Kaiserslauterer Forschende gewinnen Innovationspreis für energieeffizienten KI-Chip

»Wir freuen uns riesig über den Preis und die Anerkennung unserer Arbeit«, so Dr. JensKrüger, der am Fraunhofer ITWM in Kaiserslautern im Competence Center – HighPerformance Computing forscht und das Projekt gemeinsam mit Prof. Dr.-Ing. NorbertWehn von der TU Kaiserslautern geleitet hat. Die Wissenschaftler:innen ausKaiserslautern gewannen in der Kategorie FPGA (englisch: Field Programmable GateArray, ein programmierbarer Logik-Schaltkreis) mit dem Projekt: »Holistischer Ansatzzur Optimierung von FPGA Architekturen für tiefe neuronale Netze via AutoML –Automatisches Maschinenlernen (HALF)«. Die Siegerprojekte des Wettbewerbs habendie exklusive Möglichkeit, nun ein Forschungsprojekt zur Umsetzung der Idee mitAnwendungspartnern einzureichen und eine Förderung in Höhe von einer Million Eurozu erhalten.

Neue Methode entwickelt

»Unser Lösungsansatz betrachtet einerseits den Energieverbrauch der Hardware undandererseits die neuronale Netzwerktopologie«, erläutert Krüger. Die Wahl des Netzeshabe dabei einen erheblichen Einfluss auf die Hardwarekomplexität – und damit auf diebenötigte Energie und umgekehrt. »Diese gegenseitigen Abhängigkeiten haben wirberücksichtigt und via einer Neuronalen Architektursuche automatisiert optimiert.Durch diese Kombination ist eine neue vereinheitlichende Methodik entstanden, dienicht nur energieeffizienter als bislang ist, sondern auch eine Reduzierung derEntwicklungszeit für optimale neuronale Netzwerktopologien und entsprechende FPGAImplementierungen ermöglicht.« Dabei greift das Team des Fraunhofer ITWM auf die High Performance Computing Expertise zurück und verwendet einen Supercomputer für die Optimierung. Da die entwickelte Software generisch einsetzbar ist, um optimale neuronale Netze zu finden, wird diese nun auch Dritten zur Verfügung gestellt.

Bundesforschungsministerin verleiht Preise virtuell

Insgesamt haben 27 Teams aus Hochschulen und Forschungseinrichtungen am Wettbewerb teilgenommen, von denen elf Teams für die Finalrunde ausgewählt wurden. Im Rahmen der virtuellen Preisverleihung betont Bundesforschungsministerin Anja Karliczek: »Künstliche Intelligenz verschlingt heute noch zu viel Energie, bietet aber enormes Potential für den Wirtschafts- und Innovationsstandort Deutschland. KI hält zunehmend Eingang in unser tägliches Leben. Hier setzt das Bundesforschungsministerium mit seiner Förderung an und hat Hochschulen und Forschungseinrichtungen aus dem ganzen Land aufgerufen, sich mit den besten Ideen zur Entwicklung eines energiesparsamen KI-Chips zu bewerben. Ich freue mich für die heute ausgewählten vier Siegerteams, die jetzt die einzigartige Chance bekommen, ihr Projekt mit jeweils rund einer Million Euro weiterzuentwickeln.«

Fraunhofer in weiterer Kategorie erfolgreich

Auch in einer anderen Kategorie waren Wissenschaftler:innen eines weiteren Fraunhofer-Instituts erfolgreich: In der Kategorie ASIC 130 Nanometer (englisch: Application-Specific Integrated Circuit, anwendungsspezifischer integrierter Schaltkreis) gewann das Team von der Friedrich-Alexander-Universität Erlangen-Nürnberg gemeinsam mit den Forschenden vom Fraunhofer-Institut für Integrierte Schaltungen IIS in Erlangen mit dem Projekt »Low-Power Low-Memory Low-Cost EKG-Signalanalyse mit ML-Algorithmen (Lo3-ML)«.

Informationen zum Wettbewerb

Der Pilotinnovationswettbewerb »Energieeffizientes KI-System« ist einer von drei Wettbewerben, die als Ideenradar im Vorfeld der Gründung der Agentur für Sprunginnovationen (SprinD) ausgeschrieben wurden. Er wurde am 18. März 2019 im Bundesanzeiger veröffentlicht. Die ausgewählten Wettbewerbsprojekte begannen am 1. Oktober 2019 mit ihrer Arbeit und haben am 7. Januar 2021 ihre Ergebnisse vorgelegt. Die genutzten EKG-Daten stammen von der Charité Berlin. Alle Datensätze sind bisher unveröffentlicht, wurden komplett anonymisiert und entsprechend der strengen DSGVO Richtlinien behandelt.

Mehr über die Aktivitäten des Forschungsbereichs am Fraunhofer ITWM erfahren Sie hier:
https://s.fhg.de/itwmfraunhoferNASaaS 
https://s.fhg.de/itwmfraunhoferhalf