Neuromorphe Chips : Österreichische Unternehmen entwickeln Computerchip der Zukunft

AVL List entwickelt auf Basis der Nimble AI-Technologie den Driving Cube – ein visuell-basiertes Bewertungssystem des Fahrverhaltens, das im Notfall zum Lebensretter werden kann.

AVL List entwickelt auf Basis der Technologie ein visuell-basiertes Bewertungssystem des Fahrverhaltens, das im Notfall zum Lebensretter werden kann.

- © AVL List

Nimble AI heißt das Projekt, für das sich 19 europäische Unternehmen und Forschungseinrichtungen zusammengeschlossen haben. Gemeinsam wollen sie mit neuromorphen Computerchips dem menschlichen Gehirn nachempfinden.

Lesen Sie auch hier: Der weltweite Kampf um die Chip-Industrie

Das Konsortium hat sich konkrete Ziele gesetzt: Eine Verbesserung der Energieeffizienz gegenüber herkömmlichen Chips um den Faktor 100 und eine Verringerung der Latenz um den Faktor 50. Die Systemarchitektur des Projekts basiert auf dem biologischen Auge-Gehirn-System, das optische Informationen aus der Umgebung nur bei Bedarf erfasst, verarbeitet und speichert. Die eingebettete KI ist somit nicht mehr auf den Einsatz von stromfressenden Grafikkarten angewiesen. Das soll die Anwendungsmöglichkeiten solcher Systeme erheblich erweitern und erleichtern.

700.000 Euro von Horizon Europe fließen nach Österreich

Ein beträchtlicher Teil der Fördersumme aus dem EU-Innovationsfonds „Horizon Europe“ fließt an drei österreichische Partner. Das Wiener Start-up Viewpointsystem entwickelt und produziert international preisgekrönte intelligente Brillen, die auf Eye-Tracking basieren. "Mit Hilfe von neuromorphem Computing können wir die Rechenlast und den Energieverbrauch so weit reduzieren, dass leistungsfähiges Eyetracking in jede AR- oder VR-Brille oder andere Wearable Devices integriert werden kann", sagt Frank Linsenmaier, CTO von Viewpointsystem.

Frank Linsenmaier, CTO von Viewpointsystem
Frank Linsenmaier, CTO von Viewpointsystem - © Viewpointsystem

AVL List und TU Wien: neue Chips für autonomes Fahren

Der Grazer Technologiekonzern AVL List und die TU Wien fokussieren hingegen auf Anwendungen im Bereich des autonomen Fahrens. Bei AVL ist man davon überzeugt, dass die Entwicklung einer visuell basierten Bewertung des Fahrverhaltens mit schnellen und effizienten künstlichen Neuronen einen wichtigen Beitrag zur Absicherung zukünftiger automatisierter Fahrzeuge leisten wird.

An der TU Wien werden die neuromorphen Chips an Miniatur-Rennwagen getestet, die mir Deep-Learning-Algorithmen vollautomatisch gesteuert werden. "Die von NimbleAI ermöglichte Hardware-Beschleunigung wird es uns erlauben, unsere neuartigen Strukturen in zeitkritischen Anwendungen mit noch nie dagewesener Effizienz zu testen und weitere Anwendungsbereiche für verständliche neuronale Strukturen zu finden", sagt Radu Grosu, Leiter der Forschungsabteilung Cyber Physical Systems an der TU Wien.

Radu Grosu, Leiter der Forschungsabteilung Cyber Physical Systems an der TU Wien
Radu Grosu, Leiter der Forschungsabteilung Cyber Physical Systems an der TU Wien - © TU Wien

Energieeffizienz als Gamechanger

Spätestens seit dem Erfolg von Chat GPT im Consumer-Bereich ist das enorme Potenzial von KI-Anwendungen offensichtlich geworden. Doch damit ist auch ein erheblicher Anstieg im Energieverbrauch zu befürchten. Die Integration künstlicher Intelligenz in die Internetsuche werde der Internationaler Energieagentur zufolge mindestens vier- bis fünfmal mehr Rechenleistung pro Suchanfrage benötigen als bisher.

Die neuromorphen Chips, die nun entwickelt werden, könnten eine Antwort auf diese Herausforderung sein. Sie können viele Informationen aus der Umgebung gleichzeitig verarbeiten, ohne zu Überlastungen oder Verzögerungen zu führen. Diese Chips können so große Datenmengen in Echtzeit und energiesparend verarbeiten — im Gegensatz zu herkömmlichen Computerchips. Für die nächste Generation mobiler Geräte sind neuromorphe Chips daher eine attraktive Lösung.

Die österreichischen Anwendungsfälle im Überblick

Die österreichischen Partner konzentrieren sich auf Anwendungsfälle aus ihren jeweiligen Fachgebieten, wobei wissenschaftliche und technologische Konzepte wie dynamische Parallelität, ereignisgesteuerte Sensorik, Adaptivität und Rekonfigurierbarkeit sowie eingebaute Fehlertoleranz zum Einsatz kommen.

  • Eye-Tracking von Viewpointsystems
    Viewpointsystem Eye-Tracking-Sensoren für intelligente Brillen

    Das Wiener Start-up Viewpointsystem konzentriert sich auf die Entwicklung von energieeffizienten und leistungsstarken Blickerfassungssensoren für Anwendungen und Geräte im Bereich der Augmented Reality (AR) und Virtual Reality (VR). Mit der zunehmenden Verbreitung von AR und VR wird Eye-Tracking entscheidend für ein sicheres und angenehmes Immersionserlebnis, das dynamisches Rendering, intuitive Mensch-Maschine-Interaktion, Gesundheitsüberwachung und andere Funktionen ermöglicht.

  • Driving Cube von AVL List
    AVL List Validierungssysteme für automatisierte Fahrzeuge

    Die Validierung komplexer Fahrerassistenz- und automatisierter Fahrfunktionen unter allen denkbaren Bedingungen und Szenarien stellt eine große Herausforderung für die Fahrzeughersteller dar. Denn die Sicherheit und Zuverlässigkeit der hochautomatisierten Fahrfunktionen muss in jeder Fahrsituation gewährleistet sein.

    Auf Basis der von NimbleAI entwickelten neuromorphen Signalerfassung und -verarbeitung werden bei AVL List energieeffiziente Smart Monitore für Fahrzeuge entwickelt. Damit wird es möglich, die Fahrzeugumgebung dreidimensional aus verschiedenen Blickwinkeln zu analysieren und zu bewerten, ob die Fahrentscheidungen der Fahrzeugsteuerung sicher sind.

    Der monatliche Deep Dive zu Digitalisierungsthemen in der Industrie! Abonnieren und nichts mehr verpassen. Jetzt Newsletter abonnieren!
  • Forschungsabteilung CPS der TU Wien
    TU Wien Autonomes Fahren mit neuartigen neuronalen Netzen

    In den letzten Jahren hat sich gezeigt, dass neuronale Netze gut für autonomes Fahren geeignet sind, insbesondere wenn sie mit visuellen Sensoren arbeiten. In der Forschungsabteilung CPS der TU Wien werden solche Steuerungssysteme an Modellautos getestet. Die Fahrzeuge sind mit einem leistungsfähigen Computer ausgestattet, der die effiziente Ausführung von neuronalen Netzen ermöglicht.

    Lesen Sie dazu auch hier: Industrie soll die autonome Mobilität der Zukunft sicher gestalten

Interview: Was sich die Industrie von der Natur abschauen kann

Der Grazer Technologiekonzern ALV List ist einer der drei österreichischen Partner, die an der Entwicklung von Nimble AI beteiligt sind. Mit Peter Priller, Principal Technology Scout, haben wir über die vielfältigen Anwendungsmöglichkeiten von neuromorphen Chips in der Industrie gesprochen.

Welches Ziel verfolgen Sie mit dem Projekt Nimble AI?

Peter Priller: Die Grundüberlegung ist, dass viele Aufgaben aus der Bildverarbeitung, aus der Objekterkennung und in weiteren Anwendungen zurzeit große Rechenleistungen benötigen. Im Bereich des autonomen Fahrens bedeutet das, dass wir die Fahrzeuge mit leistungshungrigen Spezial-Prozessoren ausstatten müssen, damit wir entsprechende Rechenleistungen zur Verfügung haben. Das sind viele Hunderte und teilweise Tausende Watt, die da verbraucht werden – es liegt irgendwo auf der Hand, dass das kein Zukunftsmodell sein kann. Das menschliche Hirn hingegen ist sehr klein, arbeitet mit 100 bis 200 Watt und schafft viel mehr, als wir derzeit technisch bringen können. Wir versuchen von der Natur zu lernen und die Ergebnisse in technische Implementierungen zu überführen. Diese Überlegung steck hinter dem Projekt.

Peter Priller von AVL List
Peter Priller ist Principal Technology Scout für embedded Systeme im Research and Technology Management der AVL List. Seine Forschungsinteressen liegen im Bereich CPS/IoT/IIoT mit Schwerpunkt auf Architekturen, Trust, Skalierbarkeit und Sicherheit. - © AVL List
Unsere Zielsetzung unterscheidet sich grundlegend von klassischen Machine Learning Algorithmen, beispielsweise Sprachverarbeitungsmodellen wie Chat GPT.

Was kann man sich hier von der Natur abschauen?

Priller
: Konkret heißt das, dass verschiedene Technologien getestet, weiterentwickelt und zusammengeführt werden. Beginnend mit der Sensorik, wo wir mit Event-Based-Kameras arbeiten, statt Frame-Based-Kameras. Das sind Videosensoren, die nicht kontinuierlich alle Pixel abtasten und übertragen und damit sehr viele Daten transferieren, sondern nur Änderungen übermitteln. Und das ist etwas, was dem menschlichen Auge sehr nahekommt. Der zweite Aspekt sind Light-Field-Kameras, also Lichtfeldsensoren, die im Prinzip dem Insektenauge nachgebildet sind. Damit können wir zusätzliche 3-D-Informationen aus einer einzelnen Kamera herausholen. Dabei fokussieren sich Datenübertragung und Datenverarbeitung auf das Wesentlichste und sparen dabei unwesentliche Berechnungen aus – das ist die aufmerksamkeitsgesteuerte Bearbeitung.

Das erklärte Ziel ist die Entwicklung von integrierten neuromorphen Prozessoren. Kann man das mit neuronalen Netzwerken vergleichen, die man aus der Welt der künstlichen Intelligenz kennt?

Priller: Neuromorphic Computing ist im Prinzip ein neuronales Netz, das sich der Anwendung anpasst, inspiriert vom menschlichen Gehirn. Es werden sozusagen nur die Neuronen vernetzt, die wirklich wichtig sind. Unsere Zielsetzung unterscheidet sich grundlegend von klassischen Machine Learning Algorithmen, beispielsweise Sprachverarbeitungsmodellen wie ChatGPT, bei denen es um rechenintensive Matrixrechnungen geht. Nimble AI verfolgt einen anderen Ansatz, indem wir uns stärker an die Natur anlehnen und diese Neuronen besser nachbilden als das in den bisherigen technischen Umsetzungen der Fall ist.

Welche Anwendungsfälle gibt es für diese Technologie?

Priller: Bei AVL verfolgen wir das Ziel, dass wir einerseits Funktionen für autonomes Fahren und andererseits auch Testtechnologien entwickeln. Dabei geht es um die Frage, wie man sicherstellen kann, dass das Fahrzeug wirklich sicher unterwegs ist und die Verkehrsregeln einhält. Viele Aspekte des Fahrens müssen kontinuierlich überwacht werden, um einerseits Fehlfunktionen festzustellen und dann korrigierend einzugreifen oder im schlimmsten Fall auch Notmaßnahmen einzuleiten. Mit diesem Attention-Based-Computing entstehen neue Anwendungsmöglichkeiten, an denen derzeit geforscht wird.

Von vollkommen autonomen Fahrzeugen sind wir noch weit entfernt, das ist nach wie vor eine große technologische Herausforderung.

Das Projekt wird von der EU mit zehn Millionen Euro gefördert. Einerseits gibt es Bestrebungen die Chipproduktion wieder nach Europa zu holen, andererseits werden Richtlinien beschlossen, die im Wettbewerb zum Nachteil werden können. Wie schätzen Sie die Lage ein?

Priller: Ich glaube, dass sich Europa den Ruf erarbeitet hat, wirklich einen eigenen Weg zu gehen, der sehr Consumer- und Privacy-freundlich ist. Angefangen hat das mit der Datenschutzgrundverordnung und dieser Weg wird jetzt auch im Bereich der künstlichen Intelligenz fortgeführt. Es ist unbestritten, dass solche Richtlinien Kosten verursachen und die Entwicklung verkomplizieren. Andererseits ergibt sich dadurch aber auch ein Alleinstellungsmerkmal für die EU im globalen Wettbewerb mit den USA und China. Bekanntlich herrschen dort andere Ansichten, wenn es um Privacy geht, deswegen glaube ich, dass eine deutliche Positionierung der EU durchaus auch etwas sein kann, das mittel- und langfristig einen Wert für die europäische Industrie darstellen kann. Ein wichtiger Beitrag liegt in der Entwicklung und im Betrieb von mehr und mehr automatisierten Fahrzeugen.

Wie weit sind wir vom Ziel des vollautonomen Fahrens noch entfernt?

Priller: Wir werden keine plötzliche Revolution sehen, sondern ein inkrementelles Verbessern der Fähigkeiten und deswegen gar nicht merken, wann die Autonomie dann wirklich da ist. Mercedes hat vor Kurzem in den USA die Zulassung für die dritte von insgesamt fünf Stufen des autonomen Fahrens bekommen. Wir werden also schon bald Fahrzeuge im mittleren Preissegment sehen, die in bestimmten Bereichen autonom fahren werden. Aber von vollkommen autonomen Fahrzeugen sind wir noch weit entfernt, das ist nach wie vor eine große technologische Herausforderung. Und natürlich müssen auch die gesetzlichen Rahmenbedingungen und Haftungen geklärt werden - und zwar im großen Kontext.

Alle weiteren Partner des Konsortiums:

  • Barcelona Supercomputing Center (ES)
  • Codasip s.r.o. (CZ)
  • Commisssariat A L’energie Atomique Et Aux Energies Alternatives (FR)
  • Consejo Superior De Investigaciones Científicas (ES)
  • GrAI Matter Labs B.V. (NL)
  • IMEC – Interuniversity Microelectronics Centre (BE)
  • Menta SAS (FR)
  • Monozukuri S.P.A. (ITA)
  • Politecnico Di Milano (IT)
  • Raytrix Gmbh (DE)
  • ULMA Medical Technologies S. Coop. (ES) und die Queen Mary University Of London (UK)
  • Universitat Politècnica De València (ES)
  • Universiteit Leiden (NL)
  • University Of Manchester (UK)
  • S. Coop (ES)