelle Qualitätskontrolle – Bildverarbeitung und Objekterkennung für Lötstellen, Bestückung und Oberflächeninspektion in der Elektronikfertigung
- Erkennt frühzeitig, wenn sich ein Antrieb, ein Netzteil oder ein Leistungsmodul abnormal verhält – bevor es ausfällt
- Analysiert laufende Betriebsdaten statt aufwändiger Einzelmessungen
- Reduziert ungeplante Ausfallzeiten und vermeidet teure Folgeschäden
- Nachrüstbar in bestehende Systeme ohne Hardware-Änderung
Edge-Inferenz auf Embedded-Zielen – Deployment trainierter Modelle auf MCUs mit Fokus auf Latenz, Speicherbedarf und Energieverbrauch
- KI-Modelle laufen direkt auf dem Mikrocontroller im Gerät – ohne Server, ohne Cloud, ohne Latenz
- Funktioniert auch ohne Netzwerkverbindung und unter rauen Industriebedingungen
- Minimaler Speicher- und Energiebedarf – geeignet für batteriebetriebene oder kostensensitive Produkte
- CME übernimmt Auswahl, Training und Deployment passend zur Zielhardware
Datenaufbereitung & Feature Engineering – Aufbereitung von Rohdaten aus Prüfständen, Feldtests und Serienfertigung für reproduzierbare Trainingspipelines
- Erkennt Lötstellen-, Bestückungs- und Oberflächenfehler zuverlässiger und schneller als das menschliche Auge
- Trainierte Modelle lernen produktspezifische Fehlerbilder – keine starren Schwellwerte
- Reduziert Nacharbeit, Ausschuss und Reklamationen in der Serienfertigung
- Läuft direkt auf der Fertigungslinie – kein Cloud-Anschluss erforderlich
TinyML & Modellkomprimierung – Quantisierung, Pruning und Destillation für den Einsatz auf Cortex-M-Klasse-Prozessoren und vergleichbaren Plattformen
- Rohdaten aus Prüfständen und Feldtests sind selten direkt nutzbar – CME bereitet sie systematisch auf
- Bereinigung, Normierung und Anreicherung für reproduzierbare, belastbare KI-Trainings
- Verhindert den häufigsten Fehler: Modelle, die im Labor funktionieren, aber in der Serie versagen
- Dokumentierte Datenpipelines für Nachvollziehbarkeit und Wiederverwendung
Modell-Lifecycle & Versionierung – Nachvollziehbare Modellversionen, Testabdeckung und Dokumentation für regulierte Branchen
- Große KI-Modelle werden auf Bruchteile ihrer Größe reduziert – ohne wesentlichen Qualitätsverlust
- Ermöglicht KI-Funktionen auf kleinen, günstigen Prozessoren (ARM Cortex-M und vergleichbar)
- Kein teures Hardware-Upgrade nötig: KI-Intelligenz auf vorhandener Embedded-Plattform
- Quantisierung, Pruning und Destillation je nach Ressourcen- und Genauigkeitsanforderung
Integration in bestehende Systeme – Einbettung von KI-Funktionen in vorhandene Firmware-, RTOS- oder SPS-Architekturen ohne Systembruch
- KI-Funktionen werden in vorhandene Firmware-, RTOS- oder SPS-Umgebungen eingebettet – kein Neustart von null
- Keine Unterbrechung laufender Produktionslinien oder bestehender Systemarchitekturen
- CME analysiert das bestehende System und definiert den minimalen Integrationspfad
- Getestete Übergabe: Schnittstellen, Timing und Ressourcennutzung werden vorab validiert
Regulatorik & Dokumentation für KI-Systeme
- KI in sicherheitsrelevanten Produkten braucht Nachweise – CME liefert die nötige Dokumentation
- Technische Unterlagen für Zulassungsprozesse nach EU AI Act, ISO 26262 und IEC 62061
- Erklärbarkeit von Modellentscheidungen (Explainability) als Voraussetzung für Zertifizierungen
- Unterstützung bei der Risikoklassifizierung und beim Konformitätsnachweis gegenüber Behörden
Häufige Fragen
Machbarkeit klären – bevor Kosten entstehen.
Senden Sie uns Ihre Anforderungen. Wir prüfen Machbarkeit, Risiken und Zeitrahmen – und sagen ehrlich, was geht.
KI-Anwendungsfall besprechen