Lezingen vol AI bij World of Electronics op de WoTS

Op de komende WoTS kan je iedere dag aanschuiven bij een mini-seminar over een actueel elektronica-thema. Twee van de vier, die van dinsdag 22 september en donderdag 24 september, met een stevige praktijkgerichte AI-component. Op die dagen staat ook een keynote van AI-expert Jarno Duursma geprogrammeerd. 

Het lezingenprogramma van de World of Electronics op de WoTS geeft een goed beeld van actuele trends in elektronicaland. Die worden gedomineerd door AI. Is het niet als hulpmiddel om hard- of softwarematig tot grote hoogtes te stijgen, dan is het wel als voor velen nog ongrijpbaar fenomeen dat oneindige kansen schept, maar tegelijkertijd als zeer bedreigend wordt gezien.

AI-expert Jarno Duursma, auteur, publicist en veelgevraagd spreker, gaat tijdens zijn keynotes op dinsdag- en donderdagochtend in op een vraag die veel technologiebedrijven bezighoudt: hoe verandert AI de manier waarop we ontwerpen, automatiseren en apparatuur beheren? Daarbij behandelt hij onder meer de impact van generatieve AI op het bedrijfsleven, de veranderende rol van de mens in een AI-gedreven omgeving, praktische toepassingen van AI (van voorspellend onderhoud tot datagedreven productie en slimme automatisering) en de kansen en risico’s: hoe benut je de kracht van AI zonder ethische en maatschappelijke uitdagingen te negeren.

Dinsdag: embedded Software & AI

Op dinsdagmiddag kan je aanschuiven bij het mini-seminar ‘Embedded Software & AI’, met een drietal praktijkgerichte how-to presentaties. De opkomst van kunstmatige intelligentie verandert de manier waarop we embedded software ontwikkelen in een razendsnel tempo. Waar AI voorheen vooral werd gezien als een handige assistent voor het schrijven van losse regels code, transformeert het nu de complete levenscyclus van embedded systemen en met name ook de software. Van het eerste klantgesprek tot de uiteindelijke certificering: AI-gebaseerde tools en agents herdefiniëren hoe we onder andere requirements specificeren, architecturen optimaliseren en bedrijfskritische software verifiëren.

Binnen embedded systemen brengt deze transitie unieke uitdagingen met zich mee. Factoren zoals hardware-beperkingen, traceerbaarheid en strenge veiligheidsnormen (zoals ISO 26262 of IEC 61508) laten geen ruimte voor de onvoorspelbaarheid die soms met AI wordt geassocieerd. Hoe kan je de enorme productiviteitswinst van AI benutten, zonder in te leveren op betrouwbaarheid, architectonische integriteit en compliance?

Van prompt naar model

Walter van der Heiden (VDH Informatica) laat in zijn lezing ‘Van prompt naar model: AI-gedreven requirements engineering in een model-based wereld’ zien hoe AI en model-driven development elkaar versterken. Generatieve AI verandert de manier waarop we requirements opstellen: van losse tekstdocumenten naar een interactief proces waarin AI helpt bij het formuleren, structureren en consistent houden van eisen. Maar tekst alleen is niet genoeg; embedded software vraagt om traceerbaarheid en verificatie. Dit kan aan de hand van AI-gegenereerde requirements die direct landen in een SysML/UML-model, met behoud van traceability naar architectuur en test. Aan de hand van praktijkervaring met IBM Rhapsody en SAM (SodiusWillert) vertelt Walter hoe een AI-assistent via open protocollen rechtstreeks met de modelomgeving samenwerkt, en wat dat betekent voor de rol van de engineer.

Minder complexe softwarestructuur

De titel van de lezing van Neil Langmead (CodeClinic) is ‘AI-Assisted Refactoring for Coupling Reduction: Integrating DSM Analysis with the Model Context Prototcol and Reinforcement Learning’. Wanneer software groeit, ontstaat er vaak architectuurerosie: code raakt intern te strak met elkaar verweven (‘coupling’). Dit maakt het systeem foutgevoelig en moeilijk aan te passen. Neil presenteert een AI-ondersteunde benadering van architectuurbeheer die Dependency Structure Matrix (DSM)-analyse integreert met grote taalmodellen (LLM’s) via het Model Context Protocol (MCP). Hij formaliseert hiermee het minimaliseren van koppeling als een optimalisatieprobleem en stelt het Recursive Hierarchical Decoupling Algorithm (RHDA) voor om koppeling systematisch te verminderen.

Naast op regels gebaseerde refactoring (het opschonen van de software) formuleert hij het probleem als een Markov-beslissingsproces met beperkingen (CMDP), waardoor agents voor versterkend leren refactoringsequenties kunnen ontdekken die koppeling minimaliseren met behoud van de integriteit van de systeemtesten. De aanpak wordt gevalideerd via een CI/CD-pijplijn die zowel de functionele juistheid als de architecturale verbetering verifieert.

Een casestudie op een bibliotheek voor embedded systems toont praktische voordelen aan van deze benadering: de AI-agent identificeerde layer-overschrijdingen, legde de architectonische betekenis ervan uit en stelde concrete refactoringoplossingen voor die de de koppelingen verminderden met behoud van het systeemgedrag.

Vetrouw, maar controleer

AI-assistenten zijn geëvolueerd van het suggereren van coderegels naar het daadwerkelijk bewerken van de codebase: de huidige autonome tools schrijven, herstructureren en voeren zelfstandig tests uit. Ze kunnen uren aan embedded C/C++-werk terugbrengen tot enkele minuten. Maar ze roepen een onvermijdelijke vraag op voor elk team dat veiligheids- of beveiligingskritische firmware levert: kun je vertrouwen op wat de agent heeft geproduceerd, en kun je dat aantonen?

Marc Thomas (IAR Systems France) gaat in op het raakvlak tussen productiviteit en verantwoordelijkheid. Uitgaande van een realistische, door AI ondersteunde workflow laat hij zien hoe verificatie een integraal onderdeel van het proces kan blijven in plaats van pas aan het einde te worden toegevoegd. Dat komt neer op statische analyse om defecten en overtredingen van coderingsstandaarden in een vroeg stadium op te sporen, runtime-controle om fouten bloot te leggen die pas tijdens de uitvoering aan het licht komen, geautomatiseerd testen voor snelle regressietestfeedback, en naleving van MISRA/CERT-normen die als een doorlopende controle worden behandeld. Voor teams die ontwikkelen volgens ISO 26262, IEC 62304 of IEC 61508 zorgt deze discipline, ondersteund door een gecertificeerde compiler en de toepassing van de bijbehorende handleiding voor functionele veiligheid, ervoor dat AI-ondersteunde code standhoudt binnen een safety case.

Donderdag: embedded AI voor machines en apparaten

Embedded AI transformeert machines en apparaten tot slimme, zelflerende systemen die processen optimaliseren en beslissingen autonoom nemen. Tijdens het seminar ‘Embedded AI voor machines en apparaten’ ontdek je wat vandaag al mogelijk is en welke kansen de toekomst biedt. Je krijgt inzicht in actuele AI-ontwikkelingen, ziet concrete praktijkvoorbeelden zoals beeldverwerking voor kwaliteitscontrole en realtime analyse van sensordata. Daarnaast leer je welke technische keuzes essentieel zijn voor succesvolle implementatie, van hardware tot softwarearchitectuur. 

Van sensor naar sturing

De meeste AI-initiatieven in de procesindustrie falen niet omdat de techniek tekortschiet, maar omdat ze beginnen bij het algoritme in plaats van bij de batch die dreigt mis te gaan. AI is geen kant-en-klaar product dat je naast je proces zet; het is gereedschap dat pas waarde levert als het is verankerd in je procesdata, je domeinkennis en je manier van werken.

In zijn lezing ‘Van sensor naar sturing: AI in de procesindustrie voorbij het model’ laat Erwin Haas (Landscape AI) zien wat dat in de praktijk betekent. Hoe je van ruwe sensordata – met al zijn gaten, ruis en wisselende meetfrequenties – tot iets bruikbaars komt. Waarom de stap van ‘we hebben data’ naar ‘we sturen erop’ vaak onderschat wordt, en welke keuzes in datastromen, opslag en modellering daarin het verschil maken. En waarom het onderscheid tussen het toepassen van bestaande tools en het bouwen van iets dat écht past bij jouw installatie bepalend is voor of het blijft hangen.

Haal AI weg uit de cloud

De razendsnelle groei van geavanceerde AI taalmodellen is veelbelovend, maar ook potentieel zeer gevaarlijk en niet duurzaam. Onze met zorg opgewekte duurzame energie wordt voor een steeds groter deel verstookt in enorme datacenters. Een gedeeltelijke oplossing voor dit probleem is het lokaal toepassen van AI. Binnen een gedefinieerde context leveren specifieke AI algoritmen met minder rekenkracht een veel betere prestatie.

In zijn presentatie toont Andries Lohmeijer (KITT Engineering) de nieuwste ontwikkelingen op dit gebied. Moderne microcontrollers worden al uitgerust met een dedicated ‘Neural Processing Core’ om bijvoorbeeld sensordata lokaal te classificeren. Dat voorkomt dat enorm veel data over ons en ons gedrag in datacenters beland met alle potentiële gevaren van dien.

Hardwarekeuze voor edge-AI-systemen

Hoe kies je de juiste hardware voor een intelligent systeem aan de rand van het netwerk? In zijn presentatie laat Bas Vet (Demcon) zien hoe sensoriek, signaalverwerking, beschikbare data en rekeneisen samen bepalen welke embedded hardware geschikt is voor een edge-AI-oplossing.

Aan de hand van twee praktijkvoorbeelden, een medisch meetsysteem en een visionsysteem, bespreekt hij hoe ontwerpkeuzes op systeemniveau doorwerken in modelcomplexiteit, energieverbruik, latency en implementatie op het uiteindelijke platform. Dit biedt op een toegankelijke manier inzicht in de technische afwegingen achter de stap van algoritme naar een werkend embedded edgesysteem.