{"id":64064,"date":"2026-03-29T18:32:11","date_gmt":"2026-03-29T18:32:11","guid":{"rendered":"https:\/\/www.europesays.com\/ch-de\/64064\/"},"modified":"2026-03-29T18:32:11","modified_gmt":"2026-03-29T18:32:11","slug":"noch-mehr-ki-beschleunigung-fuer-den-raspberry-pi-5","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/ch-de\/64064\/","title":{"rendered":"Noch mehr KI-Beschleunigung f\u00fcr den Raspberry Pi 5"},"content":{"rendered":"

Mit dem AICore DX-M1M<\/a> hat Radxa ein neues KI-Beschleunigermodul vorgestellt. Das K\u00e4rtchen im M.2-Format misst 22 mm \u00d7 42 mm und l\u00e4sst sich in Systeme \u00fcber PCI Express integrieren. Notwendig ist wahlweise ein M- oder B-Key-Steckplatz. M-Key-Steckpl\u00e4tze sind aufgrund von M.2-SSDs verbreitet.<\/p>\n

Weiterlesen nach der Anzeige<\/p>\n

Im Inneren arbeitet der KI-Beschleuniger DeepX DX-M1M, der laut Hersteller eine Rechenleistung von bis zu 25 Tops im Datenformat INT8 schafft. Das entspricht 25 Billionen Operationen pro Sekunde. Als Referenz: Eine Copilot+PC-Zertifizierung verlangt 40 Tops. Damit ist das Modul klar auf Aufgaben wie Bilderkennung oder Sprachverarbeitung ausgelegt. Angebunden wird der Beschleuniger \u00fcber bestenfalls zwei PCIe-3.0-Lanes.<\/p>\n

Als Speicher steht 1 GByte LPDDR4X zur Verf\u00fcgung. Das klingt zun\u00e4chst knapp, ist f\u00fcr inferenzbasierte KI-Workloads aber typisch, denn trainiert wird ohnehin meist extern. Unterst\u00fctzt werden g\u00e4ngige Frameworks wie TensorFlow, ONNX, Keras und PyTorch, wobei Modelle \u00fcber einen eigenen DX-COM-Compiler f\u00fcr die Hardware optimiert werden m\u00fcssen. Das bedeutet etwas Einarbeitung, d\u00fcrfte aber f\u00fcr viele Maker zum Alltag geh\u00f6ren.<\/p>\n

Windows- und Ubuntu-Support<\/p>\n

Das Modul l\u00e4uft unter Windows 10 und 11 sowie unter Ubuntu ab Version 20.04. Auch Docker wird unterst\u00fctzt. Als Host-Systeme kommen sowohl ARM- als auch x86-Plattformen infrage. Konkret nennt Radxa unter anderem den Raspberry Pi 5 sowie verschiedene Rock-Boards wie Rock 5A, 5B oder 5 ITX. Im Falle des Raspis ist ein M.2-Adapter (M.2-HAT)<\/a> f\u00fcr den Betrieb notwendig. Dar\u00fcber l\u00e4uft immerhin eine PCIe-Lane.<\/p>\n

F\u00fcr Maker ist vor allem die Kombination aus geringer Leistungsaufnahme und hoher Rechenleistung interessant. Mit typischen drei Watt bleibt der Energiebedarf \u00fcberschaubar, was den Einsatz in Edge-Ger\u00e4ten, mobilen Projekten oder Dauerbetrieb erm\u00f6glicht. Gerade bei Anwendungen wie smarter Video\u00fcberwachung, lokalen Sprachassistenten oder Bilderkennung direkt auf dem Ger\u00e4t kann das Modul seine St\u00e4rken ausspielen, ohne dass Daten in die Cloud wandern m\u00fcssen.<\/p>\n

Ein typisches Szenario w\u00e4re etwa ein Raspberry Pi 5, der per Kamera Objekte erkennt und lokal auswertet. Statt die CPU zu belasten, \u00fcbernimmt das DX-M1M die KI-Arbeit. Das spart Ressourcen und sorgt f\u00fcr schnellere Reaktionszeiten.<\/p>\n

Weiterlesen nach der Anzeige<\/p>\n

Wer direkt einsteigen m\u00f6chte, findet auf der offiziellen Dokumentationsseite einen Quickstart-Guide<\/a>. Das Modul kostet im Herstellershop 75 Euro<\/a>, ist zurzeit allerdings nicht lieferbar. Hinzu kommen in Deutschland 19 Prozent Steuer und Versand. Der finale Preis liegt bei etwas \u00fcber 100 Euro.<\/p>\n

Wer beim Programmieren KI-Unterst\u00fctzung braucht, findet sie in Form von AI.duino in unserem Artikel<\/a>.<\/p>\n

(das<\/a>)<\/p>\n

\n Dieser Link ist leider nicht mehr g\u00fcltig.\n <\/p>\n

Links zu verschenkten Artikeln werden ung\u00fcltig,
\n wenn diese \u00e4lter als 7\u00a0Tage sind oder zu oft aufgerufen wurden.\n <\/p>\n

Sie ben\u00f6tigen ein heise+ Paket, um diesen Artikel zu lesen. Jetzt eine Woche unverbindlich testen \u2013 ohne Verpflichtung!<\/p>\n","protected":false},"excerpt":{"rendered":"Mit dem AICore DX-M1M hat Radxa ein neues KI-Beschleunigermodul vorgestellt. Das K\u00e4rtchen im M.2-Format misst 22 mm \u00d7…\n","protected":false},"author":2,"featured_media":64065,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[14],"tags":[57,46,52,51,622,623,53,56,17510,45,44,55,54],"class_list":["post-64064","post","type-post","status-publish","format-standard","has-post-thumbnail","category-unternehmen-maerkte","tag-business","tag-ch","tag-companies","tag-companies-markets","tag-it","tag-kuenstliche-intelligenz","tag-markets","tag-maerkte","tag-raspberry-pi","tag-schweiz","tag-switzerland","tag-unternehmen","tag-unternehmen-maerkte"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@ch_de\/116313891253029475","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts\/64064","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/comments?post=64064"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/posts\/64064\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/media\/64065"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/media?parent=64064"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/categories?post=64064"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/ch-de\/wp-json\/wp\/v2\/tags?post=64064"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}