TinyML für Defense: Quantisierung, Edge-Deploy
Sensor-KI für harte Echtzeit- und Energiegrenzen entwickeln, quantisieren und sicher deployen
Die wichtigsten Themen
Sensor-Features für TinyML bauen
INT8-Quantisierung anwenden
PTQ und QAT gezielt einsetzen
Pruning und Distillation bewerten
TFLite Micro deployen
CMSIS-NN Performance messen
Überblick In diesem Seminar entwickelst du TinyML-Modelle für taktische Sensorik und bringst sie zuverlässig auf Embedded-Hardware. Der Kurs verbindet Machine Learning, Signalverarbeitung und Embedded-Deployment:...
In diesem Seminar entwickelst du TinyML-Modelle für taktische Sensorik und bringst sie zuverlässig auf Embedded-Hardware. Der Kurs verbindet Machine Learning, Signalverarbeitung und Embedded-Deployment: Datenpipelines für Audio-, IMU-, Vibrations- und Radar-Features werden sauber aufgebaut, passende Modellarchitekturen ausgewählt und systematisch auf Latenz, RAM, Flash und Energie optimiert. Wenn Grundlagen im Modelltraining noch gefestigt werden sollen, bietet der Python Machine Learning Grundkurs eine passende Vorbereitung.
Der Schwerpunkt liegt auf belastbarer Modell-Quantisierung für MCU- und Edge-SoC-Targets. Du setzt Post-Training Quantization und Quantization-Aware Training ein, arbeitest mit repräsentativen Kalibrierungsdaten und diagnostizierst Accuracy-Einbrüche, bevor sie im Feldbetrieb teuer werden. Ergänzend behandelt das Training Pruning, Knowledge Distillation, Speicherlayout, TensorFlow Lite Micro, CMSIS-NN und hardwarebezogenes Profiling. Wer danach den Betrieb größerer ML-Lösungen standardisieren möchte, kann mit dem AI-300 Training zu MLOps auf Azure den nächsten Schritt in Richtung Operationalisierung gehen.
Am Ende steht ein durchgängiger Workflow: vom Sensor-Signal über Feature Engineering und Modellkompression bis zur robusten Inferenz unter realen Randbedingungen. Damit eignet sich die TinyML-Schulung für Teams, die Edge-AI nicht nur trainieren, sondern messbar deployen, testen und absichern müssen.
Die Themen Audio-, Vibrations- und IMU-Daten · Radar-Features und Ereignissignale · Latenz-, Energie- und Speichergrenzen · Bandbreite und EMV-Randbedingungen · Edge-AI-Angriffsflächen und Bedrohungen...
Use-Cases taktischer Sensorik
- Audio-, Vibrations- und IMU-Daten
- Radar-Features und Ereignissignale
- Latenz-, Energie- und Speichergrenzen
- Bandbreite und EMV-Randbedingungen
- Edge-AI-Angriffsflächen und Bedrohungen
Datenpipeline und Feature Engineering
- Sampling, Windowing und Overlap
- Labeling-Strategien für Sensordaten
- FFT, Mel-Features und Spektrogramme
- Statistische Features für Zeitreihen
- Datensplits ohne Data Leakage
- Reproduzierbare Experiment-Setups
Modellarchitekturen für TinyML
- 1D-CNNs für Zeitreihen
- Depthwise-Separable CNNs
- Kleine RNN-Architekturen
- Temporal Convolutions
- Accuracy-, Footprint- und Latenz-Trade-offs
- Early-Exit und Modellkaskaden
Quantisierung und Diagnose
- Post-Training Quantization
- Quantization-Aware Training
- INT8-Quantisierung für Edge-Inferenz
- Per-Channel- und Per-Tensor-Quantisierung
- Repräsentative Kalibrierungsdaten
- Diagnose von Quantisierungsfehlern
Kompression und Laufzeitoptimierung
- Structured Pruning für Speed-ups
- Knowledge Distillation für Kleinmodelle
- Speicherlayout und Alignment
- Operator-Fusion und Lookup-Tabellen
- Messbare Laufzeit- und Energiegewinne
Embedded Deployment und Betrieb
- TensorFlow Lite Micro Operatoren
- Memory Arena und Speicherplanung
- CMSIS-NN Kernel-Beschleunigung
- Hardwarebeschleuniger auf Edge-SoCs
- Zykluszeiten, RAM und Flash
- Drift-Erkennung und Re-Calibration
Zielgruppe
- Embedded-Entwicklerinnen und Embedded-Entwickler mit ML-Bezug
- Data Scientists mit Verantwortung für Edge-Deployment
- Systemingenieurinnen und Systemingenieure für Sensorik und Signalverarbeitung
- Security Engineers mit Schwerpunkt Edge-AI und robuste Inferenz
Das lernst du
- Belastbare Datenpipeline für Sensor-Zeitreihen inklusive Feature Engineering
- Sichere Entscheidung zwischen PTQ, QAT und Float-Fallbacks
- Gezielte Diagnose und Behebung von Accuracy-Verlusten nach INT8-Quantisierung
- Bewertung echter Laufzeitgewinne durch Pruning, Distillation und Speicheroptimierung
- Eigenständiges Deployment und Profiling mit TensorFlow Lite Micro und CMSIS-NN
- Robuste Inferenz durch Tests, Drift-Erkennung und Baseline-Härtung absichern
So arbeiten wir
- Kurze Theorieblöcke mit konkreten Entscheidungsregeln
- Hands-on-Übungen zu Quantisierung, Profiling und Debugging
- Gemeinsame Auswertung von Messwerten und Fehlersymptomen
- Fallarbeit an typischen Sensor- und Deployment-Szenarien
- Checklisten für Deployment, Tests und Betrieb
Empfohlene Vorkenntnisse
- Grundkenntnisse in Machine Learning und Modelltraining, etwa Klassifikation
- Basiswissen zu Embedded-Systemen, Speichergrenzen und Laufzeitverhalten
- Erfahrung mit C/C++ oder vergleichbaren Low-Level-Konzepten ist hilfreich
- Python-Kenntnisse für Modelltraining und Experimente, etwa aus dem Python Machine Learning Grundkurs
Dein Fahrplan
Der erste Tag ordnet taktische Sensorik in konkrete technische Randbedingungen ein. Latenz, Energie, Speicher, Bandbreite, EMV-Aspekte und Edge-AI-Angriffsflächen dienen als Leitplanken für Datenpipeline und Modellwahl.
- Anforderungen aus Sensor-Use-Cases ableiten
- Sampling, Windowing und Overlap strukturieren
- Labeling-Strategien und Datenqualität bewerten
- Leakage vermeiden und Splits planen
- FFT-, Spektral- und Statistik-Features erstellen
- Reproduzierbare Baselines aufbauen
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
9:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - praxisnah und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu TinyML für Defense: Quantisierung, Edge-Deploy
Ist die TinyML-Schulung eher ML-lastig oder Embedded-lastig?
Beides ist eng verzahnt. Der Schwerpunkt liegt auf dem Übergang vom trainierten Modell zur lauffähigen Edge-Inferenz: Quantisierung, Speicherplanung, Profiling, Debugging und Deployment-Entscheidungen auf ressourcenbegrenzter Hardware.
Welche Sensordaten werden im Training behandelt?
Das Seminar arbeitet mit übertragbaren Mustern für Zeitreihen und Signale. Diskutiert werden unter anderem Audio, IMU, Vibration und Radar-Features, ohne das Training auf ein einzelnes Sensorsystem festzulegen.
Wie tief geht das Seminar in Security und Robustheit?
Du erhältst praxistaugliche Baselines: Threat Modeling für Edge-AI, Tests gegen Störbedingungen, Drift-Erkennung, Re-Calibration und grundlegende Härtungsmaßnahmen gegen Signalmanipulation.
Wird im Seminar mit TensorFlow Lite Micro und CMSIS-NN gearbeitet?
Ja. TensorFlow Lite Micro wird für das Deployment auf MCU-Targets eingesetzt, CMSIS-NN für die beschleunigte Inferenz auf Arm Cortex-M-basierten Plattformen. Profiling, Memory Arena und Operator-Auswahl gehören zum Trainingsumfang.
Welche Vorkenntnisse sind für TinyML für Defense sinnvoll?
Sinnvoll sind Grundlagen in Machine Learning, Erfahrung mit Sensor- oder Zeitreihendaten und ein technisches Verständnis für Embedded-Systeme. Wer ML-Grundlagen auffrischen möchte, kann vorher den Python mit Tensorflow Grundkurs besuchen.
Geht es um produktiven Betrieb oder nur um Modelloptimierung?
Der Kurs endet nicht bei der Modellkompression. Deployment, Profiling, Teststrategie, Drift-Erkennung und Update-Überlegungen sind Teil des Seminars. Für die spätere Operationalisierung größerer ML-Landschaften passt ergänzend das AI-300 Training: Operationalize machine learning and generative AI solutions.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Passende Schulungen nach dem Kurs
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
