Energiediebstahl und Manipulation
Durchflusssignaturen, magnetische Interferenz und Plomben-Bruch-Muster werden am Zähler markiert — kein Warten auf Cloud-Aggregationsfenster.
Edge AI
TinyML auf dem Zähler. Anomalien erkannt, bevor sie zu Vorfällen werden.
Unser Edge AI Modul läuft Anomalieerkennung und prädiktive Kalibrierung direkt auf dem Gerät — Sub-Milliwatt-Energiebudget, kein Cloud-Round-Trip, Entscheidungen in Millisekunden.
Was es erkennt
Kalibrierdrift
On-Device-Quervergleich mit Referenzmustern prognostiziert Drift Wochen, bevor die eichrechtskonforme Toleranz überschritten wird.
Leck-Signaturen (Wasser/Gas)
Kontinuierliche Niedrig-Durchfluss-Muster in erwarteten Null-Durchfluss-Fenstern werden als potenzielle Lecks markiert — Falsch-Positiv-Rate pro Netz abgestimmt.
Technischer Rahmen
- Rechenleistung · ARM Cortex-M33 mit CMSIS-NN, 256 KB SRAM, 1 MB Flash
- Leistung · Sub-mW-Inferenz, 10 Jahre Knopfzellen-Lebensdauer für Sensor-Node-Variante
- Modelle · TFLite-Micro, INT8 quantisiert, kunden-trainierbar über unser Model Studio
- Integration · DLMS Event Push, MQTT Publish, REST Callback — gleiche Protokolloberfläche wie der Rest unserer Hardware
Neugierig, ob es zu Ihrer Flotte passt?
Wir führen einen 30-tägigen Pilot mit Ihren Referenzmustern durch und berichten die False-Positive- / True-Positive-Aufteilung, bevor Sie sich zu etwas verpflichten.
Pilot anfragen