StorAIge
StorAIge
Maximale KI-Leistung auf kleinste Hardware
Juli 2021 - Juni 2024
Künstliche Intelligenz verlagert sich zunehmend aus der Cloud an den Rand des Netzwerks – direkt in die Geräte und Sensoren, die im Feld im Einsatz sind. Dieser Wandel eröffnet der Industrie enorme Möglichkeiten, bringt aber auch eine zentrale Herausforderung mit sich: Wie lässt sich fortschrittliche KI auf Mikrocontrollern ausführen, die nur über wenige Kilobyte Speicher verfügen?
Im EU-geförderten Projekt StorAIge gehen wir genau diese Frage an: 41 führende europäische Partner bündeln ihre Expertise, um speichereffiziente Edge-AI-Lösungen zu entwickeln – für Anwendungen von der industriellen Automatisierung bis hin zu erneuerbaren Energien. Bei ShiraTech-Knowtion haben wir eine entscheidende Rolle dabei gespielt, diese Vision Wirklichkeit werden zu lassen.
StorAIge – kurz für „Embedded Storage Elements on Next MCU Generation Ready for AI at the Edge“ – ist eine groß angelegte europäische Forschungsinitiative mit Fokus auf neuartige Speichertechnologien und KI-Modelle, die direkt auf ressourcenbeschränkter Hardware laufen können. Ziel ist es, vorausschauende, zuverlässige und energieeffiziente Edge-Systeme zu ermöglichen, die Latenzen reduzieren, Bandbreite sparen und die Autonomie verbessern. Mit Dutzenden Partnern in ganz Europa deckte StorAIge die gesamte Innovationskette ab – von neuen Halbleitermaterialien bis hin zu praxisnahen Anwendungsdemonstratoren.
Unser Schwerpunkt lag auf der Entwicklung von , die für optimiert sind – ein zentraler Baustein für echte Edge AI.
Wir haben ein Klassifikationsmodell implementiert und weiterentwickelt, das gezielt darauf ausgelegt ist:
- mit extrem geringem Speicherbedarf zu arbeiten und dabei hohe Genauigkeit zu gewährleisten
- sein Wissen inkrementell in Echtzeit direkt auf dem Mikrocontroller zu aktualisieren, sodass es sich an veränderte Betriebsbedingungen anpassen kann (sogenannter Concept Drift)
- Echtzeit-Klassifikation komplexer Bewegungs- und Vibrationsmuster aus Sensordaten durchzuführen
- sich in Embedded-Systeme zu integrieren, ohne Geschwindigkeit oder Zuverlässigkeit zu beeinträchtigen
Diese Arbeit wurde durch eine Merkmals-Extraktionspipeline unterstützt, die statistische Merkmale sowie Zeitbereichs- und Frequenzbereichs-Features kombiniert – alles zugeschnitten auf Mikrocontroller mit sehr begrenzten Ressourcen.
Praxisanwendungen
Logistik
Intelligentes Paletten-Tracking
In Zusammenarbeit mit Microsensys GmbH entwickelten wir einen Algorithmus zur Klassifikation von Gabelstaplerbewegungen beim Palettentransport auf Basis von 3-Achsen-Beschleunigungsdaten. Das Modell unterscheidet zwischen vertikaler und horizontaler Bewegung sowie Stillstandsphasen. Dadurch werden Sicherheitsmonitoring und betriebliche Transparenz verbessert. Das Ergebnis: eine Klassifikationsgenauigkeit von 92,71% auf einer Hardware mit nur wenigen Kilobyte RAM.
Erneuerbare Energien
Monitoring von Windturbinen
Gemeinsam mit Endiio engineering GmbH und ZF Friedrichshafen AG passten wir unsere Algorithmen an, um Getriebelager in Windturbinen zu überwachen. Mithilfe von Vibrationssensordaten und Frequenzanalyse setzten wir Anomalieerkennung ein, um frühe Anzeichen von Verschleiß oder Schäden zu identifizieren. Das Ergebnis: eine Erkennungsgenauigkeit von 84–91 %, die frühere Wartungseingriffe ermöglicht und Ausfallzeiten reduziert.
Warum das wichtig ist
Indem wir hochgenaue KI direkt auf Mikrocontrollern ermöglichen, wird vorausschauende Wartung schneller, kostengünstiger und deutlich breiter einsetzbar – ohne auf Cloud-Konnektivität angewiesen zu sein. Das bedeutet:
- Schnellere Entscheidungen direkt vor Ort
- Geringere Wartungskosten und weniger Stillstandszeiten
- Mehr Sicherheit in Logistik- und Industrieumgebungen
- Höhere Energieeffizienz durch optimierte Berechnung
Der Erfolg von StorAIge ist erst der Anfang. Im Nachfolgeprojekt NeAIxt treiben wir diese Konzepte noch weiter voran – mit Fokus auf erklärbare KI (Explainable AI), Integration mehrerer Modelle und noch höhere Energieeffizienz für sicherheitskritische und industrielle Anwendungen.
Projektförderung & Partner
StorAIge erhielt eine Förderung durch das KDT Joint Undertaking (JU) im Rahmen der Grant Agreement Nr. 101007321. Das JU wird durch das Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union unterstützt – in Frankreich, Belgien, Tschechien, Deutschland, Italien, Schweden, der Schweiz und der Türkei.
Kontakt
Wenn Sie Predictive Maintenance, Embedded AI oder energieeffiziente Edge-Lösungen für Ihr Projekt evaluieren möchten, freuen wir uns auf das Gespräch.