Visuelles Graph-Debugging für benutzerdefinierte Edge-Compiler mit Model Explorer

🇬🇧 Read in English20. Oktober 2026~2 min read

ai

aiedgemodel-explorertflitecompilerson-device

3. November 2026· ~10 min read

Sprachspiele: Wittgenstein, die Leiter und die Maschinen, die nur den Gebrauch kennen

Die zwei Wittgensteins — die Bildtheorie, die dem Sagbaren eine Grenze ziehen wollte, und die spätere Einsicht, dass Bedeutung Gebrauch ist. Was Sprachspiele, Familienähnlichkeit und das Regelfolgen-Paradox für Entwickler, Spezifikationsschreiber und alle lehren, die mit einem Sprachmodell reden.

3. November 2026· ~13 min read

Welten vor Geistern: Fuller, Lanier und die Verankerung der KI

Die Philosophie der KI fragt immer wieder, ob die Maschine einen Geist hat. Buckminster Fuller und Jaron Lanier schlagen eine bessere Frage vor: In welcher Welt ist sie, und wer hat sie gebaut? Über geodätische Globen, geteilte virtuelle Welten und die Verankerung als Designproblem.

22. Oktober 2026· ~3 min read

Architektur von verwalteten, selbstentwickelnden KI-Agenten auf Google Cloud

Ein Flash-Sale-Ansturm auf 15 kalte Inventarschlüssel – und was der Agent-Stack dagegen unternimmt: ADK-Triage, ein APEX-Layer-1-Hotpatch durch drei Governance-Gates und ein struktureller Fix der Stufe 2, der die Freigabe durch zwei SREs erfordert.

aiagentsgoogle-cloud

Wenn Sie ein Modell auf Edge-Hardware bereitstellen, kann ein Framework-Wechsel oder eine Operator-Einschränkung den exportierten Ausführungsgraphen verändern. Ingenieure stehen dann vor drei wiederkehrenden Fragen:

Strukturelle Integrität – Hat das Graph-Lowering unbeabsichtigte Operatoren eingeführt, wie z. B. zusätzliche Layout-Transpositionen?
Hardware-Delegation – Ist das Modell vollständig an die NPU oder GPU delegiert, oder fallen nicht unterstützte Teilgraphen stillschweigend auf die CPU zurück?
Engpässe auf Zyklusebene – Welche Knoten im gelowerte Graphen verbrauchen die meisten Rechenzyklen?

Diese Fragen durch das Lesen von rohen Flatbuffers oder Textprotokollen zu beantworten, ist langsam – insbesondere für LLMs und große neuronale Netze.

Was Arm gebaut hat

Arm hat benutzerdefinierte Adapter für Google AI Edge Model Explorer entwickelt, um mehrere Modellformate zu unterstützen – TOSA, VGF und PTE – und damit einen umfassenden visuellen Workflow für die On-Device-Optimierung zu etablieren. Mit diesen Erweiterungen können Entwicklungsteams:

exportierte Pipelines visuell validieren,
die Beschleuniger-Delegation auf einen Blick überprüfen (anstatt nach nicht unterstützten Teilgraphen zu grepfen),
und Engpässe auf Zyklusebene direkt im Modellgraphen lokalisieren.

Das Ergebnis ist eine Debugging-Schleife, bei der das untersuchte Objekt der Graph ist – nicht ein Haufen von Zwischendarstellungs-Dumps.

Fazit

Der Wert von Model Explorer liegt darin, dass es die Blackbox aus benutzerdefinierten Compilern und IRs in etwas verwandelt, das man ansehen kann. Wenn Sie für Edge-Hardware entwickeln oder bereitstellen und sich regelmäßig fragen: "Läuft mein Modell tatsächlich dort, wo ich denke, und ist es dort schnell, wo ich denke?", dann ersetzt visuelles Debugging auf Graphebene – über Model Explorer + Format-Adapter – eine enorme Menge an Log-Archäologie.