Der Raspberry Pi 5 ist ein sehr guter Koordinator für Kamera, Audio, Netzwerk, Benutzeroberfläche und Robotiklogik. Er ist aber keine kleine Desktop-GPU. Ob 4, 8 oder 16 GB sinnvoll sind und ob eine AI Camera, ein AI HAT+ oder AI HAT+ 2 gebraucht wird, hängt von der konkreten Rechenaufgabe ab – nicht vom Wort „AI“ im Projektnamen.
Die Hardwaredaten stammen aus der Raspberry-Pi-Dokumentation. Empfehlungen zu RAM und Aufbau sind redaktionelle Einordnung für einen sicheren Prototyp, kein Benchmarkversprechen.
Was der Pi 5 gut kann – und was nicht
Der BCM2712 besitzt vier Arm-Cortex-A76-Kerne mit 2,4 GHz. Zwei MIPI-Anschlüsse können Kamera oder Display aufnehmen; PCIe 2.0 x1 ermöglicht über einen Adapter NVMe- oder AI-Erweiterungen. USB 3, Gigabit Ethernet, Dualband-WLAN, Bluetooth 5.0 und der 40-Pin-Header machen den Pi 5 zu einer flexiblen Zentrale.
Gut geeignet sind Ablaufsteuerung, Sensorfusion, Weboberfläche, Wake Word, Audioaufnahme, kleinere Speech-to-Text-Modelle und die Übergabe von Befehlen an einen Mikrocontroller. Weniger sinnvoll ist die Erwartung, aktuelle große Sprachmodelle allein auf der CPU schnell und mit langer Kontextlänge auszuführen. Dafür ist entweder ein Cloudmodell, ein stärkerer Rechner oder ein spezialisierter Beschleuniger nötig.
| Baustein | Aufgabe im Roboter | Einordnung |
|---|---|---|
| Pi 5 CPU/RAM | Linux, Audio, Netzwerk, Dialoglogik, UI | Zentrale für Koordination und leichte Modelle |
| Mikrocontroller | Servo-Timing, Taster, sichere Zustände | Entlastet Linux bei zeitkritischen Signalen |
| AI Camera / AI HAT | Bildinferenz | Nur kaufen, wenn Vision wirklich geplant ist |
| Cloud oder starker PC | Große Sprachmodelle | Oft schneller, aber mit Kosten und Datenweg |
4, 8 oder 16 GB RAM?
4 GB reichen für Home-Automation, Motorsteuerung, einzelne Kamerastreams und schlanke Dienste. Sobald Spracherkennung, Container, Browser-Oberfläche und Kamera parallel laufen, wird die Reserve knapp. 8 GB sind für einen vielseitigen Robotikprototyp meist der beste Mittelweg. 16 GB lohnen sich nur, wenn die zusätzlichen Modelle oder Datensätze diesen Speicher wirklich nutzen; für eine Aufgabe, die an Rechenleistung statt RAM scheitert, lösen 16 GB das Problem nicht.
AI HAT+ 2 besitzt zusätzlich 8 GB eigenen Speicher. Raspberry Pi nennt lokale LLMs und VLMs bis ungefähr sechs Milliarden Parameter als Einsatzbereich. Das macht den Beschleuniger interessant für Edge-AI, bedeutet aber nicht, dass jedes Modell ohne Konvertierung und Optimierung läuft.
| RAM | Typisches Projekt | Kaufhinweis |
|---|---|---|
| 4 GB | Steuerung, Sensoren, einfache Kamera | Gut für klar begrenzte Aufgaben |
| 8 GB | Sprache, mehrere Dienste, Entwicklung | Ausgewogene Wahl für Sprachroboter |
| 16 GB | Speicherintensive lokale Experimente | Nur mit konkretem Bedarf |
AI Camera, AI HAT+ oder AI HAT+ 2?
Die AI Camera kombiniert einen 12,3-MP-Sony-IMX500-Sensor mit einem neuronalen Beschleuniger direkt im Kameramodul. Für Objekterkennung oder Pose Estimation kann sie Ergebnisse liefern, ohne den Pi mit der gesamten Inferenz zu belasten. Sie ersetzt keine universelle Kamera: Fokus ist manuell einstellbar, die unterstützten Modelle müssen zum IMX500-Workflow passen.
AI HAT+ wird mit 13 oder 26 TOPS angeboten und ist auf Bildmodelle sowie moderate neuronale Aufgaben ausgelegt. AI HAT+ 2 nutzt Hailo-10H, 40 TOPS (INT4) und 8 GB eigenen RAM; dadurch kommen ausgewählte LLM- und VLM-Workloads hinzu. Der ältere AI Kit wird nicht mehr produziert. Raspberry Pi empfiehlt für neue Projekte AI HAT+ oder AI HAT+ 2.
| Erweiterung | Stärke | Nicht kaufen, wenn … |
|---|---|---|
| AI Camera | Kompakte Vision direkt im Kameramodul | nur Videoaufnahme oder Fotos benötigt werden |
| AI HAT+ 13/26 TOPS | Mehrere Vision-Modelle, höhere Bildlast | noch keine konkrete Inferenzaufgabe existiert |
| AI HAT+ 2 40 TOPS | Ausgewählte lokale LLM/VLM-Modelle | ein Cloudmodell ohnehin akzeptiert wird |
Einkaufsliste ohne unnötige Teile
- Pi und Speicher wählen
Für einen Sprachroboter mit mehreren Diensten ist 8 GB eine vernünftige Ausgangsbasis. Zunächst mit guter microSD starten; bei vielen Schreibzugriffen oder Containern SSD planen.
- Stromversorgung festlegen
Raspberry Pi empfiehlt 5 V/5 A über USB-C, zum Beispiel das 27-W-Netzteil. Servoversorgung nicht ungeprüft aus dem Pi ableiten.
- Kühlung einbauen
Unter Dauerlast arbeitet der Pi 5 mit Active Cooler oder geeignetem Lüftergehäuse stabiler. Luftweg im 3D-Gehäuse freihalten.
- Erst Basissystem testen
Betriebssystem, SSH, Audioaufnahme und Lautsprecher außerhalb des Roboters prüfen.
- Beschleuniger nach Aufgabe wählen
AI Camera für kompakte Vision, AI HAT+ für mehr Bildinferenz, AI HAT+ 2 nur für passende lokale generative Modelle.
Stärken
- Sehr gute Dokumentation, großes Zubehör- und Software-Ökosystem.
- Kamera, PCIe, Netzwerk und GPIO in einer kompakten Zentrale.
- Lässt sich vom einfachen Controller bis zur Edge-AI schrittweise ausbauen.
Grenzen und Nachteile
- Netzteil, Kühlung, Speicher und Gehäuse gehören real zum Kauf dazu.
- Linux ist nicht ideal für harte Echtzeit und direkte Versorgung kräftiger Servos.
- AI-Hardware unterstützt nur passende, vorbereitete Modelle – nicht automatisch jede KI.
Häufige Fragen zum Pi 5 im Roboter
Kann der Pi 5 Sprache komplett offline verarbeiten?
Ja, mit geeigneten lokalen STT-, Dialog- und TTS-Komponenten. Geschwindigkeit und Qualität hängen stark von Modellgröße, Quantisierung und Audioaufbau ab.
Brauche ich für jede Kamera einen AI HAT?
Nein. Camera Module 3 funktioniert ohne AI HAT. AI-Beschleunigung wird erst nötig, wenn Bildmodelle in gewünschter Geschwindigkeit lokal laufen sollen.
Kann ein AI HAT+ gleichzeitig mit einer SSD genutzt werden?
Beide benötigen eine passende PCIe-/HAT-Planung und ausreichend mechanischen Raum. Die konkrete Kombination muss anhand der verwendeten Boards, Kabel und Gehäuse geprüft werden.
Warum nicht alle Servos direkt vom Pi steuern?
Ein Signal ist möglich, aber Lastspitzen können Spannungseinbrüche verursachen. Für mehrere oder kräftige Servos sind Treiber und getrennt dimensionierte Versorgung die robustere Architektur.