Next Generation Computing in der Edge

Wie kann Computing zukünftig statt in der Cloud nahe am Sensor bewerkstelligt werden? Und wie kann in einem solchen Set-up maschinelles Lernen auf verteilten Systemen stattfinden? Mit diesen hochaktuellen Fragestellungen beschäftigen sich Forschende der Fraunhofer EMFT gemeinsam mit elf weiteren Fraunhofer-Instituten im Innovationsprojekt SecLearn Arrival. Im Zentrum stehen dabei die Aspekte neuromorphe, energieeffiziente Hardwarekomponenten und KI-Algorithmen für dezentrales Lernen sowie der Datenschutz.

Heutige, auf von-Neumann basierte Computer Architekturen haben einen enorm hohen Energieverbrauch, sodass eine massive Ausweitung des Computings in die Edge nicht sinnvoll wäre.

Ziel der Forschenden ist es nun, im Rahmen des Projekts neuromorphe Beschleuniger mit einer um Größenordnungen geringeren Leistungsaufnahme zu entwickeln und für KI Algorithmen zu optimieren. Zu einem späteren Zeitpunkt sollen auf Basis dieser Hardware zwei Use Cases implementiert werden: (I) Spracherkennung (Keyword-Spotter + AudioEventdetektor) und (II) Bilderkennung (automotive bzw. autonomes Fahren). Das maschinelle Lernen soll hierbei in den verteilten Systemen stattfinden, ohne dass die Grunddaten in die zentrale Cloud gegeben werden müssen. Auf diese Weise können sensible Daten in den lokalen Systemen verbleiben und der Datenschutz ist besser gewährleistet.

Die Arbeiten werden intern als Fraunhofer-Leitprojekt gefördert.