Forschung
Adaptive und Intelligente eingebettete Systeme
Ziel des Fachgebiets ist die Erforschung von Algorithmen, Konzepten und Verfahren zur Entwicklung von vernetzten eingebetteten Systemen. Beispiele hierfür sind das sogenannte Internet der Dinge (IoT), Cyber-physical Systems (CPS) und Industrie 4.0. Um den Anforderungen an zukünftige IoT-Applikationen gewachsen zu sein, erforschen wir die Einsatzmöglichkeiten rekonfigurierbarer und adaptiver Hardware, sowie den Einsatz von KI-Techniken auf ressourcenbeschränkten Systemen. Unser Fokus liegt hierbei auf Deep-Learning Ansätzen mit Deep- und Convolutional Neural Networks für eingebettete Systeme.
Kernaspekte unserer Forschung
Brain-Computer-Interfaces
Der Forschungsbereich der Brain-Computer-Interfaces ist ein hochspezialisiertes Feld, das sich mit der Entwicklung und Optimierung von Systemen befasst, die eine direkte Interaktion mit dem Gewebe, dem Benutzer und der Umgebung ermöglichen.
Embedded Machine Learning
Künstliche Intelligenz hat das Potenzial dazu, hochdimensionale Daten performanter zu verarbeiten. Wir untersuchen, wie man Konzepte wie Deep Neural Networks ressourceneffizient auf eingebetteten Systemen einsetzen kann.
AI Accelerators
Um die steigenden Leistungsanforderungen an eingebettete Systeme zu erfüllen entwickeln wir energieefffiziente Hardware- und Softwarelösungen, die Adaptionen auf Basis von rekonfigurierbarer Hardware unterstützen.
Frühere Forschungsschwerpunkte
In unserem Forschungs-Achiv finden Sie eine Übersicht aller früheren Forschungsschwerpunkte des Fachgebiets.