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

Abstract

Die Entwicklung von Anwendungen für das autonome Fahren und die damit einhergehenden technologi-schen Disruptionen (Stichwort Künstliche Intelligenz – KI) geht mit neuen Herausforderungen für den Software- und Hardware-Entwurf (SW- und HW-Entwurf) einher. KI-basierte Anwendungen für automati-sierte Fahrfunktionen wurden bislang zuerst von KI-Experten entworfen und trainiert und anschließend zeit- und kostenaufwändig für die eingebettete Ziel-Hardware-Plattform optimiert. Die Verwendung unter-schiedlicher Hardware-Architekturen erfordert dabei stets eine umfangreiche Anpassung der KI-Anwendungen und bindet oftmals stark an Anbieter-spezifische Entwicklungsabläufe und Entwicklungs-tools. Diese Abhängigkeit erzeugt große Herausforderungen bei der Entwicklung von KI-Anwendungen für deutsche Automobilunternehmen. Das Projekt MANNHEIM-FlexKI verfolgte das Ziel, die Hardware-Abhängigkeit aktueller Entwicklungsprozesse für KI-Anwendungen zu durchbrechen und einen offenen Referenz-Ansatz für das Deployment von KI- und DSP-Anwendungen zu erforschen. Hierbei wurden zwei Entwicklungspfade betrachtet: 1) Das flexible Deployment von vernetzten KI-Applikationen auf hochperformante, heterogene Commercial-off-the-Shelf-Hardware-Plattformen. 2) Einen HW/SW-Co-Design-Ansatz für das Deployment auf eine neue maßgeschneiderte, energieeffiziente KI-Hardware-Plattform. Beide Pfade erlauben nun, neben der Vermeidung eines Vendor Lock-In eine schnelle und automatische Migration von KI-Anwendungen auf alternative Hardware-Plattformen, falls aufgrund von Protektionismus, Blacklisting oder Lieferengpässen (Chip-Krise) bestimmte Hardware-Komponenten nicht verfügbar sind. Die Projektergebnisse leisten damit einen wichtigen Beitrag, KI-Funktionen im Au-tomobil effizient und resilient am Standort Deutschland umzusetzen und damit die Wettbewerbsfähigkeit der deutschen Automobilindustrie zu sichern. Die Arbeiten der Eberhard-Karls-Universität Tübingen (EKUT) zielten drauf ab, eine effiziente und auto-matisierte Abbildung von KI-Anwendungen auf Hardware-Plattformen mit heterogenen Hardware-Beschleunigern zu ermöglichen und das Gesamtsystem aus Hardware-Plattform sowie automatisierter Abbildung der Anwendungen zu optimieren.