Hauptfunktionen

• No-Code KI-Entwicklung

  • Einfache Modellerstellung für Nicht-Experten

  • Inklusive persönlichem KI-Assistenten, der die Lösung erklärt und beim Modellaufbau hilft – testen Sie ihn unten links auf der Website

  • Integrierte Vorlagen für Wellenformen, Bilder und Zeitreihendaten

• Hochpräzise Mikromodelle

  • Bis zu 1000x weniger Trainingsdaten erforderlich

  • Branchenoptimiert mit überragender Genauigkeit und kompakter Größe

• End-to-End-Pipeline

  • Daten importieren → Trainieren → Validieren → Bereitstellen

  • Nahtlose Integration in Ihre bestehende Infrastruktur

Industrielle KI-Anwendungsfälle

Technical Specifications

Die Wave-Analyse-Software von ProMetronics implementiert modernste Technologien zur Analyse, Modellierung und zum Testen von Audiosignalen.

Audioanalyse

Der Audioteil umfasst verschiedene Funktionen und liefert Einblicke in aufgezeichnete Audiodateien durch Berechnung und Darstellung akustischer Eigenschaften in Zeit-, Frequenz-, Zeit-Frequenz- und Merkmalsdomänen.
Darstellungen in der Frequenz- und Zeit-Frequenz-Domäne umfassen Spektrum, Spektrogramm und spektrogrammbasierte Bilder (z. B. Mel-Spektrogramm, Gammatonegramm, CQT, Chromagramm, Tempogramm, Wavelets). Zu den Audioeigenschaften gehören u. a. ZCR, MFCC, spektrale Merkmale (z. B. Spectral Rolloff, Spectral Centroid), Wahrnehmungsmerkmale (z. B. Lautheit, Schärfe, Helligkeit, Tonalität).

Diese Analysen ermöglichen es, Eigenschaften des Klangs zu erkennen und relevante Informationen für die jeweilige Aufgabe/das zu erstellende ML-Modell zu extrahieren.
Dafür stehen integrierte Visualisierungstools wie der Mehrfachvergleich von bis zu 32 Audiodateien zur Verfügung. Damit lassen sich z. B. Störgeräusche aufgrund von Fehlfunktionen erkennen.
Zudem ermöglicht die Software das Bearbeiten von Audiodateien mit Echtzeitbeobachtung, wie sich Änderungen auf Frequenz-, Zeit-Frequenz- und Merkmalsebene auswirken.
Das Ergebnis der Audioanalyse ist entscheidend für die Definition des Klangprofils – ein einzigartiges Profil einer Audiodatei, das die Modellierung von Audiofällen ermöglicht.

• Zeitbereich: Audiosignale visualisieren und bearbeiten, digitale Filter anwenden, Auswirkungen in Echtzeit analysieren

• Frequenzbereich: Spektrum oder Cepstrum im gewünschten Band berechnen (fullFFT, Bark, Mel, Oktave usw.), Visualisierung mit Log-/Linear-Zeit, dB-/Linear-Amplitude etc.

• Zeit-Frequenz-Bereich: Heatmap-Repräsentationen berechnen (Spectrogram, Chromagram, Tempogram, MFCC, Wavelet, HOG, CQT, LPB), konfigurierbare Visualisierung (Frame-/Hop-Größe etc.)

Modellerstellung / Merkmalsextraktion

Der Modellierungsteil ermöglicht die Anwendung von klassischen ML- oder Deep-Learning-Algorithmen zur Entwicklung, zum Training und zur Bewertung audio-basierter KI-Modelle.
Er unterstützt Klassifikation, Regression und Clustering.
Für die Modellierung werden zunächst Feature-Vektoren basierend auf den Ergebnissen der Audioanalyse generiert.
Die Software enthält integrierte Algorithmen zur Relevanzanalyse der Merkmale und kann die Merkmalsauswahl automatisieren. Danach kann der passende Algorithmus ausgewählt oder mehrere verglichen werden.

• Merkmale: Umfangreiche Bibliothek (z. B. Timbral: Boominess, Brightness, Sharpness; Spektral: MFCC, Rolloff; Wahrnehmung: Lautheit, Tonalität; Zeit: Energie, ZCR; Sprache: Artikulationsindex)

• Extraktion: Anpassung von Framegröße und Schrittweite, Vollsignaloption, Berechnung pro Datei

• Statistik & Visualisierung: Statistikfunktionen (Mittelwert, Min, Max, Median, Kurtosis usw.), Interkorrelation & Verteilung darstellen

Modellierung von Audiosignalen

Für Deep Learning können verschiedene Netzwerkarchitekturen ausprobiert und bewertet werden.
Der Modellierungsteil erlaubt das Training und die Leistungsbewertung inklusive Metrik-Visualisierung.

• Maschinelles Lernen: Auswahl der besten Merkmale, Parameter setzen (manuell oder automatisch), unterstützte Modelle:

  • Klassifikation: Random Forest, SVM, k-NN

  • Regression: XGBoost, SVM, k-NN

  • Clustering: k-Means, Gaussian Mixtures

• Neuronale Netzwerke: Bestehende Netzwerke laden oder neue mit grafischer Oberfläche entwerfen, Feature-Vektor oder Signalrepräsentationen nutzen, Training mit manueller oder automatischer Hyperparameterabstimmung

• Modellbewertung: Metriken visualisieren, Modelle vergleichen, kontinuierliche Verbesserung

• Bereitstellung: Funktionen zur Modellbereitstellung. Mehrere Modelle können parallel bereitgestellt und verglichen werden. Die Bereitstellung erfolgt plattformunabhängig, direkt innerhalb der Software.

Warum ProMetronics AI Studio wählen?

• 1000x weniger Daten notwendig

• No-Code Oberfläche – ideal für Ingenieure

• Überall einsetzbar: Cloud, Edge oder lokal

• Spart Monate an Entwicklungszeit und Ressourcen

• Feinabgestimmt auf Industriesignale, nicht nur Text/Bild-KI

Sicherheit & Administration

• Rollenbasierter Benutzerzugriff

• Lokale Datenverarbeitung (ohne Cloud-Abhängigkeit)

• Verschlüsselte Projektdateien & Modellartefakte

• Sicherer Export von Modellen für Edge- oder Cloud-Ziele

Lieferumfang

• ProMetronics Industrial AI Studio Workstation

• Volllizenz für das ProMetronics No-Code AI Studio (Offline-/Lokale Version)

• Starter-Vorlagenpaket (Wave AI; erweiterbar auf Bild- und Zeitreihen-KI)

• Dokumentation & Onboarding-Support

• Optional: Vor-Ort-Schulung und Enterprise SLAs

Kontakt