In einem intelligenten Zuhause, einem Smarthome, finden die Bewohner*innen Geräte, die ihr Leben einfacher machen sollen: zum Beispiel einen Kühlschrank, der Lebensmittel nachbestellen und gleichzeitig mit dem Backofen kommunizieren kann. Die Geräte und Komponenten zählen zum Internet der Dinge (engl. Internet of Things, kurz IoT). Sie sind an ein Netzwerk angeschlossen und erfassen, speichern, verarbeiten und übertragen Daten. IoT-Geräte werden auch bei selbstfahrenden Autos oder der Industrierobotik eingesetzt.

„Computer- und IoT-Systeme werden immer leistungsfähiger. Wir können anspruchsvollere Probleme lösen und die Automatisierung vorantreiben, um unsere Lebensqualität zu verbessern“, sagt Professor Dr.-Ing. Ulrich Rückert. Er ist Koordinator des neuen Projektes VEDLIoT und Leiter der Gruppe Kognitronik und Sensorik der Universität Bielefeld. „Aber die Menge der gesammelten und verarbeiteten Daten ist riesig und die benötigte Rechenleistung sehr hoch. Außerdem sind die Algorithmen oft zu komplex, um Lösungen innerhalb kurzer Zeit zu errechnen.“

Künstliche Intelligenz statt konventionellem Verfahren

In dem Projekt arbeiten zwölf Partner*innen aus den vier EU-Ländern Deutschland, Polen, Portugal und Schweden und dem EU-Assoziationsstaat Schweiz zusammen. Anstelle klassischer Verfahren, beispielsweise aus dem Bereich der Statistik, setzt das internationale Forschungsteam Verfahren des maschinellen Lernens ein, zum Beispiel Deep Learning (mehrschichtiges Lernen). Dafür werden künstliche neuronale Netze genutzt. „Beim Deep Learning hat das zugrunde liegende Netz neben Eingangs- und Ausgangsneuronen auch viele Zwischenneuronen und -schichten. Auf diese Weise lassen sich komplexe Sachverhalte abbilden“, sagt Jens Hagemeyer. Der Elektrotechniker forscht in der Gruppe Kognitronik und Sensorik und ist technischer Leiter des Projektes. „Wir stellen die Informationen bereit, die Maschinen lernen und entscheiden selbst.“

Mit der selbstlernenden Plattform VEDLIoT sollen IoT-Geräte leistungsfähiger werden und gleichzeitig weniger Energie verbrauchen. Dafür entwickeln die Forschenden eine modulare Hardware-Plattform: Auf einem Träger werden Microserver in der Größe einer Hand in unterschiedlichen Leistungsklassen kombiniert. „Je nach Anwendungsanforderung können die Server individuell auf dem Träger zusammengestellt werden. So ist die Plattform universell einsetzbar“, sagt Hagemeyer. Auch Totalausfälle werden mit dem neuen System vermieden: „Fällt ein Server beispielsweise wegen eines schwachen Funknetzes aus, ist das gesamte Gerät trotzdem noch bedienbar. In einem selbstfahrenden Auto würden die Benutzer*innen den Ausfall eines Servers im besten Fall überhaupt nicht merken.“

Ausschreibung für weitere Projektbeteiligungen

„Einige der Projektpartner*innen arbeiten seit vielen Jahren zusammen“, sagt Dr. Carola Haumann, Projektmanagerin und stellvertretende Geschäftsführerin des CoR-Labs. Zu den Partner*innen des Projekts zählen sieben Universitäten und Forschungsinstitute, die zur künstlichen Intelligenz und dem Internet der Dinge forschen. Die anderen Partner*innen sind Unternehmen unterschiedlicher Größe, vom Start-up EmbeDL bis zum Großkonzern Siemens. 

Aber auch weitere Unternehmen können sich noch am Projekt beteiligen: „Wir gehen davon aus, dass wir im Projekt zusätzlich zu den bereits vorhandenen Anwendungen in den Bereichen Automobil, Automatisierung und Smart Home noch mindestens zehn weitere Anwendungsbeispiele finanzieren. Für diese wollen wir zusätzliche Unternehmen einbinden“, so Haumann. Mitte 2022 soll ein Prototyp fertiggestellt sein. „Die Ergebnisse aus den Anwendungen fließen während der Projektlaufzeit in die IoT-Plattform ein“, sagt Jens Hagemeyer. „Dadurch können wir die Plattform direkt weiterentwickeln.“

Das Projekt ist im November gestartet, ein erster intensiver Workshop aller Projektpartner*innen ist für Anfang Dezember geplant. Ende 2023 soll das Projekt abgeschlossen werden. Finanziert wird es über die Förderlinie zu Informations- und Kommunikationstechnologien im EU-Forschungsrahmenprogramm Horizont 2020 “ (Förderziffer 957197). Der Name VEDLIoT steht für „Very Efficient Deep Learning in IoT“ (Hocheffizientes Deep Learning im Internet der Dinge).

Beteiligte Forschungseinrichtungen und Hochschulen des Projekts sind neben der Universität Bielefeld: die Technische Hochschule Chalmers in Göteborg (Schweden), die Universität Neuenburg (Schweiz), die Universität Osnabrück, die Universität Göteborg (Schweden), die Research Institutes of Sweden (RISE) in Göteborg (Schweden) und FCiências.ID, eine Vereinigung für Forschung und Entwicklung in Lissabon (Portugal). Beteiligte Unternehmen sind: Antmicro in Posen (Polen), EmbeDL in Göteborg (Schweden), der Siemens-Konzern mit Sitz in München und Berlin, Christmann Informationstechnik + Medien in Ilsede sowie die Firma Veoneer in Stockholm (Schweden).