Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl von Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind.

Ziel des Vorhabens ist die Entwicklung einer Prozessorplattform für die Entwicklung hoch performanter Elektronik für rechenintensive KI-Anwendungen. Als Kernkomponente wird ein KI-Beschleuniger mit einer flexiblen, erweiterbaren und skalierbaren System-on-Chip –Architektur (SoC) entwickelt. Um einen niedrigen Energieverbrauch zu erreichen, wird der Beschleuniger für KI-Algorithmen im Bereich des autonomen Fahrens optimiert und in der energieeffizienten 22-nm-FDX-Halbleitertechnologie gefertigt. Darüber hinaus wird ein Ökosystem aufgebaut, das ein Entwicklungssystem sowie ein deutsches Partnernetzwerk mit Know-how im KI-Hardware-Entwurf vereint. Die Flexibilität und Skalierbarkeit der Leistungsdaten der Prozessorplattform wird anhand von Demonstratoren verifiziert.

Der rechenstarke KI-Beschleuniger, die flexible und skalierbare SoC-Architektur sowie das Ökosystem bilden eine Plattform für die kostengünstige Entwicklung anwendungsspezifischer KI-Hardware in Deutschland und sind für zukünftige Innovationen breit einsetzbar.

Im Rahmen des BMBF-geförderten ZuSE KI-mobil Projektes wird eine skalierbare und flexible SoC-Architektur für Anwendungen der Künstlichen Intelligenz im Bereich des Autonomen Fahrens und Industrie 4.0 entwickelt. Kernkomponente des in 22nm FDSOI gefertigten SoCs ist ein vertrauenswürdiger, sicherer Beschleuniger für die Ausführung spezialisierter Algorithmen aus dem Bereich des Maschinellen Lernens.

Weiterhin wird ein Ökosystem für den breiten Einsatz des entwickelten SoCs aufgebaut. Für die multi-dimensionale Optimierung der Architektur auf allen Ebenen hinsichtlich der Energie-Effizienz und funktionalen Sicherheit, werden am IMS neuartige Neuronale Netze zur Sensordatenfusion entwickelt. Die Daten von mehreren Kameras, Lidar- und Radarsensoren werden situationsabhängig auf Rohdatenebene mit Hilfe Maschinellen Lernens vorteilhaft fusioniert. Auf diese Weise wird die Robustheit bei unterschiedlichen Wetterbedingungen und Teilausfällen erhöht und die generelle Erkennungsleistung weiter gesteigert. Die Entwicklungen des IMS konzentrieren sich auf die Entwurfsanalyse und -optimierung, im Sinne eines HW-SW-Codesigns, zur Optimierung der Algorithmen und der Architektur.