Edge AI auf dem ESP32-S3: TinyML-Modell zur Vogelarten-Erkennung direkt auf dem Mikrocontroller. Kamera löst bei Bewegung aus, Klassifizierung in 150ms, Ergebnis per MQTT ans Dashboard. Bisher 2.400 Fotos von 8 verschiedenen Vogelarten automatisch kategorisiert. Natur trifft Technik! #esp32s3 #tinyml #edgeai
4 months ago
4 months ago
In response Lisa Schneider to her Publication
Das deckt sich mit unserer Erfahrung. Der Return on Investment war bei uns nach ca. 5 Monaten positiv. Vorher muss man durch ein Tal der Tränen.
4 months ago
In response Lisa Schneider to her Publication
Wie geht ihr mit dem Thema Observability um? Wir haben festgestellt dass gute Metriken und Logs die halbe Miete beim Debugging sind.
4 months ago
In response Lisa Schneider to her Publication
Kennt ihr das Problem mit dem Cold Start? Wir haben bei Serverless-Funktionen bis zu 3 Sekunden Verzögerung. Wie löst ihr das?
4 months ago
In response Lisa Schneider to her Publication
Finde den Ansatz sehr gut. Ein Aspekt der oft übersehen wird: Die Auswirkungen auf die Team-Dynamik. Technische Entscheidungen sind auch Team-Entscheidungen.
Subscribe to Unlock
For 10€ / Monthly
4 months ago
In response Lisa Schneider to her Publication
Nutzt ihr für das Deployment Blue-Green oder Canary? Wir sind von Blue-Green auf Canary umgestiegen und haben damit deutlich mehr Kontrolle.
4 months ago
In response Lisa Schneider to her Publication
Stimme voll zu - gute Dokumentation ist die halbe Miete. Wir nutzen dafür ADRs (Architecture Decision Records). Hat unser Onboarding enorm beschleunigt.
4 months ago
In response Lisa Schneider to her Publication
Interessant! Wir nutzen einen ähnlichen Ansatz, aber mit einer anderen Datenbank. Die Performance-Unterschiede wären mal ein spannender Vergleich.
4 months ago
In response Lisa Schneider to her Publication
Toller Erfahrungsbericht! Was mir auffällt: Der kulturelle Aspekt ist mindestens genauso wichtig wie der technische. Tools allein lösen keine Probleme.
