Karliczek: Energiesparsame KI-Chips ausgezeichnet

Bundesforschungsministerin verkündet Siegerprojekte des Pilotinnovationswettbewerbs „Energieeffizientes
KI-System“

Preisverleihung
Preisverleihung © BMBF/Hans-Joachim Rickel

Der Pilotinnovationswettbewerb „Energieeffizientes KI-System“ ist einer von drei Wettbewerben, die als Ideenradar im Vorfeld der Gründung der Agentur für Sprunginnovationen (SprinD) ausgeschrieben wurden. Anlässlich der Verkündung der vier Wettbewerbssieger während einer digitalen Abendveranstaltung am heutigen Donnerstag erklärt Bundesforschungsministerin Anja Karliczek:

„Künstliche Intelligenz verschlingt heute noch zu viel Energie, bietet aber enormes Potential für den Wirtschafts- und Innovationsstandort Deutschland. KI hält zunehmend Eingang in unser tägliches Leben. Hier setzt das Bundesforschungsministerium mit seiner Förderung an und hat Hochschulen und Forschungseinrichtungen aus dem ganzen Land aufgerufen, sich mit den besten Ideen zur Entwicklung eines energiesparsamen KI-Chips zu bewerben. Ich freue mich für die heute ausgewählten vier Siegerteams, die jetzt die einzigartige Chance bekommen, ihr Projekt mit jeweils rund einer Million Euro weiterzuentwickeln.“

Hintergrund:
Der Pilotinnovationswettbewerb „Energieeffizientes KI-System“ wurde am 18. März 2019 im Bundesanzeiger ausgeschrieben. Die Teilnehmerinnen und Teilnehmer des Wettbewerbs in den Hochschulen und Forschungseinrichtungen waren aufgefordert, einen Chip zu entwerfen, der in EKG-Daten Herzrhythmusstörungen, Vorhofflimmern, mit mindestens 90 Prozent Genauigkeit erkennt. Sieger sind diejenigen Teams, die diese Aufgabe mit dem geringsten Energieverbrauch gelöst haben.

Die ausgewählten Wettbewerbsprojekte begannen am 1. Oktober 2019 mit ihrer Arbeit und haben am 7. Januar 2021 ihre Ergebnisse vorgelegt. Die genutzten EKG-Daten stammen von der Charité Berlin. Alle Datensätze sind bisher unveröffentlicht, wurden komplett anonymisiert und entsprechend der strengen DSGVO Richtlinien behandelt.

Der Wettbewerb gliederte sich in drei technologische Kategorien. Damit wurden alle relevanten technologischen Umsetzungsmöglichkeiten adressiert. Erläuterungen hierzu befinden sich auf www.elektronikforschung.de.

Zur Teilnahme am Wettbewerb hatten sich 27 Teams aus Hochschulen und Forschungseinrichtungen beworben, von denen elf Teams für die Finalrunde ausgewählt wurden. Die Auswahl wurde von einem Beirat begleitet, welcher auch eine fachliche Begutachtung der Messergebnisse am Ende der Finalrunde durchführte. Er bestand aus renommierten Experten aus der Mikroelektronik, den Anwendungsindustrien, der Künstlichen Intelligenz sowie der Medizin.

Die Sieger:

Jedes Siegerprojekt bekommt als Preis die exklusive Möglichkeit, ein Forschungsprojekt zur Umsetzung seiner Idee mit Anwendungspartnern in Höhe von 1 Million Euro einzureichen.

In der Kategorie FPGA (englisch: Field Programmable Gate Array, ein programmierbarer Logik-Schaltkreis) das Team vom Fraunhofer-Institut ITWM in Kaiserslautern und das Team von der Technischen Universität Kaiserslautern mit dem Projekt: „Holistischer Ansatz zur Optimierung von FPGA Architekturen für tiefe neuronale Netze via AutoML – Automatisches Maschinenlernen (HALF)“.
Der Lösungsansatz in HALF betrachtet einerseits den Energieverbrauch der Hardware und andererseits die Suche nach einer geeigneten neuronalen Netzwerktopologie. Die Wahl des Netzes hat einen erheblichen Einfluss auf die Hardwarekomplexität (und umgekehrt). Diese gegenseitigen Abhängigkeiten wurden berücksichtigt. Durch diese Kombination ist eine neue Methode entstanden, die nicht nur eine Implementierung äußerst energieeffizienter FPGA, sondern auch eine Reduzierung der Entwicklungszeit ermöglicht.

In der Kategorie ASIC 130 Nanometer (englisch: Application-Specific Integrated Circuit, anwendungsspezifischer integrierter Schaltkreis) das Team von der Friedrich-Alexander-Universität Erlangen-Nürnberg und das Team vom Fraunhofer-Institut IIS in Erlangen mit dem Projekt: „Low-Power Low-Memory Low-Cost EKG-Signalanalyse mit ML-Algorithmen (Lo3-ML)“.Der Chip von Lo3-ML enthält nicht-flüchtige Speicher, sogenannte RRAMs, samt Ultra-Low-Power-Schaltungen zum Schreiben und Lesen. Das „Einsammeln“ der Daten während der KI-Algorithmus „schläft“, gefolgt vom schnellen Aufwecken, verbunden mit einer kurzen KI-Verarbeitung kann so bis zu 95% Energieeinsparung im Vergleich zu einem „Always-On“-System führen.

In der Kategorie ASIC 22FDX (englisch: Application-Specific Integrated Circuit, 22FDX, Fully-Depleted SOI Technologie, anwendungsspezifischer integrierter Schaltkreis mit besonderen Eigenschaften bei der Ansteuerung) gibt es zwei Sieger. Zum einen das Team von der Technischen Universität Dresden mit dem Projekt: „Zeitreihenklassifikation mit Ereignisbasierten Neuronalen Netzen (ZEN)“.
Der Ansatz von ZEN stützt sich auf eine ereignisbasierte Verarbeitung, die an die Arbeitsweise der Neuronen im menschlichen Gehirn angelehnt ist und den Rechenaufwand stark reduziert. Die ZEN-Architektur konnte die Wettbewerbsaufgabe unter Einsatz sehr kleiner Parameterspeicher erfolgreich lösen. Sie ist darüber hinaus flexibel und für komplexere Anwendungen skalierbar.
Zum anderen das Team der Hahn-Schickard-Gesellschaft für angewandte Forschung e. V. aus Villingen-Schwenningen und das Team von der Albert-Ludwigs-Universität Freiburg mit dem Projekt: „Analyse von EKG Daten durch Energieeffiziente Entscheidungsbäume auf einem Rekonfigurierbaren ASIC (GEnERIC)“. Wesentliches Erfolgsmerkmal von GEnERIC ist die enge Verzahnung der Entwicklung von Softwarealgorithmus und Hardware. Dabei wurden über den Entwicklungszeitraum kontinuierlich Eigenschaften der Hardware in die Optimierung der Softwareebene zurückgeführt. Zudem wurden klassische Methoden maschinellen Lernens genutzt: der Entscheidungsbaum, bzw. das Entscheidungsbaumensemble.