- AI
- Industries
- Edge Computing
AI‑gestützte industrielle HMIs entwickeln
Architekturüberlegungen und ein modularer Weg nach vorn

Maschinenbediener in der Fertigung interagieren mit komplexen Maschinen über Touchscreens, Dashboards und Displays, die sich an Sicherheitsanforderungen und Produktionsziele anpassen müssen. Gleichzeitig kämpfen Werke mit Personalmangel, ehrgeizigen Produktivitätszielen und erhöhten Sicherheitsbedenken.
AI‑gestützte Mensch-Maschine-Schnittstellen (HMIs) können einzelne Bediener erkennen, Arbeitsabläufe straffen, menschliche Fehler reduzieren und Zugriffsrichtlinien durchsetzen. Beispielsweise kann ein personalisierter Benutzerzugriff per Gesichtserkennung berechtigte Bediener über eine Kamera identifizieren, bevor der Zugriff auf Geräte oder Dokumentation gewährt wird. Das verringert das Risiko unbefugter Interaktionen und stellt sicher, dass nur geschultes Personal kritische Maschinen bedient.
Diese AI‑gestützte Funktion ist ein schrittweises Upgrade bestehender HMI-Architekturen und eröffnet OEMs und Systemintegratoren einen Weg zu Industrie-HMI-Produktportfolios nach dem Good-Better-Best-Prinzip.
Um den besten Ansatz für den Entwurf eines solchen Portfolios zu verstehen, muss zunächst die grundlegende Architektur und Komponentenstruktur eines typischen industriellen HMI definiert werden.
Architektur eines Standard-Industrie-HMI & AI-Erweiterung
Ein herkömmliches industrielles HMI ist ein komplexes System, das in der Regel ein eingebettetes Betriebssystem (etwa Linux oder Windows) ausführt, über serielle Schnittstellen oder Ethernet mit speicherprogrammierbaren Steuerungen (PLCs) und Sensoren kommuniziert und Bedienoberflächen darstellt, die mit einem HMI/SCADA-Tool erstellt wurden.
Zur Unterstützung dieser Funktionalität umfasst ein industrielles Standard-HMI mindestens die folgenden Komponenten:
- Ein Display (häufig zwischen 7" und 15") mit Touchscreen
- Ein Embedded-Prozessor, Arbeitsspeicher und Massenspeicher
- Eine Reihe von Schnittstellen für Feldbus- und Ethernet-Konnektivität
- Ein robustes Gehäuse für den Betrieb in Industrieumgebungen mit einer Schutzart (IP-Klasse)
Die Erweiterung der herkömmlichen HMI-Architektur um AI-Funktionen erfordert zusätzliche Ressourcen. Gesichtserkennung beispielsweise basiert auf Convolutional Neural Networks, die darauf trainiert sind, Gesichtsmerkmale zu codieren. Für diese Aufgaben stehen "schlanke" Modelle wie FaceNet oder YOLOv3Face zur Verfügung, die sich mit OpenCV und LiteRT (TensorFlow Lite) ausführen lassen, um die Inferenz auf CPU- und NPU-Hardware (Neural Processing Unit) zu optimieren.
In puncto Leistung erfordert eine reibungslose Nutzererfahrung bei der Gesichtserkennung geringe Latenz und minimalen Speicher-Overhead. Die Modelle können zwar schlank sein (sie benötigen etwa 1 MB RAM), doch es kann mindestens 1 GB Systemspeicher nötig sein, um mehrere Prozesse und die sichere Speicherung biometrischer Templates zu ermöglichen.
Benchmarks einer Beispielanwendung im SECO App Hub zeigen, dass die Inferenz auf einer dedizierten NPU eine Latenz von rund 36 ms erreicht, während die reine CPU-Ausführung 440 ms überschreiten kann. Offensichtlich eignen sich manche Display-Computer besser für AI-Workloads als andere. Eine diskrete oder integrierte NPU oder GPU (Graphics Processing Unit) kann daher helfen, Echtzeitleistung zu liefern, ohne die CPU zu überlasten.
Natürlich sind auch zusätzliche Komponenten erforderlich, die in unserer herkömmlichen HMI-Architektur nicht aufgeführt sind, damit diese AI-Anwendung Realität werden kann. Dazu gehören:
- Kameramodul mit ausreichender Auflösung und Objektivschärfe sowie Infrarot-Fähigkeit (IR) für schwache Lichtverhältnisse. Die Kamera ist im Displayrahmen montiert und über MIPI-CSI oder einen USB-Port angebunden
- Edge-AI-Beschleunigung mit einem Prozessor mit integrierter NPU, GPU oder VPU (Vision Processing Unit), um Inferenz-Workloads auszulagern
- ≥4 GB RAM und 16 GB eMMC für Betriebssystem, AI-Modell und Anwendungssoftware
- Hardware Root of Trust, Secure Boot und Verschlüsselung, um Gesichts-Templates zu schützen und Bediener zu authentifizieren
Designansätze für AI-fähige industrielle Display-Computer
Anbieter von Automatisierungstechnik, die industrielle HMI-Produktlinien liefern, können nun Portfolios in Betracht ziehen, die zum Beispiel aus einem herkömmlichen HMI, einem HMI mit personalisiertem Benutzerzugriff und fortschrittlicheren Versionen mit Funktionen wie der Bedienerwarnung bestehen.
Engineering-Teams, die solche Portfolios realisieren möchten, stehen mehrere Designansätze zur Verfügung. Zu den häufigsten zählen ein monolithisches Design oder ein modularer Architekturansatz:
- Monolithische Designs schneiden für den herkömmlichen Einsatz, den personalisierten Zugriff und die fortgeschrittenen AI-Anwendungsfälle jeweils eigene HMIs zu. Jedes Modell der Produktfamilie nutzt einen dedizierten Prozessor und eine eigene Hardwarekonfiguration, um die Leistung für die Zielanwendung zu optimieren. Die parallele Pflege mehrerer Designs erhöht jedoch die Entwicklungskosten und die Komplexität der Lieferkette.
- Modulare Architekturen stützen sich auf Computer-on-Module-Standards (COM), die Formfaktoren und Pinbelegungen von handelsüblichen Rechenmodulen festlegen, die auf ein Carrier Board gesteckt werden. Dieses Carrier Board stellt alle von der Zielanwendung benötigten Schnittstellen bereit (Ethernet, USB, serielle Ports, Kamera, Display usw.), sodass Entwickler mit einer einzigen Kombination aus Display und Gehäuse beginnen und dann aus einer Reihe von COMs wählen können, um von CPU-Einstiegsmodulen (einfache HMIs) bis zu High-End-AI-Prozessormodulen (AI-HMIs) zu skalieren.
Durch die Trennung der eingebetteten Rechenkernschaltung von der I/O-Baseboard ermöglicht die Architektur der Produktfamilie Modular Vision HMI von SECO Prozessor-Upgrades, ohne das gesamte HMI neu zu entwerfen. Das bietet nicht nur einen Upgrade-Pfad von kostengünstigen Modellen zu AI-Produkten, sondern Computer-on-Module-Standards wie die Smart Mobility ARChitecture (SMARC) verkürzen zudem die Time-to-Market und senken das Risiko bei der Prozessorauswahl, da dasselbe Carrier Board Arm- oder x86-Rechenmodule aufnehmen kann.
Modular Vision: Ein flexibler Ansatz für AI-fähige HMIs
SECO nutzt ein auf SMARC basierendes Modular-Vision-Konzept, um HMI-Displaygrößen, Prozessoren der Display-Computer und die Anforderungen von AI- und Nicht-AI-Anwendungen aufeinander abzustimmen. Die folgende Tabelle vergleicht drei modulare HMI-Modelle anhand zentraler Kennzahlen wie Displaygröße, AI-Genauigkeit und -Latenz, Umgebungsverträglichkeit und Kosten.
| Modular-Vision-SKU | Displaygröße (Zoll) | Prozessor | AI-Leistung (personalisierter Zugriff) | Umgebungsverträglichkeit | Kosten |
|---|---|---|---|---|---|
| Modular Vision 7 MX 93 | 7 | NXP i.MX93 (dual A55 mit U‑65 NPU) | Mittlere Genauigkeit, ~150-200 ms aufgrund des Ethos U‑65; geeignet für einfache Gesichtsauthentifizierung; begrenzte Personenzahl pro Sekunde. | IP65 Front; 0 °C bis 60 °C; 50 k Stunden Backlight; 3 mm Glas | Niedrig -- Einstiegspreis |
| Modular Vision 10.1 MX 8M-Plus | 10.1 | NXP i.MX 8M Plus (quad A53 mit 2.3 TOPS NPU) | Hohe Genauigkeit, Echtzeit-Latenz (~36 ms) mit NPU; unterstützt mehrere Gesichter und Sprachbefehle. | IP65 Front; 0 °C bis 60 °C; 50 k Stunden Backlight; 3 mm Glas | Mittel -- ausgewogenes Verhältnis von Kosten und Leistung |
| Modular Vision 15.6 ASL | 15.6 | Intel Atom x7000RE (2/4/8 Kerne mit UHD Graphics) | Sehr hohe Genauigkeit mit CPU mit VNNI-Befehlen und integrierter Grafik; skalierbar bis zur Mehrgesichtserkennung; die Latenz hängt von der Kernzahl ab (12-25 ms/20-40 ms/35-70 ms). | IP65 Front; 0 °C bis 60 °C; 50 k Stunden Backlight; 3 mm Glas | Hoch -- Premium-Leistung und -Funktionen |
Jedes der oben genannten Modular-Vision-Produkte nutzt dieselbe Baseboard und dieselben Display-Optionen, tauscht jedoch das Rechenmodul entsprechend den Leistungsanforderungen der Anwendung aus. OEMs können mit dem Einstiegsmodell mit 7" für einfache HMIs beginnen und später auf die Varianten mit 10.1" oder 15.6" umsteigen oder wenn sie erweiterte AI-Funktionen ergänzen.
Entwicklung mit Modular Vision
Mit einer auf SMARC basierenden Modular-Vision-Architektur können Maschinenbauer eine skalierbare HMI-Familie nutzen, die dasselbe mechanische Design, dieselben Steckverbinder und dieselbe Softwareumgebung teilt. Und wenn neue Prozessoren oder Speicherkonfigurationen eingeführt werden, können sie ein Upgrade durchführen, ohne das gesamte Gehäuse erneut auf Umwelt- oder Sicherheitskonformität zertifizieren zu müssen. In Kombination mit einer modernen Linux-Distribution wie Clea OS bietet das System Remote-Geräteverwaltung, sichere Updates und die Integration industrieller IoT-Protokolle. Anwendungsentwickler können vorgefertigte AI-Apps, etwa die Gesichtserkennungs-App im SECO App Hub, mit TensorFlow Lite, OpenCV oder PyTorch bereitstellen und können darauf vertrauen, dass ihre Algorithmen auf SMARC-Modulen mit Arm und x86 laufen, mit nur geringfügigen Anpassungen der Leistungsparameter.
Die oben hervorgehobenen Modelle zeigen, wie sich Bildschirmgröße, Rechenleistung und Kosten aufeinander abstimmen lassen, um unterschiedliche AI-fähige Anwendungsfälle und Produktlinien zu unterstützen. Mit robusten Gehäusen, industrietauglichen Displays und standardisierten Schnittstellen, die von SECO als Standardprodukt oder kundenspezifisch erhältlich sind, lassen sich diese Systeme in großem Maßstab fertigen und einsetzen, um AI an den Rand der Produktionslinie zu bringen.
Haben Sie eine industrielle Anwendung für ein HMI? Kontaktieren Sie SECO, um zu besprechen, wie Modular Vision, Clea OS und AI-Algorithmen Ihre aktuellen Produktanforderungen erfüllen können.
Abonnieren Sie den SECO Newsletter.
Melden Sie sich mit Ihrer E-Mail-Adresse auf seco.com an.




