Kernaspekte unserer Forschung

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.

Mehr lesen

Programming Adaptive Embedded Systems

Um die steigenden Leistungsanforderungen an eingebettete Systeme zu erfüllen entwickeln wir energieefffiziente Hardware- und Softwarelösungen, die Adaptionen auf Basis von rekonfigurierbarer Hardware unterstützen.

Mehr lesen

Self-Organising IoT Systems

IoT Systeme bestehen aus einer unüberschaubar großen Anzahl an vernetzten, eingebetteten Geräten in Kombination mit Softwareservices in der Cloud und der Edge. Wir untersuchen, wie Selbstorganisationskonzepte das Management solcher hochverteilter, dynamischer Systeme erleichtern kann.

Mehr lesen

Embedded Security

IT-Sicherheit stellt in eingebetteten Systemen, insbesondere durch ihre begrenzte Menge an Ressourcen, eine besondere Herausforderung dar. Daher untersuchen wir, wie leichtgewichtige Lösungen wie Physically Unclonable Functions (PUF) auf FPGAs dabei helfen können, dauerhaft sichere Systeme zu entwickeln. 

Mehr lesen

Network Function Virtualization

Zukünftige Netzwerkarchitekturen müssen diverse Anforderungen an ihre Dienste in unterschiedlichen Szenarien erfüllen,. Eine Möglichkeit diesen Herausforderungen zu begegnen, ist es, Network Function Virtualization, Software-Defined Networking und Multi-access Edge Computing zu nutzen.

Mehr lesen

Projekte

elastic AI

The elastic AI ecosystem

Das elastic AI Ökosystem beschäftigt sich mit der Entwicklung von Entwicklungswerkzeugen und Laufzeitumgebungen für eingebettete und verteilte KI. 

Mehr lesen

Neural signal processing using artificial intelligence on an embedded platform

Wie kann man KI in ein medizinisches Implantat integrieren? Darum geht es im MERCUR-Projekt "Neural signal processing using artificial intelligence on an embedded platform".

Enhancements of Deep Learning Systems for Intelligent Apps and the Connected Society

Die vom DAAD geförderte Sommerschule in Armenien untersucht, wie sich Deep Learning Systeme auf intelligente Anwendungen und die vernetzte Gesellschaft auswirken.

KI-LiveS

Das KI-Labor für verteilte und eingebettete Systeme hat zum Ziel, aktuelle wissenschaftliche Erkenntnisse im Themenbereich der Künstlichen Intelligenz an deutsche Unternehmen zu vermitteln und dort KI-Kompetenzen aufzubauen.

Mehr lesen
past projects

Abgeschlossene Projekte

Projekte, die inzwischen abgeschlossen wurden, finden Sie hier. Zuletzt:

Mehr lesen

Publikationen

Eine Übersicht über die Publikationen des Fachgebiets finden Sie hier.

Mehr