WASHINGTON, D.C. / LONDON (IT BOLTWISE) – Lola Vision Systems will das Aufsetzen von KI-Modellen auf speziellen Chips deutlich beschleunigen. Das Startup baut eine Software-Toolchain, die Modellgewichte und Code in Anweisungen übersetzt, die der Zielprozessor direkt ausführen kann. Laut Gründer Tayo Adesanya dauert das manuelle Setup zum Testen bisher teils rund 200 Stunden. Parallel entwickelt das Unternehmen eigene Halbleiter, setzt zur schnelleren Monetarisierung aber zunächst auf Lizenzen der Software auf bestehender Hardware.
Beim Betrieb von KI auf der Kante, also direkt auf Geräten statt in der Cloud, entscheidet sich die Praxisfähigkeit oft nicht an der Modellgüte, sondern an der Engineering-Aufgabe „Modell auf Hardware bringen“. Genau hier setzt Lola Vision Systems aus Washington, D.C. an: Das Startup entwickelt eine Software-Schicht, die KI-Modelle so in ausführbare Instruktionen übersetzt, dass sie auf einem konkreten Chip-Typ laufen. Gründer Tayo Adesanya beschreibt den aktuellen Engpass als massiven manuellen Aufwand, weil das Portieren auf neue Zielplattformen nicht mit einem „Plug-and-play“-Workflow erledigt ist. In seinem Szenario kann allein der Start in erste Tests grob 200 Stunden dauern, bevor Teams überhaupt belastbare Ergebnisse gegen Produktanforderungen fahren können.
Technisch betrachtet zielt die „compiler toolchain“ genannte Lösung auf das Übersetzen von Modellartefakten und Implementierungslogik in den ausführbaren Stack des Ziel-Chips. Anstatt dass Entwickler nur Parameter und Preprocessing anpassen, müssen sie in der Realität häufig auch Operatoren, Speicherlayouts und Laufzeitdetails so verdrahten, dass die Recheneinheiten des Geräts die gewünschten Berechnungen zuverlässig ausführen. Lola Vision adressiert diese Stelle, indem es Kundencode und entweder selbst erstellte oder quelloffene KI-Modelle entgegennimmt und die Kombination in Anweisungen für den jeweiligen Chip transformiert. Der Anspruch ist dabei nicht nur schnelleres „Anlaufen“, sondern ein reproduzierbarer Weg in Richtung stabiler Inferenz auf Embedded-Plattformen, auf denen sich schon kleine Abweichungen in Tests und Feldbetrieb rächen.
Der Markt ist dafür besonders hart, weil viele Teams heute mit etablierten Hardware-Umgebungen beginnen, etwa mit kompakten Compute-Modulen für Edge-Szenarien oder direkt mit offenen Modellen, und dann in den Integrationsmarathon geraten. Adesanya berichtet, dass entsprechende Setups häufig nicht „out of the box“ funktionieren oder fehleranfällig sind: Erst wird monatelogisch daran gearbeitet, das System überhaupt zum Laufen zu bringen, danach folgt wochenlanges Debugging, bis das Modell in der Praxis nutzbar wird. Selbst wenn das gelingt, landet man laut seiner Darstellung schnell an Grenzen wie zu hoher Leistungsaufnahme, die Edge-Budgets sprengt, oder unzureichender Rechenleistung auf dem Board, wenn mittlere bis größere Modelle tatsächlich eingesetzt werden sollen. Das Ergebnis kann sein, dass Erkennungsmodelle, also KI-Systeme zur Objektidentifikation, hinter den Zielwerten zurückbleiben oder Objekte falsch klassifizieren.
Die Unternehmenslogik dahinter ist klar anwendungsgetrieben: Lola Vision richtet sich laut Aussagen ausdrücklich auch an Branchen, in denen Zuverlässigkeit und Messbarkeit über Versuchsergebnisse hinausreichen. Adesanya ordnet Speed damit als Mittel zum Zweck ein: Wenn ein Setup schneller und sauberer gelingt, können etwa Luft- und Raumfahrt sowie „mission-critical“-Organisationen häufiger und genauer ihre Modelle mit eigenen Daten durchtesten – bei gleichzeitiger geringerer Leistungsaufnahme. Gleichzeitig betont er, dass Genauigkeit und Verlässlichkeit nicht nur „nice to have“ sind, sondern Anforderungen beeinflussen können, die sich in regulatorischen Prüfungen wiederfinden und darüber hinaus darüber entscheiden, ob Systeme im Feld robust bleiben. Damit wird aus dem Compiler-Ansatz ein Baustein für den gesamten Entwicklungszyklus, vom Proof-of-Concept bis zur produktiven Einbindung.
Für die Go-to-Market-Strategie wählt Lola Vision dabei einen zweistufigen Weg. Einerseits arbeitet das Startup daran, eigene Chips zu entwickeln, um einen größeren Teil der Prozesskette zu automatisieren. Andererseits will das Unternehmen Einnahmen früher sichern, indem es die Software zunächst auf existierender Hardware lizenziert, statt ausschließlich auf die eigenen Halbleiter zu warten. Laut Firmenangaben haben Dutzend Geschäftskunden Absichtserklärungen zur späteren Chip-Beschaffung unterzeichnet, und es gebe bereits mindestens einen signierten Kundenvertrag. Außerdem kooperiert das Unternehmen mit SCALE, einem Programm zur Nachwuchs- und Workforce-Entwicklung im Mikroelektronikbereich, um mehr Labor- und Fertigungspartner einzubinden und die Umsetzung neuer Chip-Revisionen schneller in Richtung Produktivität zu bringen.
Auch die Einordnung in den Startup-Kosmos folgt einer Logik: Lola Vision wurde für ein Auswahlformat mit 200 Startups berücksichtigt, was der Firma Sichtbarkeit gegenüber Investoren und potenziellen Pilotkunden verschaffen soll. Nach rund einem Jahr Entwicklung und der Gewinnung des ersten Kunden beschreibt Adesanya die Bewerbung als Zeitpunkt, an dem sich die Kommunikation nach außen lohnt, weil ein breiteres Publikum für die Problemstellung und die technische Antwort relevant wird. Entscheidend für Unternehmen, die Edge-KI planen, ist dabei weniger das Bewerbungsranking als die Frage, ob die Toolchain-Integration im Alltag Zeit spart und Fehlersuche reduziert – und ob die Lösung nicht nur auf dem Papier „kompiliert“, sondern die realen Pfade bis zum Feldbetrieb abdeckt.
Für Entscheider in der Praxis heißt das: Wer heute KI-Modelle auf Geräten einführt, sollte stärker als bisher prüfen, wie viel Aufwand für Portierung, Validierung und laufende Anpassungen entsteht, sobald neue Modellversionen oder Hardwarevarianten ins Spiel kommen. Ein Compiler-Workflow kann diese Kosten drücken, wenn er die Brücke zwischen Modell und Chip zuverlässig automatisiert und dabei typische Engpässe wie Leistungsbudget und Operator-Support adressiert. Wenn Lola Vision den angekündigten Lizenzansatz tatsächlich früh stabil ausrollt und die Chip-Entwicklung parallel vorantreibt, könnte das die Verhandlungslage gegenüber etablierten Plattformen verändern – vor allem in Umfeldern, in denen jede zusätzliche Integrationswoche direkt in Zeitplan, Testumfang und letztlich in die Abnahmefähigkeit einfließt.
💳 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 "Lola Vision: Software-Toolchain und Chips für KI auf Edge-Geräten" 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 "Lola Vision: Software-Toolchain und Chips für KI auf Edge-Geräten" 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: »Lola Vision: Software-Toolchain und Chips für KI auf Edge-Geräten« bei Google Deutschland suchen, bei Bing oder Google News!