Weniger Aufwand, geringeres Risiko
Automatisiert vom KI-Modell zum Seriencode
Mit dem Neural Net Coder vereinfacht dSpace die Integration neuronaler Netze in Embedded-Systeme und beschleunigt so den Weg von KI-Modellen in den Serieneinsatz. Die Lösung generiert aus trainierten KI-Modellen automatisch serienreifen C Code – unabhängig von der Entwicklungsumgebung.
Für Entwicklungsabteilungen bedeutet die neue Lösung geringeren Aufwand und früheres Feedback während eines Projekts. Statt aufwändiger manueller Implementierung erhalten sie sofort einsetzbaren, deterministischen Code mit vorhersehbarem Laufzeitverhalten, der beispielsweise den MISRA-Vorgaben entspricht – ein entscheidender Vorteil für sicherheitskritische Anwendungen auf ressourcenbeschränkten Steuergeräten.
Automatisch generierter C-Code
Entwickler profitieren von automatisch generiertem, deterministischem und standardkonformem C-Code, dessen Laufzeit- und Ressourceneffizienz ohne erneutes Training optimiert wird. Ein weiterer Mehrwert liegt in der integrierten Verifikation. Durch automatische Back-to-back-Tests wird sichergestellt, dass der generierte Code funktional dem ursprünglichen neuronalen Netz entspricht. Das schafft Transparenz und Vertrauen, gerade in sicherheitsrelevanten Entwicklungsprozessen.
Zusätzlich reduziert die Post-Training-Optimierung den Speicher- und Rechenbedarf, ohne dass das Modell neu trainiert werden muss. Entwickler können damit gezielt zwischen Performance, Ressourcenverbrauch und Modellgenauigkeit abwägen und ihre Anwendungen schneller für unterschiedliche Zielhardware anpassen.
Einfachere Integration
Auch das Risiko späterer Integrationsprobleme sinkt deutlich: Der Neural Net Coder ermöglicht bereits früh im Entwicklungsprozess eine Abschätzung von Laufzeit und Speicherbedarf. Das verkürzt Iterationsschleifen und reduziert Aufwände und Projektlaufzeiten von KI-Projekten.
Typische Einsatzfelder sind virtuelle Sensoren, etwa zur Bestimmung von Batteriezuständen oder anderen schwer messbaren Größen. Hier unterstützt der Neural Net Coder den zuverlässigen Einsatz von KI unter Echtzeit- und Sicherheitsanforderungen.
»Durch die flexible Integration in bestehende code-basierte Toolchains, aber auch in modellbasierte Entwicklungsumgebungen wie dSpace TargetLink fügt sich die Lösung nahtlos in etablierte Workflows ein und hilft, KI schneller, effizienter und sicher in Embedded-Anwendungen zu bringen«, betont Sören Grannemann, Produktmanager Code Generation bei dSpace.
