Kernkompetenz Embedded Software and Artificial Intelligence

Die Arbeitsabläufe in unserer Gesellschaft sind sehr komplex und anspruchsvoll geworden; Zeit ist knapp und Arbeitskräfte sind teuer und rar. Es ist zu erwarten, dass sich dies in Zukunft weiter verstärken wird. Elektronische Systeme können hier unterstützen und zu einem anwenderfreundlichen, zeit- und ressourceneffizienten Umgang mit komplexen Aufgaben beitragen. Bereits heute ist eine elektronische Assistenz auf der Basis von elektronischen Systemen mit Embedded Software und Artificial Intelligence in Fahrzeugen eine Selbstverständlichkeit. In anderen Bereichen ist dies jedoch noch nicht so weit verbreitet. So wird im Bereich der Pflege der demografische Wandel in der Gesellschaft und der Mangel an Pflegekräften zwangsläufig zum Einsatz von automatisierten, technischen Lösungen führen, um die gesellschaftliche Aufgabe der Pflege noch bewältigen zu können. Ebenso können im Anwendungsbereich der industriellen Produktion (Industrie 4.0) elektronische Systeme mit Embedded Software und Artificial Intelligence Maschinen und Anlagen fortlaufend sensorisch überwachen und dadurch eine hohe Produktivität und Qualität sicherstellen. Ein wichtiger Aspekt bei solch komplexen Systemlösungen ist neben der eigentlichen technischen Funktionalität ihre Bedienbarkeit durch den Anwender und die damit verbundene Akzeptanz für ihre Verwendung. Zur Erfüllung dieser Anforderungen aus den verschiedenen Bereichen ist der Einsatz smarter Sensorsysteme an der Schnittstelle zum Menschen unverzichtbar. Smarte Systeme können dabei nur durch den Einsatz von Embedded Software und Artificial Intelligence existieren.

Kommunikation und Vernetzung

Für die Anbindung von Sensoren an eine Auswerteeinheit oder die Anbindung von Bediengeräten an Maschinen sind Kommunikation und Vernetzung Schlüsseltechnologien. Je nach Anforderung an Datenrate, Sicherheit und Latenz stehen unterschiedliche Protokolle und Schnittstellen zu Verfügung, bei deren Auswahl das Fraunhofer IMS beratend zur Verfügung steht und bei der Implementierung unterstützt.

User Interfaces

Fast alle modernen Geräte, unabhängig von ihrem jeweiligen Zweck und Einsatzgebiet (z. B. Industrie, Verkehr, Haushalt, Krankenhaus), müssen für ihre konkrete Aufgabe konfiguriert werden und im laufenden Betrieb vom Anwender bedient werden. Dafür besitzen Geräte in der Regel eine Benutzerschnittstelle, die auch als User Interface oder »Human-Machine Interface« bezeichnet wird. Das Fraunhofer IMS bietet dafür innovative Lösungen auf Basis von künstlicher Intelligenz an, die eine intuitive Bedienbarkeit ermöglichen.

Maschinelle Lernverfahren für Embedded-Systems

Smarte Sensoren bieten die Möglichkeit mit Hilfe von Maschinellen Lernverfahren, z. B. mit neuronalen Netzen, eine komplexe Datenverarbeitung und -bewertung direkt am Ort der Erfassung zu implementieren und dadurch höherwertige Zustandsinformationen aus den Rohdaten zu generieren. Dafür ist nicht zwingend eine komplexe Hardware mit hoher Rechenleistung erforderlich; ein kleiner energieeffizienter Mikrocontroller reicht in vielen Anwendungsfällen aus. Dies spart Energie, Platz und Kosten. Dazu hat das Fraunhofer IMS das Software-Framework »AIfES« (Artificial Intelligence for Embedded Systems) geschaffen, welches die künstliche Intelligenz auf Embedded Systemen nutzbar macht. Im Zuge kontinuierlicher Weiterentwicklungen stellen wir unseren Partnern aus Wissenschaft und Industrie aktuelle maschinelle Lernverfahren zur Verfügung.

Computer-Vision

Die beständige Weiterentwicklung neuer und bestehender Sensortechnologien der Bildgebung (z.B. CMOS-Imager, Infrarotkamera oder LiDAR) schafft die Notwendigkeit und Möglichkeit für neue Algorithmen im Bereich Computer Vision. Das Fraunhofer IMS forscht daran, das Maximum an Informationen aus den einzelnen bildgebenden Verfahren zu extrahieren. Dafür kommen insbesondere moderne Methoden des maschinellen Lernens zum Einsatz. Die Anwendungsgebiete reichen dabei von einer ultra-schnellen Personenerkennung, einer ausgefeilten Bewegungsanalyse bis hin zur Quantifizierung von Vitalparametern.