Übersicht mit KI

Viele Unternehmen haben Schwierigkeiten, KI-Modelle für Embedded- und Edge-Hardware zu entwickeln. Deshalb nutzen Entwickler oft frei verfügbare Modelle, die auf der Zielhardware jedoch häufig nicht effizient oder zufriedenstellend laufen. Mit der Neural Architecture Search Engine NASE-HIL präsentieren das Fraunhofer ITWM und die RPTU Kaiserslautern einen neuen Ansatz für hardware-optimierte KI. Hinweis: Die Audioaufnahme zum Beitrag wurde KI-generiert und vom tedo Verlag bereitgestellt.

* Diese Inhalte wurden mithilfe von Künstlicher Intelligenz erstellt und können Fehler enthalten.

TOPSTORY

Designassistenz für hardwareoptimierte KI

KI & Deep Learning

00:00

Sorry, no results.

Please try another keyword

Dominik Loroch und Dr. Vladimir Rybalkin (RPTU) stellen am Gemeinschaftsstand der Fraunhofer-Gesellschaft unser KI-System »Neural Architecture Search for Embedded Applications (NASE) mit Hardware in the Loop« vor. Im Bild ein Ausschnitt des Demonstrators. – Bild: Fraunhofer- Institut Techno- und

Die Entwicklung von KI-Modellen für Embedded- und Edge-Plattformen stellt viele Unternehmen vor Herausforderungen. In der Praxis greifen Entwickler daher häufig auf frei verfügbare KI-Modelle zurück, mit dem Ergebnis, dass diese auf der Zielhardware oft nicht zufriedenstellend funktionieren. Mit der Software ‚Neural Architecture Search Engine‘ (NASE-HiL) stellt das Fraunhofer ITWM zusammen mit der RPTU Kaiserslautern einen neuen Ansatz vor.

Weitere Information

28. April 2026

KI & Deep Learning inVISION News 16 2026

Fraunhofer- Institut Techno- und

Zur Firmenwebsite