Tools and methods for Edge-AI-systems

Das außerordentliche Potenzial der künstlichen Intelligenz, insbesondere künstlicher neuronaler Netze, kann heute noch nicht voll ausgeschöpft werden, vor allem, wenn sie für Edge-Computing-Anwendungen bspw. in Autos, Ampeln oder intelligenten Uhren eingesetzt wird. Grund dafür sind hohe Anforderungen an Rechenleistung, Energie und Speicher moderner neuronaler Netze, die normalerweise nicht von eingebetteten Geräten erfüllt werden können. Dieser Artikel bietet eine detaillierte Zusammenfassung der heutigen Herausforderungen und gibt einen tieferen Einblick in bestehende Lösungen, die die Leistungsfähigkeit neuronaler Netze mit modernen HW/SW-Co-Design Techniken erhöht.

The enormous potential of artificial intelligence, especially artificial neural networks, when used for edge computing applications in cars, traffic lights or smart watches, has not yet been fully exploited today. The reasons for this are the computing, energy and memory requirements of modern neural networks, which typically cannot be met by embedded devices. This article provides a detailed summary of today’s challenges and gives a deeper insight into existing solutions that enable neural network performance with modern HW/SW co-design techniques.