Anwendungen Workflow Code Hardware Bibliotheken Ressourcen People First PPP Kontakt → Einstieg
TinyML · Edge AI · ESP32 · Stand Juli 2026

Edge Intelligence.
Direkt auf dem Chip.

Maschinelles Lernen für den ESP32 — von der Spracherkennung über Computer Vision bis zur Anomalieerkennung. Das Ökosystem ist 2026 ausgereifter denn je: stabile Libraries, bewährte Workflows, ESP-IDF 5.4. Alles ohne Cloud, ohne Latenz, mit < 5 mW Verbrauch.

240MHz
Dual-Core CPU
520KB
SRAM
<5mW
Verbrauch
~3€
Einstiegspreis
ESP32-S3 Chip Visualisierung

Echtzeit-Inferenz

Millisekunden-Reaktion ohne Serverrundtrip. Modelle laufen lokal auf dem Chip.

Privacy by Design

Sensordaten verlassen das Gerät niemals. Keine Cloud-Abhängigkeit.

Offline-fähig

Funktioniert ohne Internetverbindung — ideal für industrielle und ländliche Umgebungen.

Batteriebetrieb

Mit Deep-Sleep und TFLite Micro bis zu Jahre aus einer Batterie.

Kompakte Modelle

INT8-quantisierte Netze unter 100 KB — optimiert für Flash und RAM.

Dein erstes Edge-AI Projekt

In 30 Minuten zum laufenden TFLite-Modell auf dem ESP32 — mit PlatformIO (ESP-IDF 5.4), einem Beispieldatensatz und diesem Startercode. Oder buche direkt ein Meeting mit unserem Team.