NeLeSo GmbH · München · seit 2010

Software für Ladeinfrastruktur, Energie und Edge AI

Wir entwickeln produktive Plattformen für CPOs, Flotten, OEMs, Energieunternehmen, Industrie und Wallbox-Hersteller: OCPP/OCPI, CPMS, OCPP Broker, Testautomatisierung, Azure, Python und KI-gestützte Betriebsprozesse am Edge.

eMobility seit 2012 Test-Lab seit 2014 OCPP 1.6 / 2.0.1 Azure · Python · KI

Wofür Kunden uns holen

Engineering dort, wo Ladeinfrastruktur, Energie und Industrieprozesse kompliziert werden.

NeLeSo sitzt zwischen Produktidee, Feldrealität und produktivem Betrieb. Wir bauen nicht nur Prototypen, sondern Systeme, die mit echten Ladepunkten, Maschinen, Roaming-Partnern, Energiemessung und bestehenden OT/IT-Landschaften funktionieren.

01

Ladeinfrastruktur-Plattformen

CPMS, OCPP Broker, OCPI/OICP, Hubject-Anbindung, Digital Twin, Monitoring und Migration bestehender Ladeparks ohne Big Bang.

02

Wallbox-Entwicklung & Test

OCPP-Backends, reale Testfälle, Firmware- und Konfigurationsprüfung, Lastmanagement, ISO 15118 und Remote-Support für komplexe Feldprobleme.

03

Edge AI & Industrial AI

Azure- und IoT-Architekturen, Zeitreihen, Edge Controller, Energiemonitoring und KI, die Betriebsdaten in Ursachen, Empfehlungen und lokale Entscheidungen übersetzt.

Edge AI als Produktlinie

Lokale Intelligenz für kritische Standorte, die weiterlaufen müssen.

Cloud-Systeme sind stark in Analyse, Reporting und Flottensteuerung. Aber kritische Entscheidungen gehören oft näher an die Anlage: dort, wo Ladepunkte, Maschinen, Zähler, Sensoren und Steuerungen tatsächlich laufen. NeLeSo entwickelt Edge-AI-Systeme, die lokale Daten verstehen, Störungen erklären und Betriebslogik verfügbar halten.

Ausfallsicherer Betrieb Lokale Regeln, Prioritäten und Entscheidungen bleiben aktiv, auch bei gestörter Verbindung.
KI-gestützte Fehlersuche Logs, Sensorwerte, Statusmeldungen und Ereignisse werden zu verständlichen Ursachenketten.
Optimierung vor Ort Energie, Lastspitzen, Wartung, Verfügbarkeit und Prozessqualität werden lokal ausbalanciert.
Edge AI for EV Charging Der Ladepark bleibt intelligent, auch wenn die Cloud weg ist. Edge Controller, lokales CPMS, OCPP Broker und KI-Diagnose für robuste Ladeparks. Industrial Edge AI Die Anlage erkennt Störungen und optimiert Betrieb direkt vor Ort. Predictive Maintenance, Anlagen-Copilot, Energieoptimierung und OT-Anomalie-Erkennung.
Offline-first Lokale KI OT/IT-Integration Brownfield-tauglich Fehlersuche Energieoptimierung
Edge-AI-Use-Case prüfen lassen
Edge Device EV Charging · Industrial AI · Energy
Ladepunkte Maschinen Zähler Sensoren Cloud Sync
Geöffnete Wallbox mit Display und Verkabelung in einem OCPP-Testaufbau

Wallboxen entwickeln und absichern

Tests aus dem echten Leben, nicht nur aus dem Labor.

Seit 2014 betreiben wir Testumgebungen mit Fahrzeugen, Wallboxen, Messpunkten und OCPP-Backends. Daraus sind mehr als 250 praxisnahe Testfälle entstanden - für Authentifizierung, Backend-Kommunikation, Lastmanagement, ISO 15118, Firmware und Betreiberprozesse.

  • OCPP-Test-Backend und Charger-Simulatoren
  • Firmware-, Konfigurations- und Rollout-Prüfung
  • Analyse von Feldfehlern und reproduzierbare Test-Szenarien

Belege

Gewachsen aus Projekten, die schon produktiv laufen.

Mehrere Ladepunkte in einem Lastmanagement-Testaufbau

eMobility seit 2012

Produktdefinition, Softwareentwicklung und Rollout-Unterstützung für Lade- und Fahrzeugdaten.

Edge Controller und Labor-Netzteil für Energieintegration

Energy & Edge

IoT-Energiemonitoring, Zeitreihen, Edge-Integration und transparente Energiedaten.

Monitoring-Dashboard für Ladeinfrastruktur im Testbetrieb

Produktiver Betrieb

Architekturen für Ladeparks, Flotten, Heimladen, Roaming, Monitoring und Reporting.

Insights

Technische Artikel zu Edge AI, OCPP, CPMS am Edge und Industrial AI.

Insights lesen

Arbeitsweise

Kurz zur Architektur, schnell ins System, sauber in den Betrieb.

  1. Sortieren Anforderungen, Protokolle, Betreiberrollen, Bestandssysteme und Risiken sichtbar machen.
  2. Prototypisieren Mit Pipelet-Bausteinen, Azure/Python-Services oder gezieltem Custom Code schnell validieren.
  3. Produktiv setzen Monitoring, DevOps, Datenmodelle, Testautomatisierung und Migrationspfade mitdenken.
  4. Weiterentwickeln Aus Betriebsdaten neue Funktionen, KI-Assistenten und stabile Prozesse ableiten.