Edge AI for Smarter
Signal Processing

Die Spezialisten für industrielle Signalverarbeitung. neolectra bringt KI direkt dorthin, wo Signale entstehen: an Sensoren, Maschinen und Embedded-Systemen.

Ohne Cloudzwang und ohne permanente Rohdatenübertragung.

Weniger Ausfälle. Frühere Erkennung. Direkt an der Maschine.

neolectra – was wir möglich machen

Edge-AI Modellierung

Wir entwickeln effiziente Machine-Learning-Modelle für den Einsatz auf Mikrocontrollern und ressourcenlimitierten Systemen – optimiert für Speicher, Latenz und Energieverbrauch.

Digital Signal Processing

Wir konzipieren und implementieren leistungsfähige Signalverarbeitungs-Pipelines z.B. für akustische, optische und Vibrationsdaten. Von der Rohdatenaufnahme bis zur robusten Merkmalsextraktion.

Machbarkeitsstudien & Prototyping

Wir bauen funktionale Prototypen und validieren intelligente Sensorsysteme unter realen Bedingungen. So schaffen wir belastbare Entscheidungsgrundlagen und reduzieren technisches sowie wirtschaftliches Risiko frühzeitig.

Integration

Wir erweitern bestehende Sensorik-Plattformen, integrieren neue Funktionen und verbessern ihre Wartbarkeit durch gezieltes Refactoring.

Unsupervised Learning & Anomalieerkennung

Wir modellieren Maschinenzustände ohne gelabelte Trainingsdaten und machen auch unbekannte Abweichungen früh sichtbar. Statt Rohdaten liefern wir kompakte Zustandsinformationen, die sich nahtlos in IO-Link-, MQTT- und bestehende Monitoring-Systeme integrieren lassen.

Datenmanagement

Wir strukturieren die Erfassung und Aufbereitung von Sensor- und Trainingsdaten – für zuverlässige Modelle von Anfang an.

Unsere Entwicklungen im Einsatz

Vibrationssensor an einer rotierenden Maschine
Vibration · Edge AI · IO-Link

Machine Condition Monitoring

Wir entwickeln den ersten IO-Link-fähigen Edge-Sensor, der Vibrationssignale nicht nur misst, sondern ihr Frequenzspektrum direkt am Sensor analysiert und als kompakte Zustandsinformation weitergibt.

  • Spektrale Bewertung statt reiner RMS- und Peak-Werte
  • Frühere Hinweise auf Lagerprobleme, Unwucht oder Kavitation
  • Kompakte Zustandsinformationen für SPS, Monitoring und Dashboards
Was daran anders ist

Viele klassische Systeme reduzieren Vibration auf einzelne Kennzahlen. Wir erhalten mehr spektrale Information und verarbeiten sie so, dass daraus direkt verwertbare Maschinenzustände entstehen.

Spektrogramm eines akustischen Signals
Akustik · Klassifikation · TinyML

Audio-Klassifikation

Akustische Muster wie Alarme, Lecks oder auffällige Maschinenklänge werden lokal erkannt — auch in lauten und wechselhaften Umgebungen.

  • Erkennung relevanter Ereignisse statt permanenter Audioübertragung
  • Neuronale Modelle für robuste Klassifikation
  • Ausgabe kompakter Ereignisse an bestehende Systeme
Typische Ausgabe

Statt Roh-Audio zu streamen, liefert das System semantische Informationen: Ereignis erkannt, Klasse, Zeitpunkt und Konfidenz.

Datenpipeline für industrielle Sensorsignale
Erfassung · Data Lakehouse · Training

Datenerfassung für industrielle Signale

Wir bauen Ihnen eine robuste Pipeline, die Sensor-, Vibrations- und Audiodaten strukturiert erfasst, aufbereitet und direkt für Modelltraining nutzbar macht – von der ersten Messung bis zum fertigen Datensatz.

  • Saubere Rohdaten-Erfassung aus Feldversuchen und Piloten
  • Strukturierte Ablage mit Metadaten in einer Data-Lakehouse-Architektur
  • Dashboards und Auswertungen über viele Messungen hinweg
Warum das wichtig ist

Gute Modelle entstehen nicht nur durch Algorithmen, sondern durch saubere Messdaten, klare Metadaten und wiederholbare Auswertungen über reale Betriebszustände.

Wir schließen die Lücke zwischen Sensor und Entscheidung.

Hochaufgelöste Vibrations-, Audio- und Sensordaten enthalten oft mehr Information, als klassische Kennzahlen zeigen. Wir erfassen, strukturieren und verarbeiten diese Signale so, dass daraus kompakte Zustands-, Ereignis- oder Trainingsdaten entstehen — integrierbar in bestehende Systeme.

Pilot in 8 Wochen

Klein anfangen: an einer kritischen Anlage, einem relevanten Erkennungsproblem oder einer konkreten Signalfrage — mit klarem Bewertungsrahmen. 30 Minuten reichen, um zu klären, ob ein Pilot bei Ihnen Sinn ergibt.

Kontakt aufnehmen

Warum neolectra?

icon Elektronik trifft Mathematik
Zwei Gründer mit einer gemeinsamen Profession: Wir entwickeln Systeme, bei denen Hardwarenähe und datenbasierte Intelligenz nahtlos zusammenwirken.
Mit je über 15 Jahren Erfahrung in Industrie und Wirtschaft vereinen wir das Beste aus beiden Welten – präzise Elektronik und analytische Tiefe.
icon KI, die aufs Gerät passt
Wir bringen Machine Learning direkt auf Ihre bereits bestehende Chip-Plattform – ohne Cloud, ohne Mehrkosten für Hardware.
icon Gut vernetzt, präzise integriert
Wir sind kein isolierter Dienstleister, sondern eingebunden in ein erprobtes Kompetenznetzwerk aus Technologie-, Entwicklungs- und Produktionspartnern.
icon „Passion for Simplicity“
Unsere Stärke liegt in der Kunst der Reduktion: Statt in Spielereien zu investieren, konzentrieren wir uns auf Funktionen mit direktem Nutzen und messbarem Impact. So entstehen Lösungen, die schlanker, effizienter und wirtschaftlich sinnvoller sind.

Die Gründer

„Einfache Lösungen für komplexe Probleme zu finden und umzusetzen – das treibt mich an.“
— Daniel Bertko, Elektroingenieur & Co-Founder neolectra
„Mich treibt die Neugier, komplexe Systeme wirklich zu verstehen – und aus rohen Daten eigenständig handelnde Systeme zu formen.„
— Sebastian Bade, Mathematiker & Co-Founder neolectra

Kontakt

Lassen Sie uns sprechen.
Haben Sie ein Projekt, eine Idee oder eine Frage? Nutzen Sie das Formular oder schreiben Sie direkt an 📩 info@neolectra.de.

Wir freuen uns auf Ihre Nachricht!

Name
Datenschutz
Ich stimme der Verarbeitung meiner Daten gemäß der Datenschutzerklärung zu.