Aanleiding

Edge AI maakt het mogelijk om beslissingen en classificaties lokaal in een embedded product uit te voeren, dicht bij de sensoren en zonder dat continue cloudverwerking noodzakelijk is. Voor Betronic is nog niet duidelijk in welke markten en producttypen deze technologie aantoonbare meerwaarde biedt. Daarom zoeken wij een afstudeerder die mogelijke toepassingen onderzoekt, een kansrijke use-case selecteert en deze technisch valideert op resource-beperkte embedded hardware.

Kern van de opdracht: Je combineert markt- en use-caseonderzoek met embedded softwareontwikkeling. De AI-inferentie moet in de uiteindelijke PoC op het product zelf draaien, op een microcontroller of vergelijkbaar resource-beperkt platform.

Doelstelling en centrale onderzoeksvraag

Het doel is om vast te stellen waar Edge AI relevant kan zijn binnen embedded producten voor markten waarin Betronic actief is, en om deze relevantie te onderbouwen met een werkende technische PoC.

“Welke Edge AI-toepassingen bieden de meeste toegevoegde waarde binnen relevante markten en embedded producttypen van Betronic, en hoe kan één geselecteerde toepassing technisch worden gerealiseerd en gevalideerd op resource-beperkte embedded hardware”

De opdracht

1  Verkenning en marktanalyse

Analyseer relevante marktsegmenten en embedded producttypen. Onderzoek ontwikkelingen, klantbehoeften, bestaande oplossingen en randvoorwaarden. Verzamel input via literatuur, marktbronnen en interviews met technische en commerciële stakeholders.

2  Use-case selectie

Definieer en vergelijk productgerichte use-cases, bijvoorbeeld sensorclassificatie, lokale anomaliedetectie, context- of toestandsherkenning, adaptieve regeling of sensorfusie. Selecteer een use-case met een transparant beoordelingsmodel voor klantwaarde, technische haalbaarheid, energiegebruik, privacy, databehoefte en schaalbaarheid.

3  Architectuur, realisatie en validatie

Ontwerp en realiseer een embedded Edge AI PoC. Onderbouw keuzes voor sensoren, modeltype, runtime en softwarearchitectuur. Valideer de oplossing met meetbare criteria zoals nauwkeurigheid, latency, RAM/Flash-gebruik, energieverbruik en robuustheid.

Technisch kader

De opdracht richt zich nadrukkelijk op AI-functionaliteit ín het embedded product. De student ontwikkelt daarom meer dan een applicatiedemo of koppeling tussen bestaande diensten. Het beroepsproduct bevat een zelfstandig ontworpen technische oplossing, inclusief firmware/softwarearchitectuur, modelintegratie, data-acquisitie en een reproduceerbare test- en meetopzet.

Mogelijke technische thema’s

·         TinyML en modeloptimalisatie

·         Sensor fusion en lokale classificatie

·         Real-time inferentie en taakplanning

·         Geheugen- en energieoptimalisatie

·         Embedded AI runtime en hardware-acceleratie

Voorbeelden van product-use-cases

·         Context- of toestandsherkenning in een sensorproduct

·         Lokale afwijkingsdetectie in een connected device

·         Adaptieve regeling voor verlichting, HVAC of energie

·         Classificatie met radar, audio, beweging of omgevingssensoren

·         Slimme sensor-node die alleen relevante events communiceert

Alternatief pad

Wanneer uit de analyse blijkt dat er op dit moment geen voldoende sterke Betronic-use-case kan worden onderbouwd, vervalt het technische deel niet. In dat geval ontwikkelt de student een generieke Embedded Edge AI PoC rond een representatieve product-use-case. Deze PoC gebruikt openbare, synthetische of gesimuleerde sensordata en maakt het mogelijk om modellen en platformkeuzes reproduceerbaar te vergelijken. Ook in dit scenario draait de inferentie lokaal op embedded hardware en worden prestaties met dezelfde technische criteria gevalideerd.

Beoogde resultaten

ONDERZOEK

Markt- en technologieanalyse, use-caseportfolio, selectiecriteria en onderbouwd advies.

BEROEPSPRODUCT

Werkende embedded Edge AI PoC met broncode, architectuur en testopzet.

VALIDATIE & DEMO

Meetrapport en live demonstratie op echte hardware.

Wie zoeken wij?

· Een afstudeerder Technische Informatica, Embedded Systems of een vergelijkbare hbo-opleiding.

· Interesse in microcontrollers, sensortechnologie en machine learning.

· Het vermogen om onderzoek, architectuurkeuzes, implementatie en experimentele validatie te combineren.

· Een zelfstandige, analytische werkwijze en heldere technische verslaglegging.