Zum Inhalt springen
MACT.ai

Lösungen

INTELLIGENTE PRODUKTE BAUEN.

Sieben Felder, in denen AI auf die physische Welt trifft. Jedes hat einen definierten Ansatz, belegte Szenarien, einen Technologiesatz und Projekte dahinter.

  • 01

    AI-Produkte

    Produkte mit Intelligenz in der Architektur, nicht nachträglich angebaut.

    Problem

    Die meisten AI-Funktionen kommen spät dazu, also ist das Modell durch bereits getroffene Entscheidungen zu Compute, Latenz und Daten eingeschränkt. Das Ergebnis wirkt wie eine Demo an einem Produkt.

    Ansatz

    Wir entwerfen das Produkt ab dem ersten Architektur-Review um das Modell herum — was wo läuft, was es pro Interaktion kostet, wie es scheitert, und was der Nutzer sieht, während es denkt.

    Belegte Szenarien

    • Sprachgesteuerte Hardware

      Ein Gerät, dessen primäre Schnittstelle Sprache ist. Wake Word und Audioverarbeitung bleiben lokal; Erkennung und Reasoning streamen, sodass die Wiedergabe beim ersten Chunk beginnt. Die Latenz bis zum ersten Audio ist für uns die Produktmetrik.

    • Assistierter Betrieb

      Ein Produkt für Bediener, bei dem das Modell vorschlägt und ein Mensch bestätigt. Das interessante Engineering liegt in der Konfidenzanzeige und im Rückfallpfad, nicht im Modell selbst.

    • Autonome Entscheidungen

      Geschlossene Regelkreise, in denen das Modell ohne Prüfung handelt. Das braucht deterministische Guardrails, einen begrenzten Handlungsraum und einen vollständigen Audit-Trail, bevor irgendetwas ausgeliefert wird.

    Kompetenzen

    • AI-Produktarchitektur
    • Modellauswahl und Evaluation
    • Latenz- und Kostenbudget
    • Interaktionsdesign für probabilistische Systeme

    Technologien

    LLMVLMRAGFine-tuningAI AgentsEval
  • 02

    AIoT

    Vernetzte Geräte, die nach dem Launch klüger werden.

    Problem

    Vernetzte Hardware wird oft ausgeliefert und dann eingefroren. Ohne sichere Updates und echte Telemetrie kann das Produkt nicht besser werden, und Probleme bleiben unsichtbar.

    Ansatz

    Wir bauen Gerät, Cloud und Update-Pfad als ein System, damit sich das Verhalten im Feld verbessern lässt — mit stufenweisem Rollout und einem Weg zurück.

    Belegte Szenarien

    • Überwachung verteilter Anlagen

      Knoten an Standorten mit unzuverlässigem Uplink. Steuer- und Sicherheitslogik laufen lokal; die Cloud setzt die Absicht und beobachtet das Ergebnis, sodass ein Verbindungsverlust das Reporting verschlechtert, nicht den Betrieb.

    • Vernetzte Consumer-Produkte

      Hier entscheidet das Onboarding über die Bindung. Wir gestalten die Provisionierung für Erstnutzer in einem echten Heimnetz, mit Captive-Fallback, wenn das BLE-Pairing scheitert.

    • Flotten mit gemischten Generationen

      Hardware-Revisionen häufen sich. Ein versioniertes Geräteprotokoll ab dem ersten Release lässt drei Generationen eine Flotte, eine Konsole und eine OTA-Pipeline teilen.

    Kompetenzen

    • Geräte- und Cloud-Architektur
    • Flottenverwaltung und Provisionierung
    • Stufenweises OTA mit Rollback
    • Telemetrie und Observability

    Technologien

    MQTTWebSocketOTADevice CloudBLEWi-Fi
  • 03

    Edge AI

    Echte Modelle in echten Leistungs- und Speicherbudgets.

    Problem

    Ein Modell, das auf der Workstation läuft, passt selten auf ein Embedded-Ziel. Quantisierung wird spät versucht, die Genauigkeit fällt, und der Zeitplan trägt die Überraschung.

    Ansatz

    Wir messen Kandidatenmodelle früh auf dem echten Silizium und quantisieren und optimieren erst danach — mit Genauigkeits-Tracking gegen ein festes Evaluationsset.

    Belegte Szenarien

    • Inferenz unter Datenschutzauflagen

      Wenn Daten das Gerät überhaupt nicht verlassen dürfen. Die gesamte Pipeline läuft lokal und nur strukturierte Ergebnisse werden übertragen — das verändert die Wahl des Siliziums, nicht nur die Software.

    • Latenzkritische Regelung

      Inferenz im Regelkreis, wo eine Runde in die Cloud keine Option ist. Wir budgetieren die Worst-Case-Latenz, nicht den Mittelwert, und verifizieren sie unter dauerhafter thermischer Last.

    • Kostenkritische Serienprodukte

      Wenn der Ladenpreis das NPU-Budget setzt. Wir messen nach unten bis zum günstigsten Silizium, das die Anforderung erfüllt, statt vom leistungsfähigsten nach oben.

    Kompetenzen

    • Benchmarks auf dem Ziel
    • Quantisierung und Pruning
    • NPU- und DSP-Deployment
    • Runtime- und Operator-Optimierung

    Technologien

    ONNXTFLiteTensorRTINT8NPURKNN
  • 04

    Computer Vision

    Vom Sensor zur Entscheidung, der ganze Pfad entworfen.

    Problem

    Genauigkeit in der Bildverarbeitung geht meist verloren, bevor das Modell läuft — in Optik, Belichtung, Timing und Bildpipeline, nicht in den Gewichten des Netzes.

    Ansatz

    Wir behandeln Optik, Sensor, ISP-Tuning und Modell als eine Pipeline und validieren sie an Aufnahmen aus der Umgebung, in der das Produkt später wirklich steht.

    Belegte Szenarien

    • Fest installierte Überwachung

      Bekannte Szene, bekannte Montage, unkontrolliertes Licht. Der größte Teil der Genauigkeit entsteht dadurch, Optik und Belichtungsstrategie an echtem Material festzulegen, bevor ein Modell gewählt wird.

    • Bewegungs- und Haltungsanalyse

      Wenn das Signal zeitlich ist, nicht pro Bild. Die Detektion läuft in reduzierter Kadenz, das Tracking hält die Identität zwischen den Inferenzen, sodass bescheidenes Silizium eine stabile Bildrate erreicht.

    • Prüfung und Messung

      Bildverarbeitung als Messmittel. Kalibrierung, Wiederholgenauigkeit und definiertes Fehlerverhalten zählen mehr als die reine Modellgenauigkeit.

    Kompetenzen

    • Auswahl von Optik und Sensor
    • ISP-Tuning und Belichtungsstrategie
    • Detektion, Tracking und Segmentierung
    • Datensatz- und Evaluations-Pipeline

    Technologien

    MIPI CSI-2ISPDetectionTrackingCalibration
  • 05

    Voice AI

    Konversation, die sich auf bescheidener Hardware unmittelbar anfühlt.

    Problem

    Sprachprodukte scheitern an Latenz und an Störgeräuschen. Beides entscheiden das Audio-Frontend und die Streaming-Architektur, lange bevor das Sprachmodell beteiligt ist.

    Ansatz

    Wake Word und Audioverarbeitung bleiben auf dem Gerät; Erkennung, Reasoning und Synthese streamen, sodass die Wiedergabe beim ersten Chunk beginnen kann statt beim letzten.

    Belegte Szenarien

    • Günstige Sprachassistenten

      Wake Word im Speicherbudget eines MCU, Erkennung und Reasoning gestreamt. Die Stückliste wird meist von der Audiokette bestimmt, nicht vom Compute.

    • Freihändige Industrie-Interfaces

      Laute Umgebungen, in denen ein Touchscreen unpraktisch ist. Beamforming und eine begrenzte Befehlsgrammatik schlagen ein generisches Modell bei Genauigkeit und Latenz.

    • Mehrsprachige Geräte

      Ein Produkt, mehrere Märkte. Das Sprachrouting passiert im Gateway, deshalb braucht eine zusätzliche Sprache keinen Firmware-Release.

    Kompetenzen

    • Mikrofonarray und Akustikdesign
    • Wake Word und VAD auf dem Gerät
    • Streaming-ASR, LLM und TTS
    • Barge-in und Turn-Handling

    Technologien

    ESP32Wake WordAECStreaming ASRTTSOpus
  • 06

    Robotik

    Physical AI — Perzeption, Planung und Regelung in einem System.

    Problem

    Robotikprojekte trennen oft Perzeption von Regelung, und die Integrationskosten für das Zusammenführen kommen zum schlechtesten Zeitpunkt im Plan.

    Ansatz

    Wir bauen Perzeption, Planung und Bewegungsstack zusammen, mit deterministischer Echtzeitregelung, die über einen definierten Vertrag von der höheren Intelligenz getrennt ist.

    Belegte Szenarien

    • Manipulation in fester Zelle

      Wiederholbares Pick-and-Place mit visuell geführter Korrektur. Taktzeit und Wiederholgenauigkeit sind die Spezifikation; die Sicherheit wird in Hardware erzwungen.

    • Mobile Autonomie im Innenraum

      Navigation in einem Raum, den Menschen mitbenutzen. Lokalisierung, Hindernisbehandlung und eine Sicherheitsschicht, die den Planer übersteuern kann, sind der Kern der Arbeit.

    • Instrumentenautomatisierung

      Präzisionsbewegung in wissenschaftlichen und optischen Instrumenten, wo Genauigkeit unter einer Bogenminute über lange Sitzungen mehr zählt als Geschwindigkeit.

    Kompetenzen

    • Bewegungsregelung und Kinematik
    • Perzeption und Sensorfusion
    • Echtzeitarchitektur
    • Sicherheit und Fehlerverhalten

    Technologien

    ROS 2RTOSSLAMSensor FusionMotor Control
  • 07

    Smart Devices

    Consumer-Hardware, die den Kontakt mit der Fertigung übersteht.

    Problem

    Ein funktionierender Prototyp ist kein Produkt. Kosten, Yield, Zertifizierung und Werkzeuge formen das Design um, meist nachdem der Termin zugesagt wurde.

    Ansatz

    Wir entwerfen von Anfang an auf Stückliste, Test und Zertifizierungspfad und treiben Prototypen zur Pilotserie, nicht zur Demo.

    Belegte Szenarien

    • Produkte mit Akku zuerst

      Wearables und Mobilgeräte, bei denen der mittlere Strom jede weitere Randbedingung setzt. Ein gemessenes Strombudget in Woche eins macht Feature-Entscheidungen überhaupt möglich.

    • Produkte mit Display und Geräte-UI

      Wenn die Oberfläche am Gerät die Marke trägt. Das Compute wird gemeinsam gegen UI- und Inferenzlast gewählt, vor dem Schaltplan.

    • In Ökosysteme integrierte Produkte

      Matter-, HomeKit- und Alexa-Integration prägen die Funkwahl und den Zertifizierungspfad, deshalb gehört die Entscheidung über das Ökosystem in die Architektur.

    Kompetenzen

    • Produkt- und Mechanikarchitektur
    • BOM- und Kosten-Engineering
    • EMC- und Zertifizierungsreife
    • Pilotserie und Prüfvorrichtungen

    Technologien

    PCBDFMEMCEnclosureTest Fixtures

EINE IDEE?
BAUEN WIR SIE.

mact.ai