Künstliche Intelligenz

Mit steigendem Datenaufkommen in allen Lebens- und Anwendungsbereichen sind zunehmend intelligente Systeme gefragt, die Daten selbstständig auswerten, interpretieren sowie in Entscheidungen und Aktionen umsetzen können.

Für solche Aufgaben kommen Methoden und Konzepte maschinellen Lernens zum Einsatz. Besonders komplexe Auswertungen beruhen dabei auf künstlichen neuronalen Netzen, die sich am effizientesten mit vom Gehirn inspirierten Hardware-Architekturen ausführen lassen.

Besondere Anforderungen an Latenz, Effizienz und Sicherheit machen es außerdem häufig nötig, die Daten direkt dort auszuwerten, wo sie entstehen. Deshalb setzen wir auf lokale Datenverarbeitung und arbeiten so daran, Geräten und Systemen künstliche Intelligenz zu verleihen.

Machine Learning in verteilten Systemen

Verteiltes Machine Learning findet direkt am Sensor (»Embedded Processing«) oder in der Nähe des Netzwerks (»Edge Processing«) statt. Wir entwickeln energieeffiziente und robuste Lösungen, um maschinelles Lernen auf Edge- oder Embedded-Geräten zu integrieren, beispielsweise durch den Einsatz neuromorpher Hardware.

 

Embedded Machine Learning

Implementierung und Integration von maschinellem Lernen auf Embedded-Geräten

 

Neuromorphe Hardware

Neuromorphe Hardware für maschinelles Lernen nutzen: Beratung, Design und Implementierung