Hardware-spezifischer KI-Assistent für die Embedded-Entwicklung

Die Infineon Technologies AG stellt den ModusToolbox AI Assistant für Microsoft Visual Studio Code vor, eine Softwareerweiterung, die KI-Programmieragenten mit hardware-spezifischem Kontext für die Mikrocontroller-Entwicklung versorgt. Das Tool richtet sich an vernetzte Internet-of-Things-Anwendungen (IoT), die eine präzise Peripherie-, Grafik- und Konnektivitätsprogrammierung erfordern, indem es sicherstellt, dass KI-generierter Code auf physischer Hardware korrekt funktioniert.

Überwindung von Einschränkungen der Hardware-Abstraktion in Embedded-Systemen
Die Entwicklung eingebetteter Software erfordert exakte Hardwarekonfigurationen, bei denen falsche Pin-Belegungen oder fehlende Takt-Initialisierungen routinemäßig zu umfangreichem Debugging auf physischen Platinen führen. Allzweck-KI-Assistenten generieren oft syntaktisch korrekten Code, der bei der Inbetriebnahme (Board Bring-up) fehlschlägt, da ihnen der gerätespezifische Kontext fehlt und sie häufig veraltete Application Programming Interfaces (APIs) aufrufen. Um diesen technischen Engpass zu beheben, stimmt die neue Erweiterung KI-Vorschläge auf das tatsächliche Zielgerät, die Platine und das Peripherie-Setup des Entwicklers für PSOC Edge- und PSOC Control-Mikrocontroller ab.

Lokale Kontextanalyse und Toolchain-Integration
Die Erweiterung bewertet die Projektstruktur im Workspace, Board Support Packages, installierte Middleware, Code-Beispiele und verfügbare Tools vollständig lokal auf dem Rechner des Entwicklers. Durch die Extraktion dieser Umgebungsdaten versorgt die Erweiterung den KI-Agenten mit spezifischen Entwicklungsfähigkeiten für Peripheriegeräte wie General-Purpose Input/Output (GPIO), Inter-Integrated Circuit (I2C), Serial Peripheral Interface (SPI), Universal Asynchronous Receiver-Transmitter (UART) und Direct Memory Access (DMA) sowie mit Echtzeit-Betriebssystem-Funktionen (RTOS). Dieser gezielte hardware-spezifische Kontext reduziert den Token-Verbrauch und liefert validen, ausführbaren Code.

Sam Geha, Executive Vice President of IoT – Compute & Wireless Business bei Infineon, verweist auf die funktionalen Auswirkungen der Veröffentlichung: „Mit dem ModusToolbox AI Assistant können Entwickler die Produktivität generativer KI mit dem gerätespezifischen Wissen kombinieren, das für die Entwicklung unserer Mikrocontroller und Wireless-Produkte erforderlich ist. Da der Projektkontext lokal verarbeitet wird, behalten Kunden die Kontrolle über ihre Entwicklungsdaten und beschleunigen gleichzeitig den Weg vom Konzept bis zur Bereitstellung.“

Vor der Code-Generierung gibt der Assistent einen überprüfbaren Projektplan aus, der Zielgerät, Platine, Bibliotheken und Projektstruktur definiert. Dieser Workflow unterstützt auch die Migration bestehender Codebasen auf andere Mikrocontroller-Architekturen. Entwickler können System-Setup-Tools wie den Device Configurator und den Library Manager direkt über die KI-Chat-Schnittstelle ausführen. Die Erweiterung funktioniert in Verbindung mit etablierten KI-Umgebungen, einschließlich GitHub Copilot, Cursor und Windsurf, während ihre lokale Verarbeitungsarchitektur restriktiven IT-Sicherheitsrichtlinien von Unternehmen Rechnung trägt.

Zusätzlicher Kontext
Dieser Abschnitt detailliert technische Spezifikationen und Wettbewerbs-Benchmarking, die nicht in der ursprünglichen Pressemitteilung enthalten sind.

Im Bereich der Entwicklung eingebetteter Software werden KI-Programmierhilfen anhand ihrer Fähigkeit bewertet, präzise mit proprietären Hardware Abstraction Layers (HALs) zu interagieren. Standard-KI-Programmiertools bewerten Syntax und Logik, haben jedoch keinen Einblick in spezifische Speicherzuordnungen, Pin-Multiplexing-Zustände oder Taktbaumkonfigurationen. Durch die direkte Einspeisung lokalisierter Board Support Package (BSP)-Daten in das Prompt-Kontextfenster bestehender KI-Engines reduziert diese Architektur halluzinierte API-Aufrufe und Kompilierungsfehler. Wettbewerbsansätze auf dem Markt umfassen typischerweise entweder vollständig proprietäre, IDE-gebundene Large Language Models (LLMs) oder rein generische Cloud-Assistenten. Diese spezifische Implementierung nimmt eine Zwischenposition ein, indem sie als lokaler Kontext-Aggregator fungiert, der KI-Modelle von Drittanbietern darauf abstimmt, hardware-genauen C- und C++-Code für Embedded-Ziele zu schreiben.

Bearbeitet von Aishwarya Mambet, Induportals-Redakteurin, mit Unterstützung von KI.

www.infineon.com