InnoCON 2021
SEC-Learn – Sensor Edge Cloud für verteiltes Lernen
Kategorie: Transformation hin zu einer Digitalen Wirtschaft/ Künstliche Intelligenz
Kurzbeschreibung:
Wie kann Datenverarbeitung zukünftig statt in einer Cloud nahe am Sensor bewerkstelligt werden? Und wie kann in einem solchen Setup Maschinelles Lernen auf verteilten Systemen stattfinden?
Im Fraunhofer-weiten Projekt SEC-Learn (Sensor Edge Cloud für verteiltes Lernen) soll maßgeblich eruiert werden, welche Entwicklungen notwendig sind, damit das Training von neuronalen Netzen direkt am Sensor vorgenommen werden kann, gleichzeitig aber auch alle anderen Sensorknoten von dem Erlernten profitieren. Das Stichwort ist Verteiltes Lernen – Federated Learning. Die Verarbeitung der Daten und das Training von KI-Modellen erfolgt dabei lokal am Sensor. Nur das Trainings-Resultat, nicht die Daten selbst werden an den Server geschickt. Das erleichtert beispielsweise die Umsetzung von Datenschutzanforderungen, welche bei lokaler Verarbeitung besser gewährleistet werden können und zu mehr Akzeptanz beim Nutzer führen sollen. Eine sichere Datenübertragung soll im Projekt zusätzlich durch den Einsatz von Privacy Enhancing Technologies gewährleistet werden.
Die durchgehende Analyse von Daten durch KI kann allerdings zu einem hohen Energieverbrauch führen. Deshalb sollen im Projekt für die fortlaufende Auswertung am Sensor so genannte Spiked Neural Networks zum Einsatz kommen. Sie ermöglichen eine hardwarenahe und energieeffiziente Datenverarbeitung. Entsprechend müssen Methoden gefunden werden, welche die durch das Verteilte Lernen entstandenen Modelle konvertieren und kompatibel zu der Zielhardware machen.
Als Anwendungsbeispiele dienen im Projekt die Keyword-Erkennung und akustische Ereignisdetektion für Sprachassistenten als hochintegrierte, energieeffiziente Low-End-Lösung sowie die Bilderkennung für autonomes Fahren.
Hanna Lukashevich
Fraunhofer-Institut für Digitale Medientechnologie IDMT
+49 3677 467-224
E-Mail schreiben