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.

Datei-Upload durch TIB

Environmental changes on our planet have reached historic proportions in both their scale and speed. Due to the massive decline in biodiversity as well as climate change, the natural balance is being severely disrupted. In order to effectively counteract these man-made changes, comprehensive knowledge of animal behavior is required. Anomalies, such as disproportionate deaths of individual species, animal pandemics or avoidance of certain areas indicate sources of danger. Based on this information, measures can be taken to eliminate the causes and thus limit major damage to wild animals at an early stage. Swarm intelligences have special capabilities on both a biological and a technical level. An artificial intelligence that processes the biological measurement data can incorporate additional information from the swarm and thus provide a comprehensive assessment of the situation. At a technical level, artificial intelligence can combine the resources of the Extreme Edge and dynamically split complex computing processes to achieve results that would not be possible with the computing power of individual IoT participants. In the SyNaKI project, the Fraunhofer Institute for Integrated Circuits, in cooperation with the Leibniz Institute for Zoo and Wildlife Research, has developed a system for an intelligent and innovative solution for the collection and interpretation of animal behavior patterns, using the example of radio-controlled vultures in a cross-species network with radio-controlled carrion-eating land mammals (lions and hyenas). To this end, Fraunhofer IIS has successfully developed a new ad-hoc communication approach for networking volatile animal transmitters and other sensors, an automated process for executing distributed artificial intelligence on microprocessors, as well as an energy-efficient solution for connecting animal transmitters to low-flying satellites. Furthermore these were evaluated in an end-to-end simulation, including a multi-layer perceptron for behavior recognition from Leibniz IZW.