Zum 18. Mal wurden am 21. Juni um 12:00 Uhr auf der Embedded World die begehrten embedded awards verliehen. Die Jury hatte im Vorfeld aus den 55 eingegangenen Bewerbungen 16 ausgewählt und für den Preis nominiert.

Wir stellen die Sieger in den sechs Kategorien auf den folgenden Seiten vor:

• Embedded Vision
• Hardware
• Safety & Security
• Software
• Tools
• Startup

Die Sieger in der Kategorie 'Embedded Vision'

Strahlende Sieger in der der Kategorie Embedded Vision: Christian Verbrugge (links) und Paschalis Pelitaris (rechts), beide GrAI Matter Labs, freuen sich über die Auszeichnung mit dem embedded award 2022. Pokal und Urkunde haben ihnen Yasmine Blair (rechts), Moderatorin von NürnbergMesse, und Prof. Dr.-Ing. Axel Sikora (links), Head of Jury, überreicht.

© Uwe Niklas

GrAI Matter Labs mit dem Life-Ready AI Chip

GrAI Matter Labs (GML) hat eine neuartige Datenfluss-Rechenarchitektur entwickelt, in der sie die Prinzipien biologischer Systeme, speichernaher Rechenleistung und massiv paralleler Kerne kombinieren. Sie nennen sie NeuronFlow. Die Berechnungen innerhalb der NeuronFlow-Architektur sind ereignisbasiert, wobei die Ausführung einer Neuronenoperation nur dann erfolgt, wenn neue Daten an diesem Neuron eintreffen. Neue Daten oder Ereignisse treffen nur dann beim Neuron ein, wenn sich im Vergleich zum vorherigen Zeitpunkt signifikante Änderungen ergeben haben.

GMLs Ansatz der NeuronFlow-Technik ermöglicht es, unnötige Berechnungen zu vermeiden und nur die wichtigsten Aspekte eines tiefen neuronalen Netzwerks auszuführen. GMLs einzigartiges neuromorphes Computing-Paradigma bietet massiv parallele und vollständig programmierbare Sensoranalysen und maschinelles Lernen bei deutlich reduzierter Stromaufnahme. Die programmierbaren Anwendungsprozessoren von GML bieten KI mit maschinellem Lernen für das Internet der Dinge.

Die neue Prozessorgeneration, GrAI VIP, Life-Ready AI Chip, wurde im Vergleich zum Vorgänger in ihrer Kapazität erhöht, so dass sie in der Lage ist, größere Netzwerke wie ResNet-50 zu betreiben, und sie wurde auf einem fortschrittlicheren Prozessknoten gebaut. Darüber hinaus wurden zahlreiche Optimierungen an der Architektur vorgenommen.

Die Sieger in der Kategorie 'Hardware'

Für NXP Semiconductor nahm Brian Carlson (2.v.l.) den embedded award 2022 in der Kategorie Hardware entgegen, überreicht von Peter Ottmann (links), NürnbergMesse, Yasmine Blair (2.v.r.), Moderatorin der Preisverleihung von NürnbergMesse und Prof. Dr.-Ing. Axel Sikora (rechts), Head of Jury.

© Uwe Niklas

NXP Semiconductors mit den S32 RT Real-Time Processors

Die S32 RT-Echtzeitprozessoren von NXP, die auf der 16-nm-FinFET-Prozesstechnik basieren, bieten eine neue Klasse der automobilen Verarbeitung, die die Vorteile des Mikrocontroller-Verhaltens bietet, jedoch mit wesentlich höherer Leistung, Integration und Speichererweiterung. Sie füllen einen Schlüsselverarbeitungsbereich zwischen den S32K-Mikrocontrollern und den S32G-Fahrzeugnetzwerkprozessoren in der S32-Plattform, um die für die Fahrzeugsteuerung, die Domänensteuerung, die zonalen Gateways und die Sicherheitsverarbeitungsanwendungen erforderliche hohe Rechenleistung bereitzustellen.

Die Produktlinie der S32 RT-Echtzeitprozessoren bietet den Automitive-Entwicklern ein skalierbares Preis-/Leistungsverhältnis mit den Serien S32Z2 und S32E2, die ab sofort erhältlich sind.

Die Sieger in der Kategorie 'Safety & Security'

Zu dritt war CodeClinic zur Preisverleihung für den embedded award 2022 erschienen: (v.l.n.r.) Tom Keeble, Isaac Langmead und Neil Langmead, alle von CodeClinic, erhielten die Auszeichnung mit Pokal und Urkunde in der Kategorie Safety & Security aus den Händen von Yasmine Blair (rechts), Moderatorin von NürnbergMesse, und Prof. Dr.-Ing. Axel Sikora (links), Head of Jury.

© Uwe Niklas

CodeClinic mit der Traci Traceability Solution

Traci von CodeClinic ist eine innovative Rückverfolgbarkeitsmatrix, die Lücken in der Entwicklung und in der Verifizierung von Anforderungen identifiziert, wie sie von den meisten traditionellen und neuen Standards wie ISO 22839 und 21434 gefordert werden. Tracis Traceability-Engine umfasst eine einzigartige Multi-Domain-Visualisierung von Lücken, Auswirkungsanalysen, Metriken und Berichte. Die Analyse zeigt die Auswirkungen von Code-Änderungen über alle Domänen hinweg. Das Tool bietet eine einzigartige Analyse der Softwarearchitektur und ihrer Implementierung, um zu zeigen, wie die Anforderungen miteinander verbunden sind. Lücken sind als leere Zellen in der Traceability-Matrix deutlich sichtbar und werden als Verstöße gegen die Compliance gemeldet.

Traci kann in eine CI-DevOps-Pipeline integriert werden, um die Rückverfolgbarkeit zu bewerten und automatisch einen Bericht zu erstellen, der die Konsistenz und Vollständigkeit für die Konformität nachweist.

Die Sieger in der Kategorie 'Software'

Mit einem vierköpfigen Team nahm STMicroelectronics die Auszeichnung für den embedded award 2022 in der Kategorie Software entgegen: (v.l.n.r.) Tarik Souibes, Edouard Dulau, Corinna Babin und Vianney Taufour, umrahmt von Yasmine Blair (rechts), Moderatorin von NürnbergMesse, und Prof. Dr.-Ing. Axel Sikora (links), Head of Jury.

© Uwe Niklas

STMicroelectronics mit dem NanoEdge AI Studio

NanoEdge AI Studio von STMicroelectronics ist ein Generator für Machine-Learning-Bibliotheken, der es jedem Entwickler ermöglicht, von KI-Funktionen zu profitieren, die bisher nur Experten vorbehalten waren. Mit diesem hochmodernen All-in-One-Softwaretool können Entwickler auf einfache Weise eine ML-basierte Applikation für winzige Geräte entwickeln, die auf einem STM32-Mikrocontroller basieren. Das Tool bietet einen integrierten Arbeitsablauf, von der Datenerfassung bis zur Inferenz am Edge, einschließlich des Lernens auf dem Gerät.

In seiner neuesten Version erweitert NanoEdge AI Studio seinen Anwendungsbereich und wird universeller, indem es die Unterstützung von ISPU-MEMS-Sensoren integriert, einschließlich der neuesten ISM330ISN-Smart-Sensoren mit eingebetteter Verarbeitungseinheit. KI-Training und Schlussfolgerungen können nun auf mehrere Geräte verteilt werden, einschließlich einer MCU und eines Sensors mit einer ISPU. Dadurch wird die Stromaufnahme der Anwendung erheblich reduziert. Der ständig eingeschaltete Sensor verwaltet eine erste Erkennungsphase, in der KI mit sehr geringer Stromaufnahme ausgeführt wird, und weckt den Mikrocontroller nur auf, wenn bestimmte Ereignisse erkannt werden, um weitere KI-Analysen durchzuführen.

Die Sieger in der Kategorie 'Tools'

Den embedded award 2022 in der Kategorie Tools erhielt Accemic Technologies. Dr. Alexander Weiss (links), CEO von Accemic Technologies, und Albert Schulz (rechts.) freuen sich über die Auszeichnung mit Pokal und Urkunde.

© Uwe Niklas

Accemic Technologies mit den CEDARtools

CEDARtools von Accemic Technologies ist das erste nicht-intrusive, kontinuierliche Live-Beobachtungswerkzeug für eingebettete Systeme. Das Tool läuft mit freigegebenem Code, ohne ihn zu beeinflussen und misst die Codeabdeckung ohne Instrumentierung selbst auf hohen Funktionstestebenen. Mit ihm lässt sich komplexes Timing-Verhalten messen ohne das System zu beeinflussen. CEDARtools kann den Multi-Gigabit-Trace-Datenstrom verarbeiten, der von den meisten Industriestandard-Prozessoren wie ARM Cortex-A, Infineon Aurix, NXP QorIQ / Layerscape und Intel Atom über serielle Hochgeschwindigkeits-Trace-Schnittstellen erzeugt wird.

Es besteht aus zwei Komponenten:

• der Echtzeitbeobachtung von Prozessoren auf der Grundlage einer FPGA-basierten Live-Trace-Datenverarbeitung und
• nicht-intrusive, kontinuierliche Live-Analyse-Anwendungen bei der Freigabe von Code ohne jegliche Instrumentierung.

Die Sieger in der Kategorie 'Startup'

Vincent Huard (links), CTO von Dolphin Design, freut sich zusammen mit Colin Duggan (rechts), CEO von BG Networks, über die Auszeichnung in der Kategorie Startup und das damit verbundene Media-Budget. Vom dritten Preisträger, A-China Semiconductor war kein Vertreter nach Nürnberg gekommen.

© Uwe Niklas

In der Kategorie Startup wurden alle drei nominierten mit Media-Paketen, gestiftet von WEKA Fachmedien, ausgezeichnet:

1. Media-Paket im Wert von 20.000 Euro: Dolphin Design mit dem Edge AI/ML accelerator (NPU) TinyRAPTOR.
   Tiny RAPTOR von Dolphin Design ein energieeffizientes NPU-IP (Neural Processing Unit) für TinyML-Anwendungen. Die Rechenleistung des Tiny RAPTOR basiert auf Processing Elements (PE) mit einem speziellen Befehlssatz, der ein einzigartiges Near-Memory-Computing ermöglicht. Dieser Ansatz bringt zwei direkte Vorteile mit sich:
    
   • Sowohl das Pre-Processing als auch das Post-Processing von neuronalen Netzen können direkt im Beschleuniger verwaltet werden, ohne dass ein externer Kern erforderlich ist, was im Vergleich zum MAC-Array-Ansatz Software-Flexibilität bietet.
   • Die Wiederverwendung von Daten wird maximiert, da fast keine Datenbewegungen (Near-Memory) vom/zum L2-Speicher in TinyML-Anwendungen erforderlich sind, wodurch auf Systemebene viel Energie eingespart wird.​​​​
      
2. Media-Paket im Wert von 15.000 Euro: BG Networks mit dem Security Automation Tool (BGN-SAT).
   Das BGN-SAT Security Automation Tool von BG Networks hilft Embedded-Software-Ingenieuren, die Sicherheit schnell zu verbessern, die Entwicklungszeit zu verkürzen und die Vorteile der In-Silicon-Sicherheitsfunktionen in ihren IoT-Entwicklungen zu nutzen. Mit dem intuitiv bedienbaren, GUI-basiertes Software-Tool kann ein Sicherheitsprofil definiert werden, das auf die Cybersicherheitsanforderungen eines eingebetteten Geräts abgestimmt ist. BGN-SAT, ergänzt durch die Open-Source-Sicherheitsarchitektur von BG Networks (BGN-ESSA), bietet Embedded-Ingenieuren eine Low-Code-Softwareplattform zur einfachen Entwicklung von Sicherheitskontrollen. Sie können die Grundlage für die Sicherheit einer IoT-Entwicklung bilden, wie z.B. sicheres Booten, Verschlüsselung, Authentifizierung und sichere Software-Updates.
    
3. Media-Paket im Wert von 10.000 Euro: A-China Semiconductor mit dem MCU007, einem 32 bit microcontroller mit PUF-Sicherheitsfunktion.
   Der MCU007 von A-China Semiconductor ist ein 32-bit-Mikrocontroller mit PUF-Sicherheitsfunktion. Die Physical Unclonable Function (PUF) nutzt kleine Unterschiede im Halbleiterfertigungsprozess, die auf natürliche Weise entstehen und unvorhersehbar, nicht klonbar, wirklich zufällig und sehr zuverlässig sind. Ein Konzept vergleichbar dem menschlichen Fingerabdruck. Die Technik eignet sich für Firmware-Schutz, Autoschlüssel, IoT-Authentifizierung, Markenschutz, Lizenzierung, Blockchain-Technik und viele andere Anwendungen mit hohen Sicherheitsanforderungen wie NFT (Non-Fungible Token) oder Kryptowährungen. Gerätehersteller können den MCU007 für neue Produktentwicklung einsetzen und die PUF-ID verwenden, um ihre Firmware zu schützen. So können sie vermeiden, dass ihre Entwicklung kopiert werden kann.