MANNHEIM-FlexKI - Flexibles KI-Deployment und KI-Plattformen für eingebettete, automotive Anwendungen

Abstract

Mit der Entwicklung autonomer Fahrfunktionen und dem Einsatz Künstlicher Intelligenz entstehen neue Anforderungen an Software- und Hardware-Entwurf. Daten müssen frühzeitig und dezentral in Echtzeit verarbeitet werden, wofür eingebettete Rechner erforderlich sind, die KI-Anwendungen hocheffizient ausführen. Die Entwicklung dieser KI-Anwendungen erfordert aktuell eine aufwendige Anpassung an unterschiedliche Zielhardware, wodurch eine unerwünschte Abhängigkeit von herstellerspezifischen Werkzeugen und Plattformen sowie eine Exposition gegenüber handelspolitischen Risiken entsteht. Das Projekt MANNHEIM-FlexKI adressiert diese Abhängigkeiten und erforscht einen offenen Referenzansatz für das Deployment von KI- und DSP-Anwendungen, der ein schnelles Retargeting auf neue Hardware-Plattformen ermöglicht. FlexKI verfolgt dabei zwei Ansätze: das flexible Deployment auf heterogene Commercial-off-the-Shelf-Plattformen und HW/SW-Co-Design für eigenständige, maßgeschneiderte und energieeffiziente KI-Hardware. Die Infineon-Beiträge zu FlexKI dienten insbesondere der Vertiefung und Erprobung des zweiten Ansatzes für den industriellen Einsatz bei kleineren eingebetteten Mikrokontroller-(Sub)Systemen. Für solche weniger komplexen, aber in hohen Stückzahlen und unter hohem Kostendruck produzierten Systeme wäre industriell anwendungsoptimierbare HW/SW besonders wertvoll Zusammenfassend waren die konkreten Ziele der Infineon-Beiträge: • Entwicklung und Demonstration einer praktisch anwendungsspezifisch konfigurierbaren Ultra-Low-Power-NPU/DSP-Prozessorplattform durch FPGA- und Test-IC-Prototypen. • Weiterentwicklung und Erprobung modellbasierter Entwurfsgenerierungs-Methodologien, um die Mehrkosten bei der Entwicklung und Integration solcher hochkonfigurierbaren Rechenbeschleuniger ausreichend zu minimieren und eine reelle industrielle Verwertung zu ermöglichen. • Implementation und Demonstration eines Compiler-Backends1 für eine gängige KI-Compiler-Plattform, um industriell relevante KI-Algorithmen anwendungsspezifisch optimiert für den Low-Power-NPU-Prozessor zu kompilieren. • Entwurf und Erprobung von Technologien und Methodologien, um die Gesamtkosten für die Bereitstellung der notwendigen Software (inklusive KI-Compiler-Backend) für anwendungsspezifisch konfigurierte KI-Prozessoren auf ein industriell tragbares Niveau zu reduzieren.