Künstliche Intelligenz im Sensorknoten

Die Auswertung von Sensordaten findet heute in der Regel in der Cloud statt. Durch die fortschreitende Digitalisierung wächst die Menge an erfassten und auszuwertenden Sensordaten jedoch rapide an. Um die anfallenden riesigen Datenmengen schnell und sicher zu übertragen, setzen Forschende der Fraunhofer EMFT auf Sensoren und Aktoren mit Künstlicher Intelligenz (KI) auszustatten. 

© adobeStock

Selbst moderne Mobilfunknetze und drahtgebundene Kommunikationsnetze werden in absehbarer Zeit von der Übertragung solch immenser Datenmengen überfordert sein. Gleichzeitig steigen die Anforderungen an Datensicherheit und -schutz. Ein Verbleib der Rohdaten in der Edge ist eine vielversprechende Möglichkeit, sowohl die Datenmengen zu reduzieren als auch die Datensicherheit zu erhöhen.

Im Projekt KIS arbeiten Forschende der Fraunhofer EMFT daher daran, Sensoren und Aktoren mit KI auszustatten. Ziel ist es, bereits in der Edge eine intelligente (Vor‑) Verarbeitung und Verdichtung von Daten vornehmen zu können. Dazu werden zunächst verschiedene Verfahren untersucht, die es erlauben, ML-Modelle derart zu trainieren, dass sie in einem intelligenten Sensorknoten ausgeführt werden können. Weiterhin wird das Forschungsteam eine intelligente Umweltmessstation konzeptionieren und entwickeln. Diese soll z.B. auf dem Dach der Fraunhofer EMFT installiert werden, um dort die Umwelteinflüsse von Verkehr, Industrieanlagen im Stadtgebiet von München zu monitoren. Die Messstation dient im Vorhaben zum einen als Lieferant von Messdaten, bei dem Daten geeignet erhoben werden, damit sie für ein Training von ML-Modellen genutzt werden können und zum anderen als Vehikel, um im Sensorknoten integrierte ML-Modelle zu untersuchen und zu testen.

Um die Übertragbarkeit der gewonnenen Erkenntnisse zu evaluieren, soll anschließend ein zweiter Transfer-Demonstrator zur KI gesteuerten Mikro-Dosierung entwickelt werden. Zusätzlich werden zusammen mit der Industrie weitere Transfer-Demonstratoren definiert, um die entwickelten Methoden zu demonstrieren.

Das Projekt wird durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie gefördert.