Top content

Forschungsschwerpunkte

In der Forschung konzentriert sich die Arbeitsgruppe Technische Informatik auf
Adaptive heterogene Architekturen für eingebettete Systeme und Cognitive Edge Computing.

Adaptive heterogene Architekturen

Auf Architekturebene betrachten wir neben Multiprozessorsystemen und Grafikprozessoren (GPUs) insbesondere dynamisch rekonfigurierbare Systeme, die ihre interne Verschaltung im laufenden Betrieb an wechselnde Umgebungsbedingungen anpassen können. Ziel dieses Forschungsfeldes ist die Bereitstellung von Entwurfsmethoden für die effiziente Nutzung dynamisch rekonfigurierbarer Architekturen in eingebetteten Systemen zur Erhöhung der Ressourceneffizienz und Zuverlässigkeit. Ein weiterer Schwerpunkt der Arbeiten ist die praktische Umsetzung der entwickelten Konzepte mit Hilfe feldprogrammierbarer Gate Arrays (FPGAs). Hier kommen neben kommerziellen Plattformen auch selbst entwickelte Hardware-Software-Systeme zum Einsatz.
     Anwendungsgebiete der in der Gruppe entwickelten Methoden zur Realisierung adaptiver heterogener Architekturen sind beispielsweise Bildverarbeitung, autonome Roboter mit hohen Anforderungen an die Energieeffizienz, Industrie 4.0 sowie Smart Home. Die Ansätze sind dabei nicht auf einzelne Komponenten beschränkt sondern sollen insbesondere auch in vernetzten eingebetteten Systemen zum Einsatz kommen. Ziel sind intelligente eingebettete Netzwerkkomponenten, die ihre Rechen- und Kommunikationsleistung selbstoptimierend auf die wechselnden Anforderungen in dynamisch vernetzten Systemen abstimmen.

Cognitive Edge Computing

Mobile Endgeräte und IoT-Komponenten erreichen ihre Leistungsfähigkeit heute in erster Linie durch eine Verlagerung der Rechenleistung in die zentrale Cloud. Insbesondere Anwendungen im Bereich des maschinellen Lernens sind aktuell auf Rechenzentren mit sehr großer Rechenleistung aber auch hohem Energiebedarf angewiesen. Müssen Entscheidungen aber unter Echtzeitbedingungen innerhalb von Millisekunden getroffen werden, so sind neue Ansätze gefordert.
     Cognitive Edge Computing verlagert Machine Learning Algorithmen in die „Edge“, also näher zu den Endgeräten oder sogar direkt in die Sensor-Aktor-Systeme. Nur so können z. B. Anwendungen in den Bereichen autonomes Fahren, Industrie 4.0 oder Mensch-Maschine-Interaktion realisiert werden. Sensible Daten werden nicht mehr unbesehen in die Cloud transferiert, sondern lokal verarbeitet, um beispielsweise im Bereich Smart Home den wichtigen Anforderungen an Privatsphäre und Sicherheit gerecht werden zu können.
     Hardware-Software-Plattformen für das Edge Computing unterliegen starken Ressourcenbeschränkungen und Anwendungen müssen in der Regel Kompromisse eingehen in Bezug auf die Genauigkeit der Berechnungen. Die AG Technische Informatik setzt hier auf skalierbare heterogene Architekturen, die Domänen-spezifische Architekturen (DSAs) mit GPUs und FPGAs kombinieren. Zur Laufzeit passen sich die Systeme an die aktuellen Anforderungen an und können so beispielsweise Verlustleistung, Leistungsfähigkeit oder Qualität der Ergebnisse optimieren.