ThinKIsense

Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren

Industrieroboter
Edge-Anwendungen benötigen effiziente und leistungsfähige Elektronik entlang der gesamten Wertschöpfungskette, um die damit verbundenen Anforderungen, z. B. an Echtzeit oder Vertrauenswürdigkeit, umzusetzen. © Poobest - AdobeStock

Motivation

Die zunehmende Zahl von vernetzten Geräten und Sensoren, das „Internet of Things“ (IoT), ermöglicht vielfältige und neue Anwendungen. Sie sorgt aber auch für eine rasant wachsende Datenmenge. Die Verarbeitung von Daten an ihrem Entstehungsort (Edge Computing) hilft, damit effizient umzugehen. Edge Computing stärkt dabei die Funktionalität, Nachhaltigkeit, Vertrauenswürdigkeit und Wirtschaftlichkeit von Elektronikanwendungen durch den Einsatz von Künstlicher Intelligenz und Vernetzung. Ziel der OCTOPUS-Projekte ist es, anwendungsbezogen hochinnovative Elektronik bereitzustellen, um diese Vorteile zu erschließen.

Ziele und Vorgehen

Im Rahmen des Vorhabens ThinKIsense soll die Verarbeitung von Daten von der Cloud direkt in den Sensor verlagert werden. Durch eine gezielte Datenvorverarbeitung im Sensor wird die Kommunikationshäufigkeit gesenkt, was die Lebensdauer der Batterien im Sensor und die Energieeffizienz steigert. Hierfür werden klassische, künstliche neuronale Netze auf einem Arm-Mikrocontroller implementiert. Mittels zweier Techniken soll hieran eine Beschleunigung erprobt werden: einmal durch Spezialinstruktionen auf einem angepassten RISC-V-System und einmal durch den Einsatz von Spiking Neural Networks und einem darauf abgestimmten neuromorphen Beschleuniger.

Innovationen und Perspektiven

Im Projekt ThinKIsense werden für sensornahe KI Funktionen zwei unterschiedliche State-of-the-art-Ansätze verfolgt und optimiert. Dies ermöglicht eine bessere Datenvorverarbeitung und höhere Energieeffizienz, welche in jedem Sensor zum Einsatz kommen kann. Dadurch soll die Laufzeit der im Sensor verwendeten Batterien von drei auf acht Jahre gesteigert werden.