Edge AIoT (engl. AI integrated in the Internet of Things) ist nicht nur ein Trend, sondern für die Industrie auch immer häufiger notwendig. Vermehrt müssen kleine Geräte mit einer geringen Latenz riesige Datenmengen nahe am Ort der Entstehung verarbeiten und gleichzeitig effizient KI-Algorithmen ausführen. Dafür sind bereits Lösungen auf dem Vormarsch, die die Daten in den Sensoren selbst verarbeiten, diese erfordern jedoch einen umfassenden und innovativen Ansatz, um Kosten und den Stromverbrauch zu minimieren. Daher ist im Rahmen von industriellen Anwendungen eine kontinuierliche Verbesserung von Hardware zur Berechnung von KI-Algorithmen vonnöten. Dieser Herausforderung widmen sich 19 Unternehmen und Universitäten im Forschungsprojekt CLEVER[2].  Ihr gemeinsames Ziel ist die Entwicklung eines energieeffizienten Hardware-Beschleunigers für KI-Algorithmen.

Der Beitrag des Fraunhofer IMS: Entwicklung eines energieeffizienten Hardware-Compilers
Im Rahmen des Projekts arbeiten die Verbundpartner an diversen Innovationen zur Realisierung eines effizienten Betriebs von Hardware für die Verarbeitung von KI. Das Fraunhofer IMS fokussiert sich dabei auf die Entwicklung eines EDA-Tools (Electronic Design Automation), welches das Design eines Beschleunigers vereinfachen soll. Als Komponente soll für das Tool ein Hardware-Compiler entworfen werden. Dabei handelt es sich um eine Software, die einen vorgegebenen KI-Algorithmus direkt in einen HDL-Code (Hardware Description Language) für den Beschleuniger übersetzen soll.

Bei dem erstellten KI-Algorithmus konzentriert sich das Team des Fraunhofer IMS auf den Teilbereich der neuronalen Netze. Der fertig gestellte Beschleuniger soll im nächsten Schritt an den vom Fraunhofer IMS entwickelten AIRISC, einen RISC-V-Prozessor, der die nötige Offenheit für die Integration bietet, angebunden werden. Die lokale KI soll dadurch die Datenmenge verringern, die gesendet werden muss. Gleichzeitig sollen durch den entstandenen Beschleuniger die KI-Algorithmen energieeffizienter auf kleinsten embedded Geräten betrieben werden.

Effiziente Hardware würde zahlreiche Anwendungsszenarien ermöglichen
Der Nutzen einer optimierten Hardware wäre in vielfältigen Anwendungsfeldern wiederzufinden, wobei das Konsortium im Projekt CLEVER folgende Anwendungsfälle schwerpunktmäßig beleuchten wird:

1. Digitale Zwillinge für die fabrikinterne Optimierung

2. Erweiterte Realität (AR) für Einkaufszentren

3. Intelligente Landwirtschaft für ertragreiche Öko-Farmen

Im Bereich der Landwirtschaft könnten beispielsweise batteriebetriebene, kamerabasierte Systeme Bilder vor Ort auswerten und bei Bedarf einen Alarm senden, um die Bewirtschaftung der Felder passgenau mit den eingesetzten Ressourcen, wie zum Beispiel Wasser oder Pestizide, abzustimmen. Der im Forschungsprojekt entworfene Beschleuniger würde zu einer effizienteren Auswertung der Daten beitragen, wodurch sich die Akkulaufzeit verlängern würde. Durch das Einsparen von Ressourcen sowie durch eine allgemeine Optimierung des Anbaus würde eine ertragreichere und nachhaltigere Landwirtschaft gefördert werden.

Kooperierende Institutionen
Am Forschungsprojekt CLEVER ist ein Konsortium, bestehend aus folgenden Institutionen beteiligt: Sant´Anna School of Advanced Studies, Dell Technologies, Synopsys, Eccenca, Technische Universität Eindhoven, Agricolus, Aalborg University, Gottfried Wilhelm-Leibniz-Universität Hannover, Cnit, BMW, Nvidia, Cortus, Golfe Engineering, Hochschule für Technik und Wirtschaft Dresden, National Technical University of Athens, Italtel, University College Cork, Innatera, Fraunhofer IMS.

Link zur Projektwebseite: https://www.cleverproject.eu/

[1] KDT JU: Key Digital Technologies Joint Undertaking
[2] CLEVER als Akronym für: Collaborative edge cLoud continuum and Embedded AI for a Visionary industry of thE futuRe. Das Projekt wird von der Europäischen Union unter 101097560 - CLEVER - HORIZON-KDT-JU-2021-2-RIA gefördert und vom Bundesministerium für Bildung und Forschung BMBF unter dem Förderkennzeichen 16MEE0263K kofinanziert.