![Bundesministerium für Bildung und Forschung](https://elektronikforschung.de/++theme++vdivdeittheme.bmbfsite/images/inline/sprite.svg.svg-logo.png)
Entwurfskonzepte und Methoden für vertrauenswürdige und angriffsresistente KI-Chips im Edge-Bereich
Das Chipdesign ist der wesentliche Schritt, um Mikroelektronik für spezifische Produkte und Anwendungen zu entwerfen. Über Kompetenz im Chipdesign lässt sich die Innovations- und Wettbewerbsfähigkeit Deutschlands stärken und ein Zugewinn an technologischer Souveränität in Europa erzielen. Um dieses Potenzial zu heben, soll das deutsche und europäische Chipdesign-Ökosystem ausgebaut werden. Dazu hat das BMBF die Designinitiative Mikroelektronik mit vier Schwerpunkten gestartet: ein starkes Netzwerk als zentrale Austauschplattform, Aus- und Weiterbildung von Talenten und Fachkräften, Forschungsprojekte zur Stärkung der Design-Fähigkeiten und der Ausbau von Forschungsstrukturen.
Das Projekt hat zum Ziel, KI-Beschleuniger für Edge-Systeme zu entwickeln, die auf neuronalen Netzwerken basieren und signifikante Effizienzvorteile bieten, während sie gleichzeitig Vertrauenswürdigkeit und Hardwaresicherheit berücksichtigen. Um dieses Ziel zu erreichen, wird zunächst ein quelloffenes Werkzeug implementiert, das in der Lage ist, aus KI-Modellen direkt optimierte Hardwarebeschreibungen zu erzeugen. Gleichzeitig werden existierende quelloffene Design-Werkzeuge um Methoden zur Sicherheitsanalyse und Härtung von KI-Netzwerken erweitert. Die entwickelten Werkzeuge und Methoden werden anschließend umfassend erprobt, indem ein KI-Beschleuniger entworfen wird, der auf konfigurierbaren Logikbausteinen basiert.
Durch das Projekt wird die Zusammenarbeit zwischen Deutschland und Taiwan in der Mikroelektronik intensiviert. Die wissenschaftliche Vernetzung wird das Know-how in der Chipentwicklung erweitern und zur Ausbildung von Talenten und Fachkräften im Chipdesign beitragen. Das Projekt steigert zudem die Innovationskraft am Forschungsstandort Deutschland, in dem es die quelloffene Werkzeuglandschaft um geeignete Analysen und Methoden zur Härtung von KI-Netzwerken ergänzt.