Machine Learning KI auf kleinen Mikrocontrollern und IoT-Geräten

Von Johann Wiesböck

Anbieter zum Thema

Mit AIfES ist es möglich, Neuronale Netze auf fast jeder Hardware zu betreiben und zu trainieren. Das KI-Framework entstanden als Maker-Projekt am Fraunhofer IMS sucht finanzielle Unterstützung.

Das Crowdfunding Projekt „Learn AIfES“ auf Startnext: Bei Erreichen des Ziels sollen kostenlose Webinare zu AIfES zur Verfügung gestellt sowie neue Demonstratoren und Modelle entwickelt werden.
Das Crowdfunding Projekt „Learn AIfES“ auf Startnext: Bei Erreichen des Ziels sollen kostenlose Webinare zu AIfES zur Verfügung gestellt sowie neue Demonstratoren und Modelle entwickelt werden.
(Bild: Copyright_© pickup_318111476_stock.adobe.com / Fraunhofer IMS)

Mit der Open-Source-Lösung AIfES (Artificial Intelligence for Embedded Systems) des Fraunhofer-Instituts für Mikroelektronische Schaltungen und Systeme IMS ist es möglich, künstliche neuronale Netze auf fast jeder Hardware zu betreiben und zu trainieren. Besonderer Fokus des KI-Frameworks „Made in Germany“ liegt dabei auf der Ausführung von KI auf einfachen Mikrocontrollern und kleinen IoT-Geräten, sogenannten „Tiny ML“.

Das bedeutet, dass kleine, selbstlernende, batteriebetriebene Geräte, unabhängig von einer Cloud oder einem anderen Gerät ermöglicht werden, und somit Sensordaten dort verarbeitet werden, wo sie anfallen. Die Daten werden dabei auf dem Gerät gespeichert und die Verarbeitung erfolgt ohne Übertragungsverzögerung, mit einem deutlich geringeren Energieverbrauch im Vergleich zu einem PC.

AIfES ist vergleichbar mit TensorFlow, Keras oder PyTorch

AIfES ist vergleichbar mit bekannten Python ML-Frameworks, wie etwa TensorFlow, Keras oder PyTorch, und durch den Python AIfES-Converter können Modelle dieser Frameworks in AIfES-Modelle umgewandelt werden. In der aktuellen Version werden Feedforward Neural Networks (FNN) unterstützt, wobei alle Layer, Loss- und Optimierungsfunktionen modular sind und für verschiedene Datentypen und Hardware-Plattformen optimiert werden können.

Weitere Implementierungen, wie Convolutional Neural Networks sollen folgen. AIfES ist für die Arduino IDE verfügbar und so kann zum Beispiel auf dem 8-Bit-Controller des Arduino Uno ein FNN trainiert und ausgeführt werden. Demos wie etwa einen Tic-Tac-Toe-Simulator, inklusive Code und Erklärungen finden Sie unter https://wokwi.com/projects/326999793082565203.

Crowdfunding-Projekt „Learn AIfES“ sucht Spenden

Aktuell möchte das Team aus Forschenden, Promovierenden und Studierenden mit dem Crowdfunding-Projekt „Learn AIfES“ Maschinelles Lernen für alle zugänglich machen und sammelt auf Startnext Spenden. Jeder gespendete Euro wird von der Fraunhofer-Zukunftsstiftung verdoppelt – bis zum Erreichen des ersten Funding Ziels von 30.000 €. Mit Erreichen des ersten Funding Ziels werden zwei kostenlose Webinare erarbeitet, an denen jeder teilnehmen kann, der Lust hat etwas über „Tiny ML“ und KI zu lernen.

„Learn AIfES“ unterstützt damit nicht nur als erstes deutsches KI-Framework die KI-Strategie der Bundesregierung durch den Ausbau von Know-how und der Förderung von Nachwuchs, sondern gleichzeitig mehrere UN-Nachhaltigkeitsziele, wie hochwertige Bildung, Klimaschutz und Industrie, Innovationen und Infrastruktur. (jw)

Artikelfiles und Artikellinks

(ID:48764307)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung