Künstliche Intelligenz: Algorithmen und Chips zusammen entwickelt

KI eröffnet neue Chancen für viele Branchen. Für ihren erfolgreichen Einsatz ist die Entwicklung geeigneter Mikrochips entscheidend. (Foto: Edelweiss – Fotolia)

Um einen effizienten Entwurf von KI-Chips und KI-Systemen zu ermöglichen, verfolgt das Projekt „German Open-Source Tools for AI Algorithm-Hardware Co-Design“, kurz EDAI, einen neuen Ansatz. Die Forschenden koppeln den Entwurf von KI-Algorithmen und KI-Chips. „Wir entwickeln Algorithmus-Hardware-Co-Design-Tools, welche die Optimierung von KI-Algorithmen mit der Erkundung des Hardware-Designraums kombinieren“, erklärt Mehdi B. Tahoori, Professor für Dependable Nano Computing am Institut für Technische Informatik des KIT und Sprecher des Projekts. Besondere Aufmerksamkeit gilt den Kriterien Sicherheit (Security) und Funktionssicherheit (Safety).

Das Projekt EDAI baut auf Open Source auf. Dies soll zum einen die Gemeinschaft für den Entwurf von KI-Chips vergrößern und dem weltweiten Fachkräftemangel entgegenwirken, zum anderen soll es den Zugang zu KI-basierten Lösungen besonders für kleinere und mittlere Unternehmen erleichtern. Denn KI bildet eine wesentliche Komponente der Digitalisierung und bietet gerade KMU die Chance, wissenschaftliche Erkenntnisse für ihre Wertschöpfung zu nutzen und Wettbewerbsvorteile zu erlangen.

EDAI spannt mithilfe eines automatisierten Design-Flows eine Brücke zwischen der Optimierung von KI-Modellen auf Softwareebene und der Implementierung in Hardware. Dabei verwenden die Forschenden einen Ansatz des Algorithmus/Hardware-Co-Designs, der KI-Algorithmen optimiert, indem er die Hardware von vornherein berücksichtigt. Sie entwickeln neue Vorlagen für KI-Hardware-Architekturen, die automatisch ausgewählt und optimiert werden, um die Vorgaben für die jeweils vorgesehene Anwendung zu erfüllen.

EDAI wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und vom Karlsruher Institut für Technologie (KIT) koordiniert. Partner des Projekts sind die Technische Universität München (TUM), die Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und die Technische Universität Kaiserslautern-Landau (RPTU).

Link zur Originalmeldung