Energiesparsame Edge-Elektronik für die Verkehrssteuerung (GreenEdge-FuE)

Abstract

Das Ziel des Vorhabens GreenEdge-FuE bestand darin, den erheblichen Energiebedarf zukünftiger Smart-City-Infrastrukturen zu reduzieren. Dies geschah durch die Verlagerung der auf KI-Algorithmen basierenden Datenverarbeitung in die unmittelbare Nähe der Sensoren (Edge-Prozessierung), sowie durch die Kombination von klassischer und neuromorpher KI-Hardware und Sensorik. Im Vorgängerprojekt GreenEdge aus dem BMFTR-Innovationswettbewerb GreenICT wurden Einsparpotenziale durch Edge-Prozessierung im Anwendungsfall einer intelligenten Kreuzungsüberwachung analysiert. Referenzsystem für den Anwendungsfall war das Testfeld Autonomes Fahrens Baden-Württemberg (TAF-BW), welches eine Edge-Cloud-Systemarchitektur implementiert. Berechnungsgrundlage für die Einsparpotenziale waren Energiemodelle von fünf verschiedenen Lösungskonzepten zur Implementierung von Edge-Prozessierung im Anwendungsfall. In GreenEdge-FuE wurde die Implementierung der Elektronik im Sinne der Lösungskonzepte durchgeführt, sodass Energiemodell und Potenzialanalyse des Vorgängerprojekts mit neuen Messungen validiert wurden. In der aktualisierten Potenzialanalyse wurde dargelegt, wie der Energiebedarf von KI-gestützten kamerabasierten Sensorsystemen um 75-95 % reduziert werden kann. Die Anwendungsgebiete sind mannigfaltig und reichen von kamerabasierter Zustandsüberwachung in Produktionsanlagen bis hin zu Smart-City-Anwendungen. Im Smart-City-Kontext ergibt sich ein geschätztes CO2-Einsparpotenzial von 187-270 Mio. kg CO2eq pro Jahr. Dies entspricht in etwa den jährlichen Emissionen von 100.000-150.000 Pkw. Für den deutschen Markt relevanter Edge-Systeme liegt das Potenzial sogar bei 500-750 Mio. kg CO2eq pro Jahr, vergleichbar mit den jährlichen Emissionen von 270.000-410.000 Haushalten. Diese Ergebnisse verdeutlichen die erhebliche ökologische Wirkung, die durch den Einsatz energieeffizienter Edge-Systeme im Smart-City-Umfeld und darüber hinaus erzielt werden kann.