60-GHz-Antenna-in-Module-Radar macht Edge-AI-Umfelderfassung kameralos – für Gesundheit, Gebäude und Sicherheit

01Was ist passiert

Der japanische Halbleiterhersteller Asahi Kasei Microdevices (AKM) hat die Serienfertigung des 60-GHz-FMCW-Radarmoduls AK5816AIM gestartet; der Spezialdistributor Atlantik Elektronik hat wenig später die Verfügbarkeit im DACH-Raum bekanntgegeben. Das Bauteil integriert vier Sende- und vier Empfangsantennen (4Tx/4Rx) direkt auf einem 23 × 23 mm BGA-Substrat (Antenna-in-Module). Über SPI/UART-Schnittstellen liefert das Modul 3D-Punktwolken und Range-Doppler-Matrizen an nachgelagerte Embedded-Prozessoren. In Kombination mit leichtgewichtigen TinyML-Algorithmen erkennt das Modul Bewegung, Haltung, Raumposition und Atemfrequenz mehrerer Personen – ganz ohne optische Kamera. AKM kooperiert dabei mit den KI-Partnern Aizip, Algorized, Sigma0 und Nisshinbo Micro Devices.

02Was es bedeutet

Für europäische Hardware- und Embedded-Entwickler vereinfacht diese Lösung den Einstieg in die radargestützte Umfelderfassung drastisch: Da die Antenne bereits im Gehäuse abgestimmt ist, entfällt das komplexe Hochfrequenz- und Leiterplatten-Layout auf Spezialsubstraten – das Signal-Streaming kann direkt auf Standard-FR4-Platinen geroutet werden. Die KI-Verarbeitung läuft lokal auf gekoppelten Microcontrollern oder NPUs. Das ist ein starkes Privacy-by-Design-Argument für den Einsatz in sensiblen Bereichen wie Sanitärräumen, Pflegeheimen oder Privaträumen – ersetzt aber, wie der Abschnitt „Datenschutz & DSGVO-Einordnung“ weiter unten zeigt, noch keine vollständige datenschutzrechtliche Prüfung.

Diese Kombination aus integrierter Antenne und lokal laufender KI öffnet ein Anwendungsspektrum, das deutlich über die naheliegende Sturzerkennung hinausreicht. Im Gesundheits- und Pflegebereich klassifizieren 1D- oder 2D-CNNs die charakteristischen Mikro-Doppler-Signaturen von Stürzen in unter zehn Sekunden und ermöglichen zugleich kontaktloses Atem-Monitoring im Bett – ein Szenario, das für Pflegeheime und die häusliche Altenpflege gleichermaßen relevant ist. In Kliniken und auf Intensivstationen erlaubt dieselbe Technik ein kontinuierliches Atemmonitoring und die nächtliche Erkennung von Unruhezuständen, ganz ohne die für Patienten oft unangenehme Videoaufzeichnung – ein Einsatzfeld, das in Schlaflaboren ebenso denkbar ist wie auf der Normalstation. Im Smart-Building-Bereich übernehmen Random-Forest- und Cluster-Algorithmen die Raumbelegungserfassung und unterscheiden zuverlässig zwischen Menschen, Haustieren und Luftzügen – ein klarer Vorteil gegenüber klassischen Passiv-Infrarot-Sensoren, die bei stillsitzenden Personen regelmäßig Fehlalarme produzieren.

Auch im Sicherheitsbereich zeigt sich das Potenzial der Technologie. In Reinräumen und sicherheitskritischen Industriearealen erfassen die Module Bewegungs- und Traversierungsmuster zuverlässig, während sie im Perimeterschutz Eindringlinge selbst durch Wände, Nebel oder Dunkelheit erkennen – Bedingungen, unter denen optische Systeme regelmäßig an ihre Grenzen stoßen. Ergänzend lässt sich dieselbe Sensorik zur Vibrations- und Sabotageerkennung an Produktionsanlagen einsetzen. Ein weiteres, im Markt noch wenig besetztes Feld ist der Fahrzeuginnenraum: Kindersitz- und Insassenerkennung sowie die Überwachung des Fahrerzustands – etwa das Erkennen von Mikroschlaf oder auffälligen Vitalwerten – gewinnen im Kontext der kommenden EU-Vorgaben zur verpflichtenden Kindererkennung in Neufahrzeugen zusätzlich an Relevanz.

03Mehr erreichen durch dynamische, digitale Intelligenz der KI

Das KI-, Embedded- & Edge-Ökosystem des Moduls baut auf einer intelligenten Aufteilung zwischen Sensor-Hardware und lokalen TinyML-Modellen auf: einer latenzarmen Übertragung der Roh- oder Punktwolkendaten via SPI/UART an gängige Edge-Prozessoren (z. B. Arm Cortex-M4/M33/M55 mit Vector-Extensions oder dedizierte NPUs wie STM32N6 / NXP i.MX RT) sowie vortrainierten, ultraleichten TinyML-Modellen (z. B. von den AI-Partnern Aizip oder Algorized), die mit unter 100 KB RAM-Budget auskommen.

Konkrete Edge-AI-Anwendungsarchitekturen:

• Healthcare & AgeTech: 1D/2D-CNNs zur Klassifikation von Mikro-Doppler-Signaturen (Sturzerkennung unter 10 Sekunden, kontaktloses Atem-Monitoring im Bett).
• Smart Building & IoT: Random-Forest- und Cluster-Algorithmen zur Raumbelegungserfassung und Unterscheidung von Menschen, Haustieren und Lüfterzügen für intelligente HVAC-Steuerungen.
• Security & Access Control: Traversierungs- und Bewegungsmuster-Erfassung in sicherheitskritischen Reinraum- oder Industriearealen.
• NEU – Automotive & Kabineninnenraum: Kindersitz- und Insassenerkennung sowie Fahrerzustandsüberwachung (Mikroschlaf, Vitalwerte) – relevant im Kontext kommender EU-Vorgaben zur Kindererkennung in Neufahrzeugen.
• NEU – Klinik & Intensivmedizin: kontaktloses Atemmonitoring auf Intensivstationen und in Schlaflaboren, nächtliche Unruhe-Erkennung ohne Videoaufzeichnung.
• NEU – Perimeter- & Industriesicherheit: Eindringlingserkennung durch Wände, Nebel oder Dunkelheit sowie Vibrations- und Sabotageerkennung an Produktionsanlagen, ergänzend zur Reinraum-Zutrittskontrolle.

04🔒 Datenschutz & DSGVO-Einordnung

Vitalwerte, Atemfrequenz und Sturzdaten zählen als Gesundheitsdaten zu den besonderen Kategorien personenbezogener Daten nach Art. 9 DSGVO. Die lokale Verarbeitung auf dem Edge-Gerät reduziert Übertragungsrisiken und ist ein wichtiger Baustein für Privacy by Design (Art. 25 DSGVO) – sie ersetzt nicht die übrigen Pflichten: Es braucht weiterhin eine tragfähige Rechtsgrundlage (in der Regel eine ausdrückliche Einwilligung), bei systematischer Überwachung sensibler Bereiche in der Regel eine Datenschutz-Folgenabschätzung (Art. 35 DSGVO), Informationspflichten gegenüber den betroffenen Personen (Art. 13/14) sowie ein Löschkonzept für gespeicherte Auswertungen.

In Pflegeeinrichtungen und am Arbeitsplatz kommen zusätzlich Mitbestimmungsrechte des Betriebsrats sowie bei Beschäftigtenüberwachung § 26 BDSG ins Spiel; bei vulnerablen Personengruppen – etwa Pflegeheimbewohnern mit eingeschränkter Einwilligungsfähigkeit – ist die Einwilligungsfrage gesondert zu prüfen. Für Hersteller und Integratoren heißt das konkret: „kameralos“ und „lokal verarbeitet“ sind starke Verkaufsargumente – sie sind ein Baustein der DSGVO-Konformität, nicht deren automatische Erfüllung.