Start-up: AITAD – Embedded-KI als Gesamtlösung

KI-Systeme für Industrie- und Automotive-Anwendungen

Eigene Ressourcen für die Soft- und Hardwareentwicklung, die KI-Modellierung, die Kleinserienproduktion und das Testen ermöglichen AITAD kurze Reaktionszeiten. ©AITAD

Die AITAD GmbH entwickelt und testet KI-Elektroniksysteme in Verbindung mit maschinellem Lernen im Automotive- und Industriekontext. Dazu gehören die Implementierung von Embedded-KI-Systemen zur vorausschauenden Wartung von Antriebssträngen von Verbrennern und Elektrofahrzeugen.


Zielsetzung:

  • Die Mission von AITAD ist es, der westlichen Gesellschaft und Wirtschaft mit KI-Technik zu unterstützen und ihnen so zu einer starken Position im globalen Wettbewerb zu verhelfen.
  • Die Hürden bei der Einführung KI-basierter Lösungen als Full-Stack-Anbieter reduzieren.

Arbeitsbereiche:

  • Embedded-KI: intelligente Sensorik mit rein lokaler und autarker KI vor Ort, die sehr große, tiefgehende Datenmengen zwecks User Interaction, vorausschauende Wartung und funktionalen Innovationen auswertet, klassifiziert und prädiktiert.
  •           Embedded Engineering: Komplette Entwicklungsprozesse von der Datenerfassung bis zur Serienreife für Automobilindustrie, Haushaltsgeräte und Maschinenbau. Software und Hardware.

  • Data Science: Aufbau von Datenakquisitionskonzepten, Aufbau von Datenbanken und Auswertung bzw. Vorverarbeitung der Daten für die Machine-Learning-Modelle auf eigenen Trainingsservern.
  • EMS: automatisierte Platinen-Kleinserienproduktion samt Serientestung. KIs werden über Nacht entwickelt und Platinen können so innerhalb weniger Stunden produziert werden.
  • Precompliance und Labor: Durchführung von Vortests (z.B. EMV) und Lebensdauertests mit eigenen Simulations- und Testsystemen.

Mitarbeiterzahl:

Anfang 2023: 20 (30 bis Ende des Jahres)

Damit erregte das Start-up Aufmerksamkeit:

  • Embedded Award 2023 in AI mit einer autarken, KI-gestützten Infrarot-Duscherkennung. Mit dieser Lösung konnten sich das Unternehmen gegen die US-amerikanischen Tech-Giganten Amazon Web Services (AWS) und AMD durchsetzen.
  • TOP100 Innovator Award

AITAD entwickelt und produziert Embedded-KI-Lösungen für diverse Branchen und Anwendungsgebiete. Hier gezeigt ist ein typischer Aufbau eines wenige Zentimeter großen Sensorsystems mit Embedded-KI.

©AITAD

Struktur:

  • AITAD wurde im Spätherbst 2018 von Viacheslav Gromov im Technologiepark Offenburg gegründet, der auch heute die Geschicke des Unternehmens als alleiniger Geschäftsführer bestimmt.
  • Das junge Unternehmen arbeitet in autarken Projektteams, Fachteams und Werteteams, um jede Art von Lösungen schnell, agil und disziplinübergreifend zu entwickeln.

Finanzen:

  • AITAD nutzt keine klassischen Start-up-Finanzierungsformen wie Investoren oder Finanzierungsrunden, sondern setzt auf organisches, umsatzbedingtes Wachstum.

Standorte:

Offenburg, Deutschland

Kooperationen/Forschungsprojekte:

  • Partner des Instituts SOCAI der Uni Würzburg bei der Erforschung der normativ-juristischen Einbettung der KI-Regeln.
  • Partner der Halbleiterkonzernen STMicroelectronics und Silicon Labs. AITAD hat damit Zugriff auf die neuesten Rechenbausteinen und (noch unveröffentlichten) Sensoren zur Implementierung KI-basierter Lösungen.

So geht’s weiter:

  • Bis Mitte 2024 Gründung eines Entwicklungsstandorts im Technologiecluster von Lissabon.
  • 2023: Aufbau einer Inhouse-Serienproduktion für hohe Stückzahlen.
  • Forschung zum Einsatz lernfähiger KIs (adaptives Lernen) in Predictive Maintenance-Systemen.

Das steckt hinter Predictive Maintenance von Antriebssträngen mit Embedded-KI:

Mit Hilfe einer eingebetteten KI lassen sich die Geräusche bzw. Vibrationen analysieren, die der Antriebsstrang von Verbrennern und E-Autos emittiert und eine Funktion zur vorausschauenden Wartung implementieren. Die pro Auto erforderliche wenige Euro teure Hardware und das maßgeschneiderte KI-Modell bietet AITAD als Full-stack-Anbieter an.

Die Daten für das Trainieren des Modells sammelt das junge Unternehmen auf einem eigenen Fahrzeugprüfstand und ergänzt diese mit künstlich erzeugten (augmentierten) sowie mit Testfahrzeugen gesammelten Daten.

In einem ersten Schritt wird dazu ein Fahrzeug mit dem zu untersuchenden Power Train mit Sensoren nachgerüstet. In der Regel sind das Schallsensoren zur Aufnahme der Frequenzen vom Körperschall bis hin zu Ultraschall. Bei fehlender Zugänglichkeit im Bauraum kann auf Laser zurückgegriffen werden und über das Time-of-Flight-Verfahren die Vibrationen an den mechanischen Komponenten wie Wellen, Gelenken oder Getriebe erfasst werden. Ist eine E-Maschine Teil des Antriebsstrangs werden bei Bedarf zudem über Hall-Sensorik die Stromverläufe (das Inhaltsrauschen) gemessen. Bei einer grundlegenderen Materialüberwachung ergänzen Dehnungsmessstreifen die Sensorik. Die Datenakquisition, -aufbereitung und -speicherung erfolgt über externe Messtechnik. Ziel ist es immer, mit nur einer Sensorart, in Ausnahmefällen mit zwei fusionierten Messgrößen.

Auf dem Prüfstand werden dann während hunderter Betriebsstunden verschiedene Belastungsszenarien durchlaufen und die auftretenden Daten aufgezeichnet. Gegebenenfalls werden auch gebrauchte Antriebsstrangkomponenten eingebaut, um durch Verschleiß oder sonstige Ursachen hervorgerufene Vibrationen unter sicheren Bedingungen identifizieren und später zum Training der KI entsprechend labeln zu können.

AITAD trainiert seine KI-Modelle mit Daten, die mit einem Antriebsstrang im Neu- und im Gebrauchtzustand gesammelt werden. ©AITDA

Die so gewonnen Daten reichen aber nicht aus, um das neuronale Netzwerk bzw. das KI-Modell genügend trainieren zu können. Die Data Science-Experten von AITAD erweitern daher den Datensatz mit Hilfe von beispielsweise Generative Adversarial Networks um augmentierte Daten. Die Datenmenge wächst so um das 100fache und mehr.

Das mit den gesammelten Daten auf unternehmenseigenen Servern trainierte neuronale Netzwerk wird von AITAD so strukturiert, dass es generalistisch genug bleibt, damit sie auch Problemfälle erkennen kann, die weder auf dem Teststand noch mit Testfahrzeugen abgebildet werden konnten.

Das zu 100% ausgelernte KI-Modell wird abschließend optimiert. durch verschiedenste Tricks mit hohem Knowhow der Hardware ausoptimiert respektive komprimiert. Dadurch verringert sich der Footprint und die benötigte Rechenleistung des Modells. Entsprechend dieser Anforderungen wird dann zuletzt die passende Embedded-Hardware (Platine mit MCU/MPU) für den Einsatz in der Testflotte oder dem Serienfahrzeug von AITAD selektiert, umgesetzt, getestet und produziert. (jr)