Neuromorphe Chips im Einsatz: Wegbereiter für das IoT der Zukunft

The initial situation

Die Greatech GmbH ist auf Lösungen im Bereich des „Industrial Internet of Things“ (IIoT) spezialisiert und entwickelt moderne Sensor- und Kommunikationsmodule. Zum Einsatz kommen die Funk-Sensoren u.a. bei der Erfassung von extreme Niederschlagsereignissen oder dem Echtzeit-Monitoring von Kühlketten für Lebensmittel oder Medikamenten. Die eigens entwickelten Kommunikationsmodule (Gateways) ermöglichen eine energieeffiziente Datenübertragung – sowohl über lokale Mesh-Netzwerke als auch über satellitengestützte. Greatech beliefert seit Jahren einen wachsenden Markt, der auf zuverlässige Vernetzung und hochwertige Datenerhebung angewiesen ist.

The Challenge

Anfang 2024 wandte sich Greatech an das Institute for Communication Technologies and Embedded Systems (ICE) der RWTH Aachen, um seine Produkte für zukünftige Anforderungen im Bereich des neuromorphen Computings zu rüsten. Im Fokus standen zwei zentrale Fragen:

• Wie lässt sich die Energieeffizienz der Geräte weiter steigern?
• Wie können KI-basierte Anwendungen integriert werden, ohne Gateways und Hardware komplett neu entwickeln zu müssen?

Das Ziel war es, Komponenten des neuromorphen Rechnens in die bestehenden Systeme einzubinden. So sollte erstmals eine ressourcenschonende Berechnung relevanter Indikatoren direkt auf dem Sensorknoten möglich werden (Edge Computing)

Hinweis: Was ist neuromorphes Rechnen?

Neuromorphe Hardware überträgt das Prinzip neuronaler Netze auf physische Chips. Lern- und Rechenprozesse werden dabei nicht simuliert, sondern direkt durch spezialisierte Schaltungen ausgeführt. Das ermöglicht extrem energieeffiziente KI-Anwendungen.

The Approach

Die Herausforderungen wurden im Rahmen mehrerer Workshops strukturiert adressiert:

1. Analyse der Produkte
   Das ICE untersuchte die technischen Eigenschaften der Sensoren und Gateways, um geeignete neuromorphe Komponenten und passende Algorithmen auszuwählen.
2. Untersuchung der Kommunikationsschnittstellen
   Die Schnittstellen wurden detailliert analysiert, um die Funktionsweise zu verstehen und den benötigten Datenaustausch zu definieren.

Diese Workshops schufen ein gemeinsames technisches Verständnis und legten die Basis für die Integration von Neuromorphic Computing in IoT-Hardware. Gleichzeitig entstanden erste Ideen zur sinnvollen Einbindung von KI-Prozessen in mobilen Sensoren, Gateways und Bodenstationen.

The Solution

Die Workshop-Ergebnisse mündeten in einem Demonstrator, der die entwickelten Konzepte erstmals praktisch umsetzte: Im NeuroLab des ICE entstand eine modifizierte Version des SWARM Gateways von Greatech. Dabei wurden zentrale Merkmale identifiziert, die künftig für die Berechnung von Indikatoren direkt auf dem Sensorknoten genutzt werden können.

Über neue Schnittstellen wurde das Gateway mit dem vom ICE entwickelten NeuroBoard verbunden. Damit gelang erstmals die direkte Kopplung neuromorpher Bauelemente mit Greatech-Hardware – ein wichtiger Meilenstein auf dem Weg zu energieeffizienten KI-Prozessen in IoT-Systemen. Die ausgelagerten Berechnungen auf dem NeuroBoard bestätigten die Machbarkeit und das Potenzial der hybriden Architektur.

Results and benefits

• Tiefergehende Analyse der Greatech-Produkte
  Die Untersuchung zeigte klar: Die Geräte können erheblich von maschinellen Lernverfahren profitieren – sowohl hinsichtlich Energieeffizienz als auch Datenverarbeitungsqualität.
• Vermeidung eines kompletten Redesigns
  Es wurden geeignete Schnittstellen identifiziert, sodass neuromorphe Komponenten ohne Neuentwicklung der gesamten Hardware eingebunden werden können.
• Entwicklung eines Demonstrators
  Gemeinsam mit dem ICE entstand ein Konzept, das auf Messen und Veranstaltungen die Vorteile Machine Learning-optimierter Sensoren sichtbar macht – durch die Verbindung von Greatech-Gateway und NeuroBoard.

Ausblick und Übertragbarkeit

Die hybride Integration von KI-Anwendungen durch die Kombination klassischer Hardware mit neuromorphen Komponenten ist nicht nur für Greatech relevant.
Das Vorgehen lässt sich auf weitere IoT-Produkte übertragen:

• Identifikation geeigneter Hardwareeinheiten
• Analyse der Integrationspotenziale für neuromorphes Rechnen
• Entwicklung einer kosteneffizienten Hybridlösung als Zwischenstufe
• Schrittweise Migration zu voll integrierten neuromorphen KI-Chips

Bevor ein vollständiger Umbau der Hardware erfolgt, ermöglicht das NeuroBoard als Zwischenschritt eine wirtschaftliche und ressourcenschonende Einführung neuromorpher Technologien.

Darüber hinaus lässt sich sagen, dass das Pilotprojekt nicht nur für Greatech sondern auch für das ICE selbst gewinnbringend gewesen ist: die Einbindung des neuromorphen Rechnens in das Produktportfolio des Unternehmens bot für das ICE eine optimale Möglichkeit, das NeuroBoard weiterzuentwickeln und zwischenzeitlich auch anderen Kunden als Plattform für deren eigene Entwicklungen zur Verfügung zu stellen bzw. zu lizensieren.

Dieses Projekt wurde Im Rahmen des EDIH-Projekts durch das Institut für Kommunikationstechnologien und eingebetete Systeme durchgeführt.