Mit Embedded AI ganz vorn dran

Ein 6G-Labor im Weltraum: Im Projekt 6G LINO entwickelt das Fraunhofer IIS gemeinsam mit Partnern der europäischen Satelliten- und Mobilfunkindustrie eine Testinfrastruktur zur Erprobung von 6G-Mobilfunk über einen LEO-Satelliten. Das von der Europäischen Weltraumorganisation ESA geförderte Projekt umfasst den Aufbau einer kompletten Übertragungskette von der Bodenstation über einen Satelliten im CubeSat-Format bis zum Empfänger am Boden.

Im Projekt werden verschiedene Features implementiert und demonstriert, darunter eine Mobilfunkbasisstation (gNB) auf dem Satelliten, Handover zwischen terrestrischem und nicht-terrestrischem Netz, Möglichkeiten zum Testen zukünftiger 6G-Wellenformanpassungen und Spectrum Sensing mit KI. Dazu wird auf dem Satelliten eine KI-basierte Lösung integriert, mit der die Auslastung von Frequenzen im Orbit untersucht werden kann, zum Beispiel um die Nutzung des Spektrums zu optimieren (Dynamic Satellite-Terrestrial Spectrum Management und Sharing im S-band). Das Fraunhofer IIS arbeitet daran, die geplanten Funktionen umzusetzen und alles für ihren Einsatz auf dem Satelliten vorzubereiten.

Im Rahmen der GAIA-Initiative hat das Fraunhofer IIS gemeinsam Partner ein Hightech-Frühwarnsystem entwickelt, das ökologische Veränderungen und kritische Ereignisse in der Umwelt mithilfe von Tiersendern erfasst. Die Initiative umfasst die beiden Teilprojekte GAIA-Sat-IoT und SyNaKI. Sie wurden vom Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Im Projekt GAIA-Sat-IoT wurden intelligente Kamera-Tags mit integrierter KI und satellitengestützter IoT-Kommunikation entwickelt, die zur Erfassung ökologischer Daten und zur Früherkennung von Wildtierkrankheiten dienen.

Im Projekt SyNaKI wurde Distriubted AI eingesetzt, um durch verteilte künstliche Intelligenz eine virtuelle Schwarmintelligenz zu schaffen, die auf der Interaktion von Tieren und Mikroprozessoren in digitalen Netzwerken basiert. 

Im vom Bundesministerium für Bildung und Forschung geförderten Projekt KI-FLEX entwickelten acht Projektpartner eine leistungsstarke, energieeffiziente Hardware-Plattform und das dazugehörige Software-Framework für autonomes Fahren. Die KI-FLEX-Plattform soll Daten von Laser-, Kamera- und Radarsensoren im Auto zuverlässig und schnell verarbeiten und zusammenführen. Dabei kommen Methoden der Künstlichen Intelligenz (KI) zum Einsatz. Das Fahrzeug verfügt so jederzeit über ein präzises Abbild der realen Verkehrsbedingungen, kann sich selbst in diesem Umfeld verorten und auf Basis dieser Informationen in jeder Fahrsituation die richtige Entscheidung treffen.

Der Beitrag des Fraunhofer IIS bestand in der Entwicklung eines flexiblen DLI-Beschleuniger-Kerns für den Multi-Core-Deep-Learning-Beschleuniger, welcher gemeinsam mit weiteren DLI-Beschleunigern in einen flexiblen, zukunftsfähigen ASIC integriert werden soll. Die Architektur des ASICs ist dabei so ausgelegt, dass zukünftige Verbesserungen der Architekturen von neuonalen Netzen (NN), das heißt neu aufkommende NN-Typen und -Konzepte, damit weiterhin realisiert werden können. Dafür wurden kritische Stellen gezielt rekonfigurierbar designt, um eine Brücke von der Starrheit eines ASICs hin zur Flexibilität eines FPGAs zu bauen.

Das vom Bundesministerium für Bildung und Foschung geförderte Projekt LODRIC verlängerte die erfolgreiche Zusammenarbeit des Konsortiums, bestehend aus der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und dem Fraunhofer IIS, aus dem vorangegangenen Projekt Lo3-ML.

In seiner Fortsetzung geht es um die Entwicklung einer Entwurfsmethodik für energiesparsame digitale KI-Chips mit eingebetteten nichtflüchtigen Speicherelementen und deren prototypische Anwendung anhand drei verschiedener Applikationen. Dabei soll die Hauptinnovation des Projektes »Lo3-ML«, namentlich die Entwicklung datenflussorientierter Rechnerarchitekturen in Verbindung mit verteiltem, nicht-volatilem Gewichtsspeicher und stark (ternär) quantisierten Gewichten aufgegriffen und gezielt methodisch weiterentwickelt werden.

Das Fraunhofer IIS ist mit den drei Disziplinen Medizintechnik, Entwurf von digitalen Schaltungen und Embedded AI vertreten. Letztere wird dabei ihre Kompetenzen im Bereich hardware-aware Training ausbauen. Dabei wird eine für die Beschleunigertechnologie spezifische Tool Chain weiterentwickelt, durch die zum einen eine signifikante Verkleinerung (Optimierung) des neuronalen Netzes erreicht wird und zum anderen dessen Genauigkeit trotz hoher Quantisierung der Neuronengewichte durch iteratives Nachtrainieren erhalten bleibt.

Im Projekt MANOLO wird ein komplettes Paket vertrauenswürdiger Algorithmen und Tools einwickelt, das die Effizienz und Performance von KI-Systemen verbessert. Im Fokus stehen das energieeffiziente Training der KI-Modelle mit qualitätsgeprüften Daten sowie das Ausführen ressourcenschonender KI-Modelle auf einem breiten Spektrum von Geräten für den Einsatz an der Edge bis zur Cloud. MANOLO wird durch das Rahmenprogramm Horizont Europa der Europäischen Union gefördert.

Das Fraunhofer IIS konzentriert sich im Projekt darauf, KI-Anwendungen an die Edge zu bringen. Dafür werden Algorithmen und Tools entwickelt, die automatisiert nach geeigneten Neuronalen Netzen suchen und diese optimieren (Neural Architecture Search, NAS).