Mobile-Menu

Internet der Dinge Selbstlernende Plattform soll IoT-Geräte leistungsfähiger machen

Von Julia Bender |

Anbieter zum Thema

Universität Bielefeld
Fujitsu Technology Solutions GmbH
QUNIS GmbH
Confluent Germany GmbH

Im Rahmen eines von der Europäischen Kommission geförderten Projekts soll ein neues System des maschinellen Lernens entwickelt werden, das die Soft- und Hardware von autonomen Fahrzeugen und Smart Homes leistungsfähiger, robuster und energiesparender macht.

Die im Rahmen des Projekts VEDLIoT entwickelte Hardware-Plattform findet zum Beispiel Anwendung in einem intelligenten Spiegel.
Die im Rahmen des Projekts VEDLIoT entwickelte Hardware-Plattform findet zum Beispiel Anwendung in einem intelligenten Spiegel.
(Bild: Universität Bielefeld)

Das Projekt VEDLIot, was für Very Efficient Deep Learning in IoT steht, wird von der Europäischen Kommission mit acht Millionen Euro finanziert, wovon knapp zwei Millionen Euro auf das Forschungsinstitut für Kognition und Robotik der Universität Bielefeld, die zudem die Koordination des Projekts übernimmt, entfallen. Ziel ist es, das Internet der Dinge lernfähig zu machen, bestehende Probleme hinsichtlich des Energieverbrauchs zu lösen und eine höhere Leistungsfähigkeit von IoT-Geräten zu erreichen.

Auch wenn Computer- und IoT-Systeme zunehmend strapazierbarer werden und dementsprechend komplexere Probleme lösen können als vor einigen Jahren, ist die benötigte Rechenleistung nach wie vor sehr hoch. Außerdem seien die Algorithmen bisher zu komplex, um innerhalb kurzer Zeit Lösungen zu errechnen, erklärt der Koordinator des Projekts und Leiter der Gruppe Kognitronik und Sensorik der Uni Bielefeld Prof. Dr.-Ing. Ulrich Rückert.

Entwicklung einer modularen Hardware-Plattform

Das Forschungsteam fokussiert sich in seinem Projekt auf Verfahren des maschinellen Lernens wie beispielsweise Deep Learning, wofür künstliche neuronale Netze genutzt werden. Da das dem Deep Learning zugrundeliegende Netz nicht nur aus Eingangs- und Ausgangsneuronen, sondern auch aus einer großen Anzahl an Zwischenneuronen und -schichten besteht, ist es in der Lage, komplexe Sachverhalte abzubilden.

Damit die selbstlernende Plattform die Leistung der IoT-Geräte erhöht, diese aber gleichzeitig weniger Energie verbrauchen, wurde eine modulare Hardware-Plattform entwickelt. Dabei befinden sich Microserver, die in unterschiedlichen Leistungsklassen kombiniert werden, auf einem Träger. Dem technischen Leiter des Projekts Jens Hagemeyer zufolge können die Server – je nach Anwendungsanforderung - individuell auf dem Träger zusammengestellt werden, wodurch man die Plattform universell einsetzen kann, beispielsweise in einem intelligenten Spiegel. Das System soll darüber hinaus dazu beitragen, dass Totalausfälle vermieden werden und man den Ausfall eines Servers in einem selbstfahrenden Auto bestenfalls überhaupt nicht mitbekommt, so Hagemeyer.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:47034259)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte