Trainieren statt programmieren
Firmware-Entwicklungen sind aufwändig. Neue Anforderungen erzeugen meist einen weiteren Entwicklungszyklus.
SSV geht einen neuen Weg: Zwischen Ein- und Ausgang wird ein Machine-Learning-(ML-)Algorithmus geschaltet und trainiert. Dabei entsteht ein ML-Modell, das durch ein erneutes Training jederzeit änderbar ist. Auf der Embedded World zeigt das Unternehmen mit dem DNP/AISS1 ein Starterkit mit Sensoren und vorinstallierten ML-Algorithmen. Dies erlaubt z.B. per Klassifizierung oder Regression die Gewinnung werthaltiger Informationen aus Sensordaten. Ein Docker-Container enthält alle dazu nötigen Werkzeuge. Des Weiteren wird ein regelmäßiges Webinar, in dem Machine-Learning-Beispiele mit Sensorrohdaten für Predictive-Maintenance-Anwendungen demonstriert, geboten.