ROUTINE
Reallabor zum Transfer digitaler Gesundheitsanwendungen und KI ins Gesundheitswesen
Start: 07.2022
Ende: 06.2025
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.
Im Rahmen des Vorhabens ThinKIsense soll mithilfe einer „Predictive Maintenance“-Anwendung 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 Energieeffizienz und damit die Lebensdauer der Batterien im Sensor steigert. Für die Vorverarbeitung werden neuronale Netze eingesetzt. Mittels zweier Techniken soll dabei eine Beschleunigung erprobt werden: einmal durch Spezialinstruktionen für künstliche neuronale Netze auf einem angepassten RISC-V-System und einmal durch den Einsatz von Spiking Neural Networks und einem darauf abgestimmten neuromorphen Beschleuniger.
Das FZI erforscht im Projekt ThinKIsense energiesparende neuromorphe Beschleuniger für Spiking Neural Networks, welche etwa mit einem Arm- oder RISC-V-Prozessor gekoppelt werden können, um „Predictive Maintenance“-Aufgaben direkt im Sensor zu lösen. Neben der Hardware-Architektur werden in einem Co-Design-Prozess auch die Spiking Neural Networks selbst durch das FZI entworfen und trainiert.
In diesem Forschungsschwerpunkt liegt das Hauptaugenmerk für das FZI auf den Themen Künstliche Intelligenz (KI) und Mensch und KI-Engineering. Zudem beschäftigt sich das FZI mit Fragestellungen zu dedizierter Hardware für KI sowie KI zur Prädiktion.
Im Mittelpunkt des Forschungsschwerpunkt Climate Action Innovation steht das Ziel durch IT-Innovationen aktiv den Klimaschutz voranzubringen und nachhaltige Lösungen im Bereich Energie, Mobilität, Produktion sowie Ver- und Entsorgung zu schaffen. Dabei werden Fragestellungen rund um die Sicherheit der Lösungen von Anfang an mitbedacht.
Förderhinweis:
Das Projekt ThinKIsense wird vom Bundesministerium für Bildung und Forschung gefördert.
Projektpartner:
Reallabor zum Transfer digitaler Gesundheitsanwendungen und KI ins Gesundheitswesen
Verteiltes, kontinuierlich lernendes Bordnetzmanagement der nächsten Generation
Sicherer Einsatz von automatisierten Shuttle-Fahrzeugen im städtischen Verkehr durch unterstützende Infrastruktur-Vernetzung
Broker für dynamische Produktionsnetzwerke
Führungsausbildung für Einsatzkräfte mittels intelligenter virtueller Realitäten
Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren
Künstliche Intelligenz für Arbeit und Lernen in der Region Karlsruhe
Sicherheit auf allen Systemschichten durch Vertrauensketten und Isolierung
Software-Engineering industrieller, hybrider Quantenanwendungen und -algorithmen
Kompetenzcluster Anonymisierung für vernetzte Mobilitätssysteme