Die Zukunft der eingebetteten IDE wird neu definiert.

Wenn wir uns vor ein paar Jahrzehnten zurückversetzen, hätten wir sicherlich nicht voraussehen können, wie komplex die eingebetteten MCU/MPU heute geworden sind. Sie sind nicht mehr nur einzelne ICs, sondern komplexe Ökosysteme, die heterogene Kerne, Beschleuniger, DSPs und spezielle Domänen enthalten, die zusammenarbeiten müssen. Mit dem Aufstieg der eingebetteten Künstlichen Intelligenz (KI) ist es auch zur Hauptsache geworden, eingebettete Neural Processing Units (NPUs) zu integrieren.

Mit der zunehmenden Komplexität der Chips und dem Aufstieg der eingebetteten KI sind die eingebetteten integrierten Entwicklungsumgebungen (IDE) vor großen Herausforderungen gestellt: Die Werkzeuge, auf die die Entwickler angewiesen sind, halten nicht mit der Komplexität der modernen Hardware Schritt.

Die Hersteller haben dieses Problem bereits erkannt. Um es den Entwicklern zu ermöglichen, die maximale Leistung der Hardware auszuschöpfen und um jedem Entwickler die Möglichkeit zu geben, sich der großen Tendenz der eingebetteten KI zu verschreiben, legen die Hersteller immer mehr in Software und IDEs ein.

Die Schwierigkeiten der eingebetteten IDEs

Tatsächlich ist derzeit ein großer Wandel im eingebetteten Entwicklungsprozess im Gange:

Zunächst müssen die Entwickler mit der zunehmenden Integration von Funktionen auf einem Chip über verschiedene Grenzen hinweg koordinieren und über verschiedene Architekturen hinweg debuggen. Gleichzeitig müssen sie die deterministische Leistung des Systems gewährleisten und sich an unterschiedliche Befehlssätze, Speicherbereiche und Werkzeugketten von mehreren Kernen anpassen.

Zweitens erfordert die Entwicklung von Edge KI/Maschinellem Lernen (ML), dass die Entwickler den gesamten Prozess von der Modelltraini ng (z. B. mit PyTorch oder TensorFlow), der eingebetteten Implementierung (Quantifizierung, Optimierung, Hardwarezuordnung) bis hin zur Codeerstellung abdecken müssen, um die Kluft zwischen Datenwissenschaft und eingebetteter Entwicklung zu schließen.

Schließlich ist Sicherheit ein harter Anspruch. Bereits in der Entwurfsphase müssen die Systeme den Normen wie der IEC 62443 und der EU-Netzwerkresilienzrichtlinie entsprechen. Funktionen wie vertrauenswürdige Ausführungsumgebungen (TEE), sicherer Bootvorgang und sicherer Verschlüsselungsroot müssen tief in das System integriert werden, und nicht erst später hinzugefügt werden.

Diese Reihe von Veränderungen hat die traditionellen IDEs in eine schwierige Situation gebracht.

Erstens ist der Bereich der aktuellen IDEs fragmentiert. Entwickler müssen oft mehrere exklusive Umgebungen von verschiedenen Anbietern gleichzeitig bedienen, um das System zu starten. Das Debuggen von komplexen Problemen bei DSPs und MCUs kann Wochen dauern. Wenn ein KI-Modell nicht auf die ressourcenbeschränkte Hardware passt, bleibt der Arbeitsablauf stehen.

Zweitens können die traditionellen IDEs die Innovationsanforderungen von Edge KI kaum erfüllen. Nur wenige IDEs unterstützen die KI-Arbeitsabläufe von Haus aus. Entwickler müssen daher Skripte und Frameworks manuell zusammenfügen.

Drittens ist die Sicherheitsintegration schwach. Sicherheit, Reproduzierbarkeit und Automatisierung sind heute Pflichtanforderungen und nicht mehr Optionen. Ein sicherer Bootvorgang und Over-the-Air (OTA)-Updates werden als unabhängige Softwareentwicklungskits (SDKs) betrachtet und nicht als Teil des Kernarbeitsablaufs. Wenn man weiterhin auf traditionelle IDEs für einfache Systeme setzt, wird der Innovationsschritt im Edge-Bereich verlangsamt.

Viertens gibt es das Problem der Fragmentierung bei eingebetteten IDEs. Die Werkzeugketten sind an einen einzigen Anbieter gebunden, und Mehrkernsysteme erfordern normalerweise mehrere IDEs.

Fünftens gibt es Probleme mit der Entwicklererfahrung. Einige IDE-Oberflächen sind inkonsistent und veraltet, was zu Fehlern im Entwicklungsprozess führt. Dies führt schließlich zu Zeitverschwendung und doppelter Arbeit und behindert so den Innovationsprozess.

Die Hersteller rücken immer stärker in den IDE-Bereich ein

Spezielle IDEs sind eine große Kategorie der eingebetteten IDEs. Sie werden von Herstellern für ihre eigenen Produkte entwickelt. Die meisten MCU-Hersteller bieten ihre eigenen passenden IDEs an und erweitern ständig die Werkzeugketten. Diese IDEs sind auf ihre eigenen MCU/MPU optimiert und können die maximale Leistung der Hardware ausspielen. Sie kooperieren auch mit allgemeinen IDEs wie IAR und Segger, um alle Funktionen zu integrieren.

Diese Werkzeuge sind normalerweise kostenlos. Wenn man die MCU/MPU eines Herstellers verwendet, muss man normalerweise keine Lizenzanträge stellen. Man kann sagen, dass dies sowohl eine Art Werbung für die Produkte der Hersteller als auch eine Art Kundenservice ist.

KI ist zweifellos ein Schwerpunkt der MCU-Hersteller. Diese Hersteller entwickeln auch ständig eigene IDE-Produkte, um die Entwicklung von eingebetteter KI zu vereinfachen und zu beschleunigen.

Kürzlich hat die ADI Company die Version 2.0 von CodeFusion Studio vorgestellt, um die Zeit der physischen KI zu begrüßen. Dieses Werkzeug führt fortschrittliche Hardwareabstraktion, nahtlose KI-Integration und leistungsstarke Automatisierungswerkzeuge ein, um den Prozess von der Konzeption bis zur Implementierung von ADIs verschiedenen Prozessoren und Mikrocontrollern zu vereinfachen.

Was kann die Version 2.0 von CodeFusion Studio den Entwicklern bieten?

Zunächst bietet es den Entwicklern einen End-to-End-KI-Arbeitsablauf. Die neueste Plattform basiert auf Microsofts Visual Studio Code und verfügt über einen integrierten Modellkompatibilitätsprüfer, Leistungsanalysewerkzeuge und Optimierungsfunktionen. Entwickler können Modelle aus TensorFlow oder PyTorch importieren und in wenigen Minuten Inferenz-code generieren. Mit dem Zephyr AI Profiler können sie die Latenz und den Speicherbedarf überwachen, ohne die Hardware berühren zu müssen. Neben der Inferenz unterstützt die Plattform auch AutoML für eingebettete Systeme, um das Training und die Optimierung von Datensätzen im selben Arbeitsablauf zu ermöglichen.

Zweitens vereinheitlicht es die Entwicklererfahrung. Der aktualisierte CodeFusion Studio System Planner unterstützt jetzt Mehrkernanwendungen und erweitert die Gerätekompatibilität. Ein vereinheitlichtes Konfigurationswerkzeug verringert die Komplexität des ADI-Hardware-Ökosystems. Entwickler profitieren von integrierten Debugfunktionen, einschließlich Core-Dump-Analyse und GDB (GNU Debugger)-Unterstützung, was das Fehlersuchen schneller und intuitiver macht.

Schließlich gewährleistet es die Sicherheit der digitalen Grenzen. Mit ADIs vertrauenswürdiger Edge-Sicherheitsarchitektur (TESA) können Entwickler einen sicheren Bootvorgang, TrustZone-Partitionierung und Verschlüsselungsprotokolle als Teil des Standardarbeitsablaufs integrieren. Dies ist wichtig, da PI-Agenten physische Systeme inferieren und steuern. Diese Steuerung muss sicher, deterministisch und nachvollziehbar sein. CodeFusion Studio stellt sicher, dass jeder Schritt von der Modellimplementierung bis zum Firmware-Update geschützt ist.

Im Rahmen von Code Fusion Studio hat EEWORLD auch Jason Griffin, Leiter der Softwareprodukte und -werkzeuge der ADI Software- und Sicherheitsabteilung, interviewt. Als es darum ging, wie KI in eingebetteten Anwendungen mit begrenzten Hardwareressourcen die Anforderungen der Einbettung erfüllen kann, sagte er, dass Code Fusion Studio die Eignung von KI-Modellen für die Hardwarebeschränkungen (Flash-Speicher, RAM, Operatorunterstützung) durch die Bereitstellung von Kompatibilitäts- und Leistungsanalysereports überprüft. Gleichzeitig integriert es Modelloptimierungswerkzeuge wie Vorschläge zur Quantifizierung und Pruning und unterstützt leichte KI-Frameworks (z. B. TensorFlow Lite für Mikrocontroller). Diese Funktionen helfen den Entwicklern zusammen, KI-Modelle an die begrenzten Ressourcen von eingebetteten Systemen anzupassen.

Infineon hat kürzlich auch eine neue integrierte Entwicklungsumgebung (IDE) namens AURIX Configuration Studio (ACS) vorgestellt. Das Ziel ist es, den Entwicklungsprozess von Anwendungen mit AURIX TC3x-Serie-ICs zu vereinfachen, die Markteinführung von Produkten zu beschleunigen und die Entwicklungskosten zu senken. ACS basiert auf der bewährten DAVE (Digital Application Virtual Engineer)-Technologie und integriert einen auf Eclipse basierenden Editor, einen GNU C-Compiler und einen Open-Source-Debugger.

Die Highlights dieser IDE umfassen eine intuitive grafische Benutzeroberfläche (GUI), automatische Ressourcenverwaltung und Codeerstellung. Genauer gesagt ermöglicht die GUI von ACS den Benutzern, Projekte auf intuitive Weise zu konfigurieren und anzupassen, was die Entwicklungs-Komplexität im Vergleich zu traditionellen Entwicklungsmethoden erheblich verringert. Das Framework automatisiert die Ressourcenverwaltung über einen von KI angetriebenen Solver, der die Hardwareressourcen automatisch zuweist und verwaltet, so dass die Entwickler von zeitaufwändigen und wiederholten Aufgaben befreit werden. Die Tools in ACS generieren automatisch hochwertigen, direkt einsetzbaren Code basierend auf den Einstellungen der Oberfläche, was die manuellen Codierungsfehler erheblich reduziert.

Als eingebetteter Ingenieur kommt man sicherlich nicht um STM32 herum. Das STM32CubeIDE for VS Code ist Mitte Oktober in die Release-Version übergegangen und wurde von V2.x auf V3.x erheblich aktualisiert.

Die neue VS Code-Erweiterung entfernt die Abhängigkeit von STM32CubeCLT und führt stattdessen den STM32Cube bundles manager zur automatischen Verwaltung von Plug-ins ein. Dieses Werkzeug kann CLI-Tools und STM32-Gerätesupportdateien automatisch herunterladen, installieren und aktualisieren. Entwickler müssen nicht mehr separat das STM32CubeCLT-Paket herunterladen und installieren, das Cmake-Tool manuell installieren oder die Toolpfade manuell einstellen. Mit einem Klick können sie die Installation abschließen und den neuesten Compiler nutzen oder die Unterstützung für die neuesten STM32-Geräte erhalten.

Das STM32CubeIDE for VS Code ist eine "STM32-spezifische Entwicklungsumgebung", die auf einer VS Code-Erweiterung basiert. Es ist als nächste Generation einer kostenlosen IDE für das STM32Cube-Ökosystem konzipiert und wurde bereits in der Entwurfsphase tief in das STM32-Entwicklungssystem integriert. Als Teil des STM32Cube-Ökosystems kann das STM32CubeIDE for VS Code nahtlos mit den Tools des STM32Cube-Ökosystems zusammenarbeiten.

Das STM32CubeIDE for VS Code unterstützt alle Plattformen wie Windows, Linux und macOS und alle STM32-MCU-Produktreihen über CMSIS-PACKs.

Renesas hat sich schon lange für die Tendenz der eingebetteten KI interessiert. Bereits 2023 hat es angekündigt, dass es eine Schnittstelle zwischen seinen Reality AI Tools und der integrierten Entwicklungsumgebung e2 studio geschaffen hat, damit Designer Daten, Projekte und KI-Codemodule nahtlos zwischen den beiden Programmen teilen können. Ein Echtzeit-Datenverarbeitungsmodul wurde in das Renesas-MCU-Softwareentwicklungstoolkit integriert, um das Sammeln von Daten aus Renesas-eigenen Toolkits oder von Kundenhardware mit Renesas-MCUs zu erleichtern. Diese Integration wird die Entwurfszeit für Anwendungen von Künstlicher Intelligenz (AI) und Tiny Machine Learning (Tiny ML) am Rand des Internet der Dinge verkürzen.

Seit der Übernahme von Reality AI im Jahr 2022 setzt Renesas ständig auf die Forschung, Verbesserung und Vereinfachung der KI-Entwicklung. Die Reality AI Tools sind als Softwareumgebung zur Unterstützung der Entwicklung ganzer KI-Anwendungsprodukte aufgebaut und ermöglichen es den Benutzern, Sensordaten automatisch zu erkunden und optimierte Modelle zu generieren. Bei Renesas' IDE e2 studio wird weiterhin in einem dreimonatlichen Rhythmus aktualisiert.

Die Zukunft der IDEs

Neben der Unterstützung der Entwickler bei der Entwicklung von eingebetteter KI bemühen sich die Hersteller auch darum, die Entwicklererfahrung von IDEs mit KI-Technologie zu verbessern.

Am 5. November hat Microsoft in einem Blogbeitrag den neuesten KI-Roadmap für seine integrierte Entwicklungsumgebung (IDE) Visual Studio veröffentlicht. Darin wird deutlich, dass das aktuelle und zukünftige Arbeitsschwerpunkt die Schaffung einer "KI-gesteuerten Agentenerfahrung" ist, um den Entwicklern intelligentere, schnellere und intuitivere Programmierwerkzeuge bereitzustellen.

Der Microsoft-Roadmap umfasst vier Schwerpunktbereiche. Erstens werden verschiedene neue Agenten für Anpassung, Testen und Debuggen eingeführt, und es wird ermöglicht, dass diese Agenten parallel laufen. Zweitens wird die Chatfunktion basierend auf den Rückmeldungen der Community verbessert, z. B. durch die Einführung von Schrägstrichbefehlen. Drittens wird die MCP-Spezifikation vollständig umgesetzt, damit Unternehmen eine Whitelist von Servern festlegen können, um die Sicherheit der Nutzung zu erhöhen. Viertens werden die neuesten Modelle wie GPT-5 Codex integriert, und es wird eine automatische Modellauswahlfunktion bereitgestellt.

Tatsächlich sind viele eingebettete Ingenieure noch an ihre vertrauten Softwareumgebungen gew