Ich bastle schon eine Weile mit Einplatinencomputern und Mikrocontrollern, und eines habe ich viel zu spät begriffen: Sie sind keine Konkurrenten – zusammen sind sie besser. Ein Arduino ist großartig für Schaltungen, Sensoren und Automatisierung, während ein Raspberry Pi die schwerere Rechenarbeit übernimmt. Kombiniert man sie, werden Projekte möglich, die keiner von beiden allein gut hinbekommt.
Meine Lieblingskombination ist eine Wetterstation mit Home Assistant. Der Arduino liest einen BME280-Sensor auf einem Breadboard aus, der Raspberry Pi betreibt Home Assistant, und ich verbinde beide über MQTT. Das ist günstig, zuverlässig, und das Dashboard zeigt live Temperatur und Luftfeuchtigkeit von meinem Balkon.
Ein weiteres Projekt, zu dem ich immer wieder zurückkehre, ist ein smartes Schachbrett: Ein Arduino Nano steuert die LEDs und Schalter unter dem Brett, während der Pi die Schach-Engine Stockfish als KI-Gegner ausführt. Eine spaßige Mischung aus Elektronik, 3D-Druck und Software.
Wer auf Retro-Gaming steht, bekommt mit einem Raspberry Pi eine hervorragende Emulationsbox, und ein Arduino kann dafür zum selbstgebauten Gamecontroller werden. Ich habe auch schon findige Leute gesehen, die ein RFID-Türschloss gebaut haben, bei dem der Pi die Tag-Datenbank speichert und der Arduino Lesegerät und Türöffner steuert – ein wirklich nützliches Heimprojekt.
Wenn du gerade erst anfängst, mach dir nicht zu viele Gedanken: Besorg dir einen gebrauchten Arduino und einen Pi und zieh ein kleines Projekt von Anfang bis Ende durch. Das Gelernte summiert sich schnell, und ehe du dich versiehst, denkst du dir deine eigenen Projekte aus.
Quelle: XDA Developers
Dieses Projekt aus dem Maker-Blog von Robotistan löst ein Problem, das jeder kennt, der von Termin zu Termin hetzt: Statt ständig den Kalender im Browser zu prüfen oder auf eine Handybenachrichtigung zu warten, sieht man den nächsten Termin auf einem echten Bildschirm auf dem Schreibtisch.
Verwendet wird ein 5,0-Zoll-ESP32-HMI-TFT-LCD. Auf dem Display sitzen bereits ein ESP32-S3-Mikrocontroller, WLAN und die Grafiktreiberschaltung, daher muss kein zusätzlicher ESP32 mit Jumperkabeln angeschlossen werden. Das System verbindet sich mit dem WLAN, fragt über die Google-Calendar-API den nächsten Termin ab und zeigt Titel, Uhrzeit und Beschreibung auf dem 800x480-Display an. Die aktuelle Uhrzeit kommt von einem NTP-Server. Wer einen neuen Termin in den Kalender einträgt, muss den ESP32 nicht anfassen: Das Gerät prüft den Kalender in festen Abständen und aktualisiert die Anzeige selbst.
Das Display ist kapazitiv berührungsempfindlich, in dieser Version wird der Touchscreen aber nicht genutzt; das Panel dient nur der Anzeige. Das Projekt beschränkt sich nicht auf Elektronik und Software: Es wird von einem 3,7-V-Lithium-Polymer-Akku mit 1800 mAh (1S) versorgt, und ein 3D-gedrucktes Wandgehäuse nimmt Display und Akku auf. So lässt sich das Panel an der Wand montieren, ohne dauerhaft an einem USB-Kabel zu hängen. Während der Entwicklung kam außerdem ein 30-poliges ESP32-Entwicklungsboard zum Einsatz, für die fertige Lösung ist es aber nicht nötig.
Gefallen hat mir, dass mit wenigen Teilen ein wirklich nützliches Alltagswerkzeug entsteht. Dieselbe Idee ließe sich leicht für den Stundenplan einer Schule oder die Termine einer Werkstatt anpassen. Die Materialliste ist kurz, sodass sich auch Einsteiger ohne großen Aufwand daran versuchen können.
Quelle: Robotistan Maker
Im Anschluss an seine Versuche mit dem RTL-SDR-V4-Stick veröffentlicht framboise314 eine Anleitung zum Dekodieren von APRS auf einem Raspberry Pi 4. Ziel ist es, die kleine Platine in eine Empfangsstation für den Amateurfunk zu verwandeln, die die europäische VHF-Frequenz 144,800 MHz abhört.
Der Artikel erklärt zunächst, was APRS (Automatic Packet Reporting System) ist. Es wurde Ende der 1980er-Jahre erfunden und ist Packet Radio: sehr kurze Audioimpulse in 1200-Baud-AFSK, verpackt in AX.25-Rahmen. Sie dienen der Positionsverfolgung, der Telemetrie (Wetterstationen, der Batteriezustand eines abgelegenen Relais) und kurzen Nachrichten. Das Netz funktioniert ohne Internet dank Digipeatern, und iGates verbinden es mit dem Web. Der Autor vergleicht es außerdem mit Meshtastic, dessen wesentlicher Unterschied bei Vorschriften und Frequenzen liegt.
Praktisch läuft der Aufbau über GQRX, sorgfältig eingestellt, und dann über Dire Wolf, einen rein softwarebasierten TNC, der die Rahmen dekodiert. Die Anleitung beschreibt die Installation, das Routing des Audios über UDP und eine ganz reale Falle: GQRX sendet standardmäßig über IPv6, daher muss der Datenstrom auf IPv4 erzwungen werden, damit Dire Wolf überhaupt etwas empfängt. Zuletzt geht es um ein Hardwareproblem, das thermische Drosseln des Prozessors unter der Last der Signalverarbeitung, das man lösen sollte, wenn die Station dauerhaft zuverlässig laufen soll.
Sympathisch fand ich den Ton eines Autors, der in den 1990er-Jahren Packet Radio betrieben hat und die Technik nun mit Hardware für ein paar Dutzend Euro wiederentdeckt. Ein guter Einstieg für alle, die Raspberry Pi und Funk verbinden wollen.
Quelle: Framboise 314
Wenn von LLMs die Rede ist, denkt man sofort an Chatbots, doch Needle geht einen anderen Weg. Es ist ein kleines KI-Modell mit gerade einmal 14 MB, entwickelt von Cactus Compute, und hat genau eine Aufgabe: Eine Anfrage in natürlicher Sprache in den Aufruf einer Python-Funktion übersetzen. Es ist nicht zum Plaudern gedacht, sondern zum Steuern von Anwendungen, Geräten und Automatisierungen.
Was mich neugierig gemacht hat: Es läuft lokal auf einem Raspberry Pi 5, nur mit der CPU, ohne Cloud und ohne eigene KI-Hardware. Statt accendi_led() zu schreiben, reicht es, „LED 1 einschalten“ zu sagen, und das Modell wählt die passende Funktion. Es funktioniert auch mit italienischen Befehlen, und auf der Projektseite gibt es Online-Demos (Smart Home, Saugroboter, Smartwatch, AR-Brille) zum Ausprobieren.
Das Tutorial von RaspberryItaly baut einen kleinen lokalen Assistenten, der Notizen in einer Datei speichert, die Temperatur des Raspberry Pi ausliest, eine LED ein- und ausschaltet und auf Italienisch geschriebene Befehle versteht. Benötigt werden ein Raspberry Pi (am besten ein Modell 5), ein aktuelles Raspberry Pi OS, Python 3, eine LED mit einem Vorwiderstand von 220 oder 330 Ohm und ein paar Jumperkabel. Die Installation läuft über eine virtuelle Umgebung und das Paket cactus-needle; eine Internetverbindung braucht man nur für den ersten Download.
Ein Hinweis des Autors sollte man sich merken: Am besten gibt man immer nur einen Befehl auf einmal. Ein Satz wie „Schalte das Küchenlicht aus und fahr die Jalousie herunter“ wird womöglich nicht richtig verstanden, zwei getrennte Befehle funktionieren dagegen.
Als Projektidee finde ich das sehr praxisnah: Kombiniert mit lokaler Spracherkennung lässt sich damit ein Roboter oder eine kleine Automatisierung steuern, ohne auf einen Netzwerkdienst angewiesen zu sein.
Quelle: RaspberryItaly
Embarcados stellt das XIAOML Kit von Seeed Studio vor, das die praktischen Labore des Buches „Machine Learning Systems“ von Professor Vijay Janapa Reddi aus Harvard begleiten soll. Die Labore wurden zusammen mit Professor Marcelo Rovai von der UNIFEI in Itajubá innerhalb der Gruppe tinyML4D entwickelt.
Das Kit besteht aus einem XIAO ESP32-S3 Sense mit OV3660-Kamera, digitalem Mikrofon und SD-Kartenleser sowie einer Erweiterungsplatine mit 6-Achsen-IMU und einem 0,42-Zoll-OLED-Display. Damit werden alle drei Datenarten abgedeckt, mit denen das Buch arbeitet: Bild, Ton und Bewegung. Außerdem liegen eine 2,4-GHz-FPC-Antenne, zwei Kühlkörper und eine 32-GB-microSD-Karte mit Adapter bei.
Der SoC ist der ESP32-S3R8, ein Dual-Core Xtensa LX7 mit 240 MHz, 512 KB SRAM, 8 MB PSRAM und 8 MB Flash. Die IMU ist ein LSM6DS3TR-C, das OLED nutzt einen SSD1315-Controller, den die Bibliotheken wie einen SSD1306 mit 72 x 40 Pixeln behandeln. Das montierte Gerät misst 21 x 17,8 x 30 mm und wiegt 10,6 g. Ein praktischer Hinweis des Autors: IMU und OLED teilen sich denselben I2C-Bus mit den Adressen 0x6A und 0x3C, weshalb man bei einem weiteren I2C-Sensor diese beiden Adressen meiden muss. Die IMU-Platine hat außerdem einen JST-Anschluss für einen 3,7-V-Lithium-Akku, was für Wearable-Projekte praktisch ist.
Am meisten gefallen hat mir die Kombination aus einem Referenzbuch und günstiger, kompakter Hardware: Man kann von der Theorie direkt zur Inferenz auf einem echten Mikrocontroller übergehen. Das OLED passt natürlich nur zwei oder drei gut lesbare Zeilen, aber das reicht, um die erkannte Klasse oder einen Konfidenzwert in Prozent anzuzeigen.
Quelle: Embarcados
Arduino nimmt Vorbestellungen für das Ventuno Q an, das bereits im März angekündigt wurde. Laut Make-Bericht kostet das Board 298,99 Euro, und vorbestellte Geräte sollen in etwa vier Wochen ausgeliefert werden. Es richtet sich vor allem an Edge-KI und Robotik.
Spannend finde ich das „Dual Brain“-Konzept. Auf der Linux-Seite arbeitet ein Qualcomm Dragonwing IQ8 (QCS8275) mit acht Kryo-Kernen und einer Hexagon-NPU mit bis zu 40 TOPS. Für alles Zeitkritische ist ein STM32H5F5 mit Cortex-M33 zuständig, der unter Zephyr RTOS mit dem Arduino Core läuft und Motoren, PWM und GPIOs bedient. Beide Seiten sprechen über eine RPC-Brücke miteinander. Ein Roboter könnte so Kamerabilder lokal auswerten und nebenbei die Motorregelung übernehmen, ohne mehrere Boards zu kombinieren.
Die Ausstattung ist für Arduino-Verhältnisse üppig: 16 GByte LPDDR5, 64 GByte eMMC, ein M.2-Slot für NVMe-SSDs, drei MIPI-CSI-Kameraanschlüsse, 2,5-Gigabit-Ethernet, Wi-Fi 6 und Bluetooth 5.3. Dazu kommen I2C, SPI, UART, mehrere CAN-FD-Schnittstellen, ein Qwiic-Anschluss, vier RGB-LEDs und eine 8×13 große LED-Matrix.
Bei der Software ist Ubuntu vorgesehen, Debian soll folgen; Docker und apt stehen laut Arduino bereit. Im Arduino App Lab lassen sich Sketches, Python-Skripte und containerisierte KI-Modelle verbinden. Vorinstalliert sind unter anderem Qwen, Gemma, Whisper, YOLOX und MediaPipe, eigene GGUF-Modelle laufen über llama.cpp.
Der Preis liegt weit über dem üblichen Arduino-Niveau, deshalb ist das Board eher etwas für größere Projekte als für den Einstieg. Mich reizt vor allem die Idee lokaler Sprachsteuerung und cloudunabhängiger Automatisierung.
Quelle: heise online (Make)
Bei sommerlicher Hitze kommt es immer häufiger vor, dass allein lebende ältere Menschen wegen eines Hitzschlags ins Krankenhaus gebracht werden, weil sie den Temperaturanstieg im Zimmer nicht bemerkt haben. Das auf Zenn veröffentlichte private Projekt „THSense“ richtet sich an Menschen, die sich um weit entfernt lebende Angehörige kümmern. Es überwacht Raumtemperatur und Luftfeuchtigkeit und schickt eine E-Mail, wenn die Temperatur einen gefährlichen Wert erreicht.
Die Funktionen sind schlicht: Jede Minute werden Temperatur und Luftfeuchtigkeit gemessen, bei mehr als 35 °C wird eine E-Mail verschickt, und im Browser lassen sich die aktuellen Werte sowie der Verlauf als Diagramm ansehen. Laut Autor dient das Diagramm dazu, Vorzeichen wie eine dauerhaft steigende Temperatur früh zu erkennen.
Der Aufbau ist interessant. Das Auslesen des Sensors (DHT20) übernimmt ein Arduino auf dem Grove Beginner Kit und nicht der Raspberry Pi, da dies reaktionsschneller ist und sich genauere Werte leichter gewinnen lassen. Alle 60 Sekunden sendet der Arduino über die USB-Serialschnittstelle eine Zeichenkette an den Raspberry Pi. Dort empfängt ein Python-Programm sie mit pyserial, wandelt sie zurück in Zahlen und übernimmt Temperaturprüfung, Versand der E-Mail und Speicherung in der Datenbank. Die Datenbank ist eine MariaDB auf einer virtuellen Maschine in Azure, die Oberfläche entsteht mit Flask und Chart.js. Die E-Mails laufen über den SMTP-Server von Gmail und werden mit smtplib versandt; die Zugangsdaten stehen in einer .env-Datei statt im Code.
Die klare Aufgabenteilung macht das Projekt zu einem nützlichen Beispiel für kleine IoT-Konstruktionen. Dass der Arduino misst und der Raspberry Pi bewertet und benachrichtigt, ist eine Aufteilung, die ich auch bei ähnlichen Bastelprojekten übernehmen könnte. Der Quellcode soll auf GitHub veröffentlicht sein.
Quelle: Zenn
Raspberry Pi hat sein Smart Display Module endlich in den Verkauf gebracht. Es wurde bereits im Januar angekündigt, und seit dieser Woche gibt es es bei autorisierten Händlern für 30 Dollar. Das Compute Module 5 wird separat verkauft, es handelt sich also um einen nackten Adapter und nicht um einen vollständigen Computer.
Das Modul ist eine Adapterplatine für das Compute Module 5, die in Displays und Projektoren steckt, die der Smart Display Module (SDM)-Spezifikation von Intel folgen. Strom, Video, Audio, Daten und Steuersignale laufen alle über den internen Anschluss. Dadurch hängen keine zusätzlichen Kabel, Netzteile oder Halterungen an der Rückseite eines Bildschirms. Entwickelt wurde es zusammen mit Sharp Display Solutions Europe, und es unterstützt die Wiedergabe von 4K-Video.
Auf der Platine sitzt außerdem ein M.2-Steckplatz, in den schneller Speicher oder ein KI-Beschleuniger wie ein Hailo-Modul passt. Die Platine ist lüfterlos und geräuschlos und richtet sich an digitale Beschilderung, die rund um die Uhr laufen muss: Flughafen-Informationsanzeigen, Wegeleitsysteme, Bildschirme in Geschäften und Unternehmen oder immersive Ausstellungen in Kombination mit einem SDM-Projektor.
Ein früher Tester, der kleine Beschilderungsdienst Media Looper, hat es drei Monate lang auf einem Sharp-Display betrieben. Der Gründer sagte, damit gehe alles, was ihr Raspberry-Pi-5-Aufbau kann, und zwar ohne Kabel, Netzteil oder Halterung, die ein Kunde versehentlich lösen könnte. Für jedes Display mit SDM-Steckplatz wolle man es künftig als Standard verwenden.
Solche Ankündigungen gefallen mir, weil sie zeigen, wie weit sich die Plattform von Bastlerplatinen hin zu aufgeräumter eingebetteter Hardware entwickelt hat. Wer ein Display-Projekt plant, für den ist ein 30-Dollar-Modul, das im Bildschirm verschwindet, eine schicke Option. Man sollte aber trotzdem prüfen, ob das eigene Display tatsächlich einen SDM-Steckplatz hat.
Quelle: Raspberry Pi News
Die HDA-Link-Schnittstelle, auch Azalia genannt, findet man meist nur in PC-Chipsätzen. Der Autor eines Habr-Artikels wollte prüfen, ob der Mikrocontroller RP2040 des Raspberry Pi Pico als Host für diese Schnittstelle dienen kann. Der Reiz liegt auf der Hand: Mehrkanalige HDA-Audiocodecs bieten deutlich mehr Kanäle als I²S.
Das Projekt basiert auf einem RP2040 mit PIO-Blöcken und einem auf der Platine verbauten Realtek ALC889. Die Platine stammt von einem früheren, gescheiterten Versuch mit einem STM32F103 und einem Spartan-3. Das BCLK-Signal muss stabile 24 MHz haben und kann daher nicht per Software erzeugt werden. Die Schnittstelle nutzt vier Leitungen: BCLK, SYNC, SDO und SDI. Ein Rahmen mit 1000 Bit ergibt 48 kHz, bei 96 und 192 kHz steigt die Zahl der Samples pro Rahmen.
Die Umsetzung nutzt vier PIO-Zustandsautomaten: SDO-Ausgabe, SYNC-Ausgabe, SDI-Eingabe mit BCLK-Erzeugung und einen Automaten, der dem Codec eine Adresse zuweist. Die Daten laufen über DMA, während der zweite Kern des RP2040 Samples und Befehle packt und die Antworten des Codecs auswertet. Das Demoprojekt erzeugt Sinustöne auf fünf Stereo-DACs, die dritte Harmonische liegt bei etwa −123 dB.
Der Codec lief mit 192 kHz Abtastrate. Das Übertakten des RP2040 auf 32 MHz (256 kHz) funktionierte ebenfalls, der Codec wurde dabei aber stark warm. Die Platine zieht bei 3,3 V zwischen 150 und 270 mA. Es gibt auch Grenzen: Die eingebauten Filter wirken wie ein Hochpass erster Ordnung mit rund 4 Hz Grenzfrequenz, und die HDA-Eingangsbandbreite erlaubt nicht drei Stereokanäle mit 24/192 gleichzeitig.
Der Autor entdeckte außerdem einen Synchronisationsfehler des RP2040, wenn DMA, USB und XIP-Sampling gleichzeitig laufen. Die Ursache fanden Spezialisten von Raspberry Pi. Für aufwendige Verarbeitung empfiehlt er den RP2350 mit DSP-Befehlen. Mir gefällt, dass das Projekt Ergebnisse und Schwächen gleichermaßen ehrlich zeigt.
Quelle: Habr
Sensoren sind nicht länger die fast unsichtbaren Bauteile in Werkstatt oder Fabrik. Hardware Libre stellt mehrere Projekte in Spanien und Europa vor, in denen vernetzte Geräte, Datenplattformen und künstliche Intelligenz für ganz unterschiedliche Aufgaben eingesetzt werden: Ausfälle vorhersagen, Luftverschmutzung überwachen, Vögel an ihrem Gesang erkennen oder die Sicherheit von Fahrzeugen verbessern.
Das ausführlichste Beispiel ist Scamia in Madrid, ein Projekt der städtischen Wohnungsgesellschaft EMVS, das bis 2027 in fünfzehn Gebäuden umgesetzt wird, davon dreizehn Sozialwohnungen. Das Budget liegt bei rund 5,2 Millionen Euro mit europäischer Kofinanzierung, und im Mittelpunkt steht ein digitaler Zwilling jedes Gebäudes. Die Daten von rund zweihundert Sensoren pro Gebäude, die per WLAN und IoT verbunden sind, messen Temperatur, relative Luftfeuchtigkeit oder CO2-Werte und erkennen Auffälligkeiten, bevor die Nachbarn sie bemerken. Die Daten werden anonymisiert und Haushalten, nicht Personen zugeordnet.
Die Verantwortlichen rechnen mit 15 bis 20 Prozent weniger Wartungskosten für Anlagen wie Wärmepumpen oder Heizkessel und 5 bis 10 Prozent weniger Energieverbrauch. Der Artikel relativiert das: Diese Prozentsätze entsprechen je Wohnung etwa 40 bis 100 Euro Energieersparnis im Jahr. Der eigentliche Wert zeigt sich, wenn man viele Haushalte zusammenrechnet und teure Ausfälle vermeidet.
In Cartagena wird ein weiteres Netz für die nördlichen Stadtviertel vorbereitet, mit einem Auftrag über 130.258 Euro inklusive Mehrwertsteuer und rund fünfzehn Geräten, die Gase wie Stickstoffdioxid oder Ozon messen sollen.
Der Text erinnert daran, dass dieselben Prinzipien, die man in einem heimischen Projekt mit Mikrocontroller und Temperatursensor anwendet, auf eine ganze Stadt übertragbar sind. Die eigentliche Schwierigkeit liegt laut Artikel nicht im Messen, sondern darin, Millionen von Messwerten in nützliche Entscheidungen zu verwandeln.
Quelle: Hardware Libre
Pavel Loktev hat auf Habr einen Test veröffentlicht, nachdem er eine Woche mit dem Wandpanel Elecrow CrowPanel auf Basis des ESP32-P4 gelebt hat, und hinterfragt, wozu so ein Gerät überhaupt gut ist. Mich hat die Ehrlichkeit seiner Schlussfolgerungen beeindruckt, daher gebe ich die wichtigsten Punkte weiter.
Das Gerät hat einen 10,1-Zoll-Bildschirm mit 1024×600 Pixeln, 32 MB PSRAM, 16 MB Flash, einen kapazitiven Touchsensor, Audio, einen SD-Slot und GPIOs. Die Firmware ist geschlossen, es handelt sich also eher um ein fertiges Produkt als um eine Entwicklungsplattform. Das Panel arbeitet als Client: Auf dem Home-Assistant-Server installiert man ein Add-on und gibt dann am Panel selbst Serveradresse, Benutzername und Passwort ein. Danach zeigt es ein normales HA-Dashboard an, ohne dass eine eigene Oberfläche entworfen werden muss.
Der Autor liefert Messwerte. Vom Kaltstart bis zum funktionierenden Dashboard vergehen etwa 20 Sekunden. Vom Tastendruck bis zur Statusänderung dauert es 0,7 bis 0,8 Sekunden, und das Wechseln eines Tabs bis der Block bereit ist, 1,1 bis 1,3 Sekunden. Der Befehl wird fast sofort gesendet, die visuelle Bestätigung auf dem Display kommt aber spürbar später. Schieberegler funktionieren gut, auch Kameras und Medienwiedergabe hat er getestet.
Bei den Alternativen bleibt er ebenfalls ehrlich. Ein Tablet ist schneller und vielseitiger, braucht aber Halterung, Stromversorgung und Kiosk-Modus. ESPHome mit LVGL ist günstiger, die Oberfläche muss man aber selbst bauen und pflegen. Fertige Panels wie das Sonoff NSPanel lösen Gehäuse und Stromversorgung, benötigen aber oft Fremdfirmware. CrowPanel ist der Mittelweg: ein Dashboard für Handy, PC und Wand.
Als Nachteile nennt der Autor die geringere Leistung, eine für dichte Dashboards zu kleine Auflösung und die geschlossene Firmware. Ein eingebauter Akku fehlt. Sein Fazit: Das ist kein Ersatz für das Tablet, sondern für die Bedienfernbedienung im Eingang, in der Küche oder in der Garage. Mir gefiel seine Formulierung über einen Schalter mit großem Display, die halte ich für sehr treffend.
Quelle: Habr
