GreenAutoML4FAS - Automatisiertes Green-Machine Learning für Fahrerassistenzsysteme

KI-Anwendungen finden sich heutzutage in vielen Geräten des täglichen Lebens, wodurch der durchschnittliche Energieverbrauch stetig steigt. Umso wichtiger ist es, dass KI-Anwendungen selbst ressourcensparend sind. Vor allem bei der Analyse großer sicherheitsrelevanter Datenmengen ist dies eine große Herausforderung. Das dafür häufig verwendete sogenannte Deep Learning bedarf aufgrund seiner Komplexität meist einem hohen Energieverbrauch und erzeugt somit einen großen ökologischen Fußabdruck. Ziel des Projektes GreenAutoML4FAS ist es, ein ganzheitliches System aus Hardware, effizienter Kodierung und Übertragung von Daten und Modellen sowie dynamischer und adaptiver Software zu schaffen und ressourceneffizient zu gestalten. Exemplarisch wird hierbei der Fokus auf Fahrassistenzsysteme gelegt. Sollte die Kombination von effizienten Algorithmen, Kommunikation und Hardware zu einer deutlichen Einsparung von Energie führen, so ließe sich das im Projekt entwickelte Konzept auch auf andere Bereiche übertragen, in denen KI bzw. Deep Learning als Methode des Maschinellen Lernens zum Einsatz kommt.