Breadboards sind bei Makern so allgegenwärtig wie Arduinos, Lötkolben, 3D-Drucker und anderes Laborzubehör. Doch während bei Lötkolben auf hohe Qualität, bei 3D-Druckern auf Geschwindigkeit sowie Genauigkeit und bei Arduinos auf viel Flash geachtet wird, scheint sich kaum jemand Gedanken über die Qualität und Zuverlässigkeit von Breadboards zu machen.

Nicht selten funktionieren Projekte auf billigen Breadboards nur sehr unzuverlässig, weil etwa die Kontakte schlecht sind. Doch woran erkennt man ein gutes Breadboard und wovon sollte man lieber die Finger lassen?

Der Aufbau ist praktisch bei allen Boards gleich oder sehr ähnlich. Vertikale 5er-Gruppen von Kontaktlöchern sind unter dem Plastik verbunden und dienen sozusagen als „Mehrfachsteckdose“ für die Bauteile. In die einzelnen Löcher werden dann Drähte (eine Ader) oder Anschlussbeinchen einer Komponente gesteckt, wo eine Feder den Kontakt herstellt. Steckt man in diese 5er-Gruppe einen weiteren Draht, sind die beiden Komponenten elektrisch verbunden und werden auf dem Board festgehalten.

Das war die Leseprobe unseres heise-Plus-Artikels „Im Vergleich: Steckplatinen für Maker erklärt“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.

In China könnten LFP-Zellen 2025 einen Marktanteil von 74 Prozent erreichen. LFP, das steht für Lithium-Eisenphosphat, also eine Zellchemie ohne kostenintensive oder Metalle wie Nickel oder Kobalt. Die chinesische Batterieindustrie hat diese Zellchemie gepusht und zu einem Markenkern entwickelt. Abgesehen vom geringen Gesamtpreis sind LFP-Zellen haltbar und sicher. In Europa liegen die Prognosen trotzdem bei nur 24 Prozent Marktanteil im laufenden Jahr und einem knappen Drittel für 2030. Verstehen wir die Vorteile nicht – oder gibt es vernünftige Argumente und signifikante Schwächen, die gegen LFP sprechen?

Tesla war in Europa der Pionier der LFP-Zellchemie, die in Konkurrenz zur hier dominierenden Kathodenmischung aus Nickel, Mangan und Kobalt (NMC) steht. Zurzeit sind die Einstiegsversionen von Model 3 und Model Y damit ausgerüstet. Ein Nachteil von LFP ist die vergleichsweise geringe Energiedichte. Die Reichweite ist bei gleichem Bauraum entsprechend niedriger: Es sind beim Model Y Basismodell 500 km, beim Model Y „Maximale Reichweite“ dagegen 622 km, also gut 24 Prozent mehr. Das ist repräsentativ, es können bei anderen Elektroautos auch 30 Prozent Unterschied sein.

Traktionsbatterien mit LFP-Zellchemie haben große Fortschritte bei der Energiedichte gemacht, zum Beispiel durch Cell-to-Pack oder Cell-to-Body-Systeme, bei denen die Zellen direkt und ohne Modulebene ins Gehäuse gebaut werden oder sogar als strukturelles Bauteil der Karosserie dienen. Trotzdem bleibt der immanente Rückstand zu NMC-Zellen vorhanden, weil auch dort die Effizienz beim Packaging größer wird.

Das war die Leseprobe unseres heise-Plus-Artikels „Batterie im Elektroauto: LFP – Die eiserne Enttäuschung“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.

Mit dem rasanten Fortschritt in der KI-Technologie wird ihre gezielte Optimierung zum entscheidenden Faktor für zuverlässige und skalierbare Lösungen.

In dem zweitägigen Intensiv-Workshop RAG-Systeme systematisch evaluieren und optimieren lernen Sie, wie Sie RAG-Systeme systematisch bewerten, Schwächen identifizieren und durch den Einsatz moderner Frameworks wie RAGAS und GroUSE fundierte Leistungsanalysen durchführen. Sie lernen fortgeschrittene Techniken wie Semantic Chunking, Hybrid Search, Query Expansion und Reranking kennen und wenden diese direkt in praktischen Übungen an, um Genauigkeit, Relevanz und Effizienz Ihrer RAG-Anwendungen nachhaltig zu verbessern.

Jede Menge Praxis mit echten Anwendungsfällen

Die Schulung ist interaktiv aufgebaut, mit hohem Praxisanteil und intensiver Betreuung durch zwei erfahrene Trainer. In kleinen Teams oder Zweiergruppen arbeiten Sie an realitätsnahen Use Cases und entwickeln eigenständig Lösungsstrategien für typische Herausforderungen in produktionsnahen Szenarien. So erleben Sie unmittelbar die Wirkung verschiedener Optimierungsansätze und lernen, diese gezielt zu kombinieren.

Angesprochen sind Softwareentwickler und AI-Engineers, die mit RAG vertraut sind und ihre Systeme in Bezug auf Leistung, Relevanz und Robustheit systematisch weiterentwickeln möchten.

Die Softwareentwickler Steve Haupt und Jacques Huss von andrena objects leiten den Workshop. Steve Haupt hat sich auf KI-Themen spezialisiert, eigene KI-Anwendungen entwickelt, über 40 Vorträge zu Künstlicher Intelligenz gehalten und mehrere KI-Trainings konzipiert. Jacques Huss hingegen legt seinen Fokus auf Clean Code, testgetriebene Entwicklung und den praktischen Einsatz generativer KI.

(ilk)