idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instanz:
Teilen: 
12.11.2020 11:32

Das Internet der Dinge lernfähig machen

Jörg Heeren Medien und News
Universität Bielefeld

    Die Universität Bielefeld koordiniert das neue EU-Projekt VEDLIoT

    Autonome Fahrzeuge oder Geräte für intelligente Wohnungen werden immer komplexer. Ein neues System des maschinellen Lernens soll die dafür genutzte Soft- und Hardware robuster, leistungsfähiger und energiesparender machen. Das neue Projekt VEDLIoT wird von der Europäischen Kommission für drei Jahre mit rund acht Millionen Euro finanziert. Davon gehen etwa zwei Millionen Euro an das Forschungsinstitut für Kognition und Robotik (CoR-Lab) der Universität Bielefeld, das das Projekt koordiniert.

    In einem intelligenten Zuhause, einem Smarthome, finden die Bewohner*innen Geräte, die ihr Leben einfacher machen sollen: zum Beispiel einen Kühlschrank, der Lebensmittel nachbestellen und gleichzeitig mit dem Backofen kommunizieren kann. Die Geräte und Komponenten zählen zum Internet der Dinge (engl. Internet of Things, kurz IoT). Sie sind an ein Netzwerk angeschlossen und erfassen, speichern, verarbeiten und übertragen Daten. IoT-Geräte werden auch bei selbstfahrenden Autos oder der Industrierobotik eingesetzt.

    „Computer- und IoT-Systeme werden immer leistungsfähiger. Wir können anspruchsvollere Probleme lösen und die Automatisierung vorantreiben, um unsere Lebensqualität zu verbessern“, sagt Professor Dr.-Ing. Ulrich Rückert. Er ist Koordinator des neuen Projektes VEDLIoT und Leiter der Gruppe Kognitronik und Sensorik der Universität Bielefeld. „Aber die Menge der gesammelten und verarbeiteten Daten ist riesig und die benötigte Rechenleistung sehr hoch. Außerdem sind die Algorithmen oft zu komplex, um Lösungen innerhalb kurzer Zeit zu errechnen.“

    Künstliche Intelligenz statt konventionellem Verfahren

    In dem Projekt arbeiten zwölf Partner*innen aus den vier EU-Ländern Deutschland, Polen, Portugal und Schweden und dem EU-Assoziationsstaat Schweiz zusammen. Anstelle klassischer Verfahren, beispielsweise aus dem Bereich der Statistik, setzt das internationale Forschungsteam Verfahren des maschinellen Lernens ein, zum Beispiel Deep Learning (mehrschichtiges Lernen). Dafür werden künstliche neuronale Netze genutzt. „Beim Deep Learning hat das zugrunde liegende Netz neben Eingangs- und Ausgangsneuronen auch viele Zwischenneuronen und -schichten. Auf diese Weise lassen sich komplexe Sachverhalte abbilden“, sagt Jens Hagemeyer. Der Elektrotechniker forscht in der Gruppe Kognitronik und Sensorik und ist technischer Leiter des Projektes. „Wir stellen die Informationen bereit, die Maschinen lernen und entscheiden selbst.“

    Mit der selbstlernenden Plattform VEDLIoT sollen IoT-Geräte leistungsfähiger werden und gleichzeitig weniger Energie verbrauchen. Dafür entwickeln die Forschenden eine modulare Hardware-Plattform: Auf einem Träger werden Microserver in der Größe einer Hand in unterschiedlichen Leistungsklassen kombiniert. „Je nach Anwendungsanforderung können die Server individuell auf dem Träger zusammengestellt werden. So ist die Plattform universell einsetzbar“, sagt Hagemeyer. Auch Totalausfälle werden mit dem neuen System vermieden: „Fällt ein Server beispielsweise wegen eines schwachen Funknetzes aus, ist das gesamte Gerät trotzdem noch bedienbar. In einem selbstfahrenden Auto würden die Benutzer*innen den Ausfall eines Servers im besten Fall überhaupt nicht merken.“

    Ausschreibung für weitere Projektbeteiligungen

    „Einige der Projektpartner*innen arbeiten seit vielen Jahren zusammen“, sagt Dr. Carola Haumann, Projektmanagerin und stellvertretende Geschäftsführerin des CoR-Labs. Zu den Partner*innen des Projekts zählen sieben Universitäten und Forschungsinstitute, die zur künstlichen Intelligenz und dem Internet der Dinge forschen. Die anderen Partner*innen sind Unternehmen unterschiedlicher Größe, vom Start-up EmbeDL bis zum Großkonzern Siemens.

    Aber auch weitere Unternehmen können sich noch am Projekt beteiligen: „Wir gehen davon aus, dass wir im Projekt zusätzlich zu den bereits vorhandenen Anwendungen in den Bereichen Automobil, Automatisierung und Smarthome noch mindestens zehn weitere Anwendungsbeispiele finanzieren. Für diese wollen wir zusätzliche Unternehmen einbinden“, so Haumann. Mitte 2022 soll ein Prototyp fertiggestellt sein. „Die Ergebnisse aus den Anwendungen fließen während der Projektlaufzeit in die IoT-Plattform ein“, sagt Jens Hagemeyer. „Dadurch können wir die Plattform direkt weiterentwickeln.“
    Das Projekt ist im November gestartet, ein erster intensiver Workshop aller Projektpartner*innen ist für Anfang Dezember geplant. Ende 2023 soll das Projekt abgeschlossen werden. Finanziert wird es über die Förderlinie zu Informations- und Kommunikationstechnologien im EU-Forschungsrahmenprogramm Horizont 2020 “ (Förderziffer 957197). Der Name VEDLIoT steht für „Very Efficient Deep Learning in IoT“ (Hocheffizientes Deep Learning im Internet der Dinge).

    Beteiligte Forschungseinrichtungen und Hochschulen des Projekts sind neben der Universität Bielefeld: die Technische Hochschule Chalmers in Göteborg (Schweden), die Universität Neuenburg (Schweiz), die Universität Osnabrück, die Universität Göteborg (Schweden), die Research Institutes of Sweden (RISE) in Göteborg (Schweden) und FCiências.ID, eine Vereinigung für Forschung und Entwicklung in Lissabon (Portugal). Beteiligte Unternehmen sind: Antmicro in Posen (Polen), EmbeDL in Göteborg (Schweden), der Siemens-Konzern mit Sitz in München und Berlin, Christmann Informationstechnik + Medien in Ilsede sowie die Firma Veoneer in Stockholm (Schweden).


    Wissenschaftliche Ansprechpartner:

    Prof. Dr.-Ing. Ulrich Rückert, Universität Bielefeld
    Technische Fakultät / CoR-Lab
    Tel: 0521-106 12050
    E-Mail: rueckert@techfak.uni-bielefeld.de


    Weitere Informationen:

    https://cordis.europa.eu/project/id/957197 Steckbrief zum Projekt VEDLIoT


    Bilder

    Ihr Ziel ist eine selbstlernende Plattform für das Internet der Dinge (v.li.): Jens Hagemeyer, Dr. Carola Haumann und  Prof. Dr.-Ing. Ulrich Rückert von der Universität Bielefeld.
    Ihr Ziel ist eine selbstlernende Plattform für das Internet der Dinge (v.li.): Jens Hagemeyer, Dr. C ...
    Sarah Jonek
    Foto: Universität Bielefeld/S. Jonek

    Das neue Projekt VEDLIoT entwickelt eine modulare Hardware-Plattform, die zum Beispiel in einem intelligenten Spiegel oder anderen Smarthome-Geräten eingesetzt werden kann.
    Das neue Projekt VEDLIoT entwickelt eine modulare Hardware-Plattform, die zum Beispiel in einem inte ...
    Sarah Jonek
    Foto: Universität Bielefeld/S. Jonek


    Merkmale dieser Pressemitteilung:
    Journalisten, Wirtschaftsvertreter, Wissenschaftler
    Elektrotechnik, Gesellschaft, Informationstechnik
    überregional
    Forschungsprojekte, Kooperationen
    Deutsch


     

    Ihr Ziel ist eine selbstlernende Plattform für das Internet der Dinge (v.li.): Jens Hagemeyer, Dr. Carola Haumann und Prof. Dr.-Ing. Ulrich Rückert von der Universität Bielefeld.


    Zum Download

    x

    Das neue Projekt VEDLIoT entwickelt eine modulare Hardware-Plattform, die zum Beispiel in einem intelligenten Spiegel oder anderen Smarthome-Geräten eingesetzt werden kann.


    Zum Download

    x

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).