Lab2Device - Vom Prototyping-Labor in das ressourcenbeschränkte Embedded Device

Schwerpunkte:	RessourcenEffizienz Transfer
Art der Förderung:	Projektförderprogramme
Programm:	CZS Transfer
Geförderte Institution:	Hochschule Offenburg

Leistungsfähige KI-Modelle fordern einen hohen Bedarf an Ressourcen (Rechenleistung, Speicherplatz, Energie). Diese sind in Endgeräten aber beschränkt. Das Projektteam entwickelt Methoden, um KI-Modelle für den Einsatz in ressourcenbeschränkten Endgeräten zu optimieren.

Ziele

Immer leistungsfähigere KI-Modelle steigern auch deren Ressourcenbedarf (Rechenleistung, Speicherplatz, Energie). Viele Endgeräte können diesen Ressourcenbedarf nicht erfüllen, weshalb KI-Modelle häufig in der Cloud abgebildet werden. Die ständige Kommunikation zwischen Endgerät und Cloud führt zu einem hohen Energieaufwand, verschlechterter Privatsphäre und Modellverfügbarkeit.

Das Projekt „Lab2Device“ entwickelt einen Ansatz, der es Unternehmen erleichtert, ihre KI-Modelle für den Einsatz in ressourcenbeschränkten Endgeräten zu optimieren. Dafür kommen Methoden zum Einsatz, die bestehende Modelle komprimieren sowie neue leistungsfähigere KI-Modelle unter Ressourcenbeschränkungen suchen. Das Projekt untersucht, ob diese Methoden geeignet sind, um ressourceneffiziente KI-Modelle zu erstellen, sowie die dafür verbrauchten Ressourcenkosten. Darüber hinaus wird der Einfluss der Methoden auf weitere, nutzerzentrierte Zielgrößen wie Datensparsamkeit und Verlässlichkeit der Modellvorhersagen untersucht.

Die Methoden werden anhand zweier repräsentativer Anwendungsfälle (Batteriediagnose und Humanoide Robotik) entwickelt. Der Transfer der gewonnenen Erkenntnisse und Entwicklungen wird anhand von Anwendungen und Endgeräten der Kooperationspartner validiert.