Fraunhofer IMS KI für Mikrocontroller und Sensoren

Mit AIfES haben Forscher am Fraunhofer IMS eine künstliche Intelligenz (KI) für Mikro-controller und Sensoren entwickelt, die ein voll konfigurierbares künstliches neuronales Netz umfasst.
Mit AIfES haben Forscher am Fraunhofer IMS eine künstliche Intelligenz (KI) für Mikrocontroller und Sensoren entwickelt, die ein voll konfigurierbares künstliches neuronales Netz umfasst.

Mikroelektronische Schaltungen und Maschinelles Lernen – passt das zusammen? Bisher gibt es dafür kaum Anwendungen. Das Fraunhofer IMS ändert das nun.

Artificial Intelligence for Embedded Systems (AIfES) – so nennt das Fraunhofer Institut für Mikroelektronische Schaltungen und Systeme IMS seine neue Entwicklung. Dahinter steckt eine künstliche Intelligenz (KI) für Mikrocontroller und Sensoren, die ein voll konfigurierbares künstliches neuronales Netz umfasst. AIfES ist dabei eine plattformunabhängige Maschine-Learning-Bibliothek, mit der sich selbstlernende Kleinstelektroniken realisieren lassen. Dabei ist keine Anbindung an eine Cloud oder einen PC nötig. Für Wearables gibt es sogar eine integrierte Gestenerkennung.

Ideal für Embedded Systeme

Die Bibliothek ist in der Programmiersprache C entwickelt und läuft auf Mikrocontrollern genauso wie auf PCs, Raspberry Pi oder Android. Dabei umfasst sie ein voll konfigurierbares künstliches neuronales Netz (KNN), das bei Bedarf auch tiefe Netze für Deep Learning erzeugt. Der Quellcode wurde auf ein Minimum reduziert, weshalb er ideal für eingebettete Systeme ist. Außerdem ist er allgemeingültig und lässt sich auf jede Plattform kompilieren. »Da immer die gleichen Algorithmen genutzt werden, ist ein KNN, das auf einem PC erstellt wurde, einfach auf den Mikrocontroller portierbar«, erklärt Dr. Pierre Gembaczka vom Fraunhofer IMS.

Schutz der Privatsphäre

Ein Vorteil des maschinellen Lernens direkt auf dem eingebetteten System ist der Datenschutz. Da keine Daten in eine Cloud hochgespielt und zudem sehr kleine Datenmengen übertragen werden, ist das System deutlich sicherer als herkömmliche Algorithmen. Indem die Forscher die KI direkt auf den Mikrocontroller bringen, lässt sich ein Gerät mit zusätzlichen Funktionen ausstatten, ohne teure Hardwareänderungen.

Indem die Forscher des Fraunhofer IMS auf sehr kleine neuronale Netze setzen, gehen sie ganz entgegen dem Trend »Big Data«. Dadurch wird nachträgliches Lernen auf dem Controller selbst möglich.

Praktische Umsetzung

Mit mehreren Demonstratoren haben die Forscher die Praxistauglichkeit bereits nachgewiesen. So realisierte das Team eine Erkennung von handgeschriebenen Ziffern auf dem 8-bit-Mikrocontroller Arduino Uno. Ein weiterer Demonstrator kann in die Luft geschriebene Gesten erkennen. Dazu verwenden die Forscher eine Kombination aus einem Mikrocontroller und einem Orientierungssensor. Als mögliche Anwendung ist die Bedienung von Wearables denkbar. Das Ganze funktioniert so: Der Anwender schreibt die Zahlen von null bis neun auf, das neuronale Netz erhält die Daten, lernt sie und identifiziert sie im nächsten Schritt selbst.

Möglich sind weitere Anwendungen wie die Beleuchtungssteuerung von Gebäuden über ein Armband oder die Überwachung von Trainingsmethoden im Rehasport.

Hardware als nächster Schritt

Die sogenannte Feedforward-Struktur von AIfES ermöglicht auch tiefe neuronale Netze. Aktuell ist die Integration von weiteren Netzformen und Strukturen in der Entwicklung. Auch Hardwarekomponenten wollen die Forscher nun entwickeln. Derzeit arbeiten sie an einem RISC-V-Mikroprozessor, der einen Hardwarebeschleuniger für neuronale Netze besitzt. Um das Ganze bestmöglich zu nutzen, soll AIfES dafür optimiert werden. Auf der Sensor und Test, die von 25. bis 27. Juni in Nürnberg stattfindet, präsentieren die Forscher einen energieautarken Stromsensor mit integrierter KI.