Verbundvorhaben: Synergie natürlicher und künstlicher Intelligenz im Schwarm; Teilvorhaben Fraunhofer IIS

Abstract

Umweltveränderungen auf unserem Planeten haben sowohl in Ihrer Skala als auch in ihrer Geschwindigkeit historische Ausmaße erreicht. Durch den massiven Rückgang der Artenvielfalt und den Klimawandel ist das natürliche Gleichgewicht empfindlich gestört. Um diesen menschgemachten Veränderungen wirksam entgegen treten ist eine umfassende Kenntnis sowohl über tierisches Verhalten erforderlich. So weisen Anomalien, wie überproportionales verenden einzelner Arten, auf Tierpandemien oder das Meiden bestimmter Areale auf Gefahrenquellen hin. Gemäß diesen Informationen können gezielt Handlungen zur Ursachenbeseitigung eingeleitet werden und so größere Schäden am Wildtierbestand frühzeitig begrenzt werden. Schwarmintelligenzen weisen sowohl auf biologischer als auch auf technischer Ebene besondere Leistungsfähigkeiten auf. So kann eine künstliche Intelligenz, welche die biologischen Messdaten verarbeitet, zusätzliche Informationen aus dem Schwarm einbeziehen und somit eine umfassende Einschätzung der Situation liefern. Auf technischer Ebene kann die künstliche Intelligenz die Ressourcen der Extreme Edge kombinieren und komplexe Rechenprozesse dynamisch aufteilen, um Ergebnisse zu erzielen, die mit der Rechenleistung einzelner IoT-Teilnehmer nicht realisierbar wären. Im Projekt SyNaKI hat das Fraunhofer Institut für Integrierte Schaltungen in Kooperation mit dem Leibniz Institut für Zoo- und Wildtierforschung, am Beispiel eines konkreten Anwendungsszenarios von besenderten Geiern im artübergreifenden Verbund mit besenderten aasfressenden Landsäugetieren (Löwen und Hyänen), ein System für eine intelligente und innovative Lösung für die Erhebung sowie Interpretation von Tierverhaltensmustern entwickelt. Dazu hat das Fraunhofer IIS erfolgreich 1. einen neuen ad-hoc-Kommunikationsansatz zum vernetzten von volatilen Tiersendern und anderer Sensoren 2. einen automatisierten Prozess für die Ausführung einer verteilten künstlichen Intelligent auf Mikroprozessoren, sowie 3. eine energieeffiziente Lösung für die Anbindung von Tiersendern an niedrig fliegende Satelliten entwickelt, umgesetzt sowie diese, inklusiver eines Multi-Layer-Perzeptron zur Verhaltenserkennung vom Leibniz IZW, in einer Ende-zu-Ende Simulation evaluiert.