Sensor Datenverarbeitung durch energieeffiziente Threshold-Vergleiche in einem skalierbaren, rekonfigurierbaren Entscheidungsbaum-AI-IC (Seventh-SensIC)

Mit einem Entscheidungsbaum-basierten System konnte im Rahmen des Projekts GEnERIC der erste Preis des Innovationswettbewerbs „KI-Sprung“ des BMBF errungen werden. Im Nachfolge- und Preisprojekt Seventh-SensIC werden die dort verfolgten Konzepte weiter ausgearbeitet und auf weitere auf zusätzliche Problemstellungen neben der ursprünglichen EKG-Klassifizierung ausgeweitet.

Seventh-SensIC untersucht zunächst alternative Problemstellungen wie Anomliedetektion, Human Activity Recognition, sowie komplexere EKG- und EEG-Datensätze auf ihre Lösbarkeit mit dem verfolgten Entscheidungsbaumansatz, dem Decision Tree Ensemble. Einen wesentlichen Aspekt stellen dabei die erforderlichen Merkmale dar, die aus den Rohdaten der Probleme berechnet werden müssen. Ihre Komplexität hat einen entscheidenden Einfluss auf die erreichbare Energieeffizienz.

Des Weiteren werden die untersuchten Digitalschaltungskonzepte zur Merkmalsberechnung und die speicherbasierte Implementierung des DTE-Klassifizierers zur tatsächlichen Fertigungsreife gebracht. Projektziel ist neben einem hochgradig flexibel einsetzbaren Klassifzierungs-Chip eine Synthese-Toolchain, die aus einem arbiträren Machine Learning Datensatz eine auf Energieeffizienz optimierte Konfiguration dieses Chips generiert.