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
Optimizing Deep Learning Models
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.
Hardware-aware NAS
Ziel der Hardware-aware NAS ist es für einen gegebenen Anwendungsfall hinsichtlich Latenz, Energieverbrauch und Genauigkeit optimale Gesamtsysteme zu finden, insbesondere für ressourcenbeschränkte Plattformen.
AI Hardware Acceleration
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.