BENGALURU / LONDON (IT BOLTWISE) – Die indische Startup-Firma HrdWyr entwickelt KI-native System-on-Chips mit Fokus auf Power- und Batterie-Management. Das Unternehmen verknüpft KI, Echtzeit-Regelung, Signalverarbeitung und Datenbewegung in einem integrierten Mixed-Signal-Design. Mit einem abgeschlossenen $13-Millionen-Series-A-Rundenstart beschleunigt HrdWyr nun die Entwicklung und die Zusammenarbeit mit Kunden. Im Kern soll ein agentisches KI-Stack über Reinforcement Learning adaptive Entscheidungen innerhalb eines Sicherheitsrahmens ermöglichen.
Wer KI heute in eingebettete Systeme bringen will, stößt schnell an Grenzen: Klassische SoCs bauen KI-Fähigkeiten häufig nachträglich ein, indem sie einen ML-Accelerator neben eine etablierte CPU-Umgebung setzen. HrdWyr argumentiert genau dagegen und sieht die eigentliche Herausforderung weniger in der Auswahl eines Modells als in der Architektur, die KI, Regelungstechnik und Datenfluss von Beginn an zusammenführt. Im Ergebnis soll Künstliche Intelligenz nicht nur rechnen, sondern auch dort adaptieren, wo Systeme physikalische Zustände laufend erfassen, beurteilen und steuern müssen.
Das 2023 in Bengaluru gegründete fabless Unternehmen adressiert zunächst Anwendungen für Power- und Batterie-Management, bevor die Technologie später auf Motorsteuerung ausgeweitet wird. Laut Unternehmensangaben schloss HrdWyr im Mai 2026 eine Series A über 13 Millionen US-Dollar ab; die Runde wurde von Ideaspring Capital angeführt, beteiligt waren zudem Singularity AMC, Avatar Growth Capital sowie Persistent Systems. Für Produktteams ist das insofern relevant, als der typische SoC-Entwicklungsweg stark von Prozessrisiken, Testaufwand und der Verfügbarkeit von Packaging- und Board-Ressourcen abhängt. HrdWyr beschreibt zudem, dass das erste Chip-Design bereits „tape-out“-fertig ist und sich derzeit in der Board-Entwicklungsphase befindet, während gepackte Siliziumbausteine vom OSAT-Partner Tata Electronics erwartet werden.
Technisch stellt das Startup seinen Ansatz unter das interne Framework „True Edge Autonomy (TEA)“. Kernidee: Deterministische Funktionen sollen weiterhin auf vorhersehbaren Hardwarepfaden laufen, während agentische KI-Elemente Adaptationen, Optimierungen und Diagnosen übernehmen. Dafür nutzt HrdWyr einen agentischen KI-Stack auf Basis von Reinforcement Learning, um die Leistungsfähigkeit der AI-SoCs langfristig auszuschöpfen. In der Praxis bedeutet das, dass die KI nicht nur einmalig trainierte Vorhersagen liefert, sondern Trade-offs fortlaufend neu austarieren kann – etwa bei der Frage, wie schnell geladen werden soll, ohne die Batterielaufzeit unnötig zu verkürzen. Gleichzeitig betont das Unternehmen, dass der Ansatz keine klassischen Sicherheitsmechanismen ersetzt: Reinforcement Learning arbeite innerhalb eines verifizierten Sicherheitsrahmens, während Standard-Schutzschaltungen und deterministische Steueranteile weiterhin Safety-Critical-Funktionen übernehmen.
Die Architektur selbst soll laut CEO Sivakumar Ramamurthy in mehreren Schichten Differenzierung bringen. Erstens sieht HrdWyr Systemintegration als ersten Hebel: Statt Funktionen wie separate Battery-Charger-ICs, Fuel-Gauges und Mikrocontroller über mehrere Bausteine zu verteilen, integriert der Chip mehrere dieser Aufgaben in einem gemischt-signaligen SoC. Dazu kommen analoge Fähigkeiten, die in den von HrdWyr genannten Vergleichsprodukten nicht verfügbar seien. Für Systemdesigner leiten sich daraus konkrete Effekte ab, die man in der Entwicklungstechnik oft unmittelbar messen kann: niedrigere Control-Loop-Latenz, weniger CPU-Auslastung, reduzierte Datenbewegung und ein insgesamt geringerer Stromverbrauch. Zweitens richtet sich die Argumentation auf den AI Engine-Teil, der auf die initialen Zielanwendungen in Batterie- und Power-Management optimiert ist, weil sich dort Parameter mit Temperatur, Batteriealter, Last und Nutzerverhalten ändern.
Dieser Lebenszyklus-Ansatz ist auch ein Marktargument. Fest verdrahtete Regeln oder statische Lookup-Tabellen können in dynamischen Betriebsbereichen an Genauigkeit verlieren, sobald sich reale Randbedingungen über die Zeit verschieben. Reinforcement Learning soll hier helfen, indem es an der Realität „dranbleibt“ und statt nur auf vorab definierte Schwellwerte zu setzen, den langfristigen Nutzen verschiedener Handlungsoptionen bewertet. Für die Batterieanwendung zielt das Startup darauf, Lade- und Leistungsprofile an tatsächliche Nutzungsdaten anzupassen, statt ausschließlich auf konservative Faustregeln zu vertrauen. Gleichzeitig adressiert HrdWyr die physische Realität der Hardware: Das Unternehmen bezeichnet das Design als stark gemischt-signalig, integriert umfangreiche digitale und substanzielle analoge Schaltungen auf demselben Silizium und nutzt dabei denselben Fertigungsprozess. Die zentrale Ingenieursarbeit liege demnach weniger im KI-Algorithmus selbst als in der Integration mehrerer komplexer IP-Blöcke zu einem herstellbaren SoC sowie im aufwendigen Transfer in ein GDSII-Datenmodell für die Fertigung.
Damit wird die zweite Hälfte der „KI-native“-Behauptung greifbar: Software, Tooling und Workload-Verteilung. HrdWyr baut eine eigene Software-Stack-Schicht, um mehrere Verarbeitungselemente für Systemdesigner nutzbar zu machen. Ein Compiler soll Workloads über CPU, Control-, Math- und AI-Engines verteilen; die SDK liefert optimierte Bibliotheken und Referenzanwendungen, während ein Runtime-System Scheduling, Synchronisierung und Datenbewegung übernimmt. Ergänzend entwickelt das Unternehmen Tools für Profiling, Debugging, Simulation und Model Deployment. Aus Engineering-Sicht ist das entscheidend, weil der Nutzen eines spezialisierten SoC sonst schnell im Integrationsaufwand untergeht: Je stärker KI und deterministische Steuerung gekoppelt sind, desto wichtiger wird ein konsistenter Softwarepfad, der zwischen Modellen, Timing-Anforderungen und Datenpfaden vermittelt.
Als erstes Produktportfolio nennt HrdWyr die „Indus“-Familie: Den Anfang macht ein Power- und Battery-Management-IC für True Wireless Stereo (TWS)-Headsets, mit Ausrichtung auf Geräte, die über Single-Cell-Lithium-Ionen-Batterien versorgt werden. Ein zweites Familienmitglied befindet sich laut CEO Sivakumar unter Entwicklung und soll für BLDC-Motorsteuerung (Brushless DC) ausgelegt werden. Für den Markteinstieg nennt das Startup boAt als ersten Kunden; die Kundenkontakte sollen etwa zur Hälfte in Indien und zur Hälfte in Übersee liegen, wobei das Unternehmen die übrigen Kunden nicht benannte. In der Wettbewerbslandschaft positioniert sich HrdWyr gegen eher generalistisch gehaltene Plattformen etablierter Anbieter wie Texas Instruments, NXP, Renesas, Qualcomm und Nordic Semiconductor. Der entscheidende Unterschied wird dabei nicht als Ersatz deterministischer Steuerverfahren beschrieben, sondern als „adaptive intelligence“ obendrauf – und zwar so, dass KI lokal arbeiten kann, wenn physische Sensorik und Echtzeitregelung zusammenkommen.
Über die konkrete Hardware hinaus beschreibt HrdWyr eine längerfristige Verschiebung: vom screenbasierten, datengetriebenen KI-Betrieb im Rechenzentrum hin zu „physical AI“, bei der Systeme vor Ort wahrnehmen, entscheiden und reagieren müssen. Für solche Szenarien wird aus Sicht des CEO auch die Auswahl des Marktes zu einem technischen Risiko: Wer einen Markt zu spät anspricht, könnte an den eigenen Produktfahrplan gebunden sein, während die Nachfrage längst weitergelaufen ist. Zudem bleibt laut Unternehmen die Personal- und Aufbaudynamik eine unmittelbare Hürde, weil Indien nicht in dem Maße wie klassische Halbleiterregionen auf skalierte End-to-End-Produktentwicklung im breiten Markt zurückgreifen kann. HrdWyr will den Fokus zunächst eng halten, um frühe Kunden erfolgreich zu machen, und erst danach die Grundlage für ein breiteres Merchant-Semiconductor-Geschäft verbreitern. Entscheidend wird am Ende, ob die Kombination aus Mixed-Signal-Integration, reinforcement-basierter Adaptivität und einem durchgängigen Toolchain-Stack in der Praxis zu messbaren Vorteilen in Effizienz, Thermik und Systemkomplexität führt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "HrdWyr: KI-native SoCs für Physical AI in Batterie- und Motorsteuerung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "HrdWyr: KI-native SoCs für Physical AI in Batterie- und Motorsteuerung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »HrdWyr: KI-native SoCs für Physical AI in Batterie- und Motorsteuerung« bei Google Deutschland suchen, bei Bing oder Google News!