Das „Lab2Device“ Projekt möchte den Transfer prototypischer Künstliche Intelligenz (KI)-Modelle in nachhaltige Produkte unterstützen. Dabei sollen diese Modelle (im Labor mit hochperformanten, aber ressourcenhungrigen GPU-Rechnern trainiert) so optimiert werden, dass sie in speicher- und rechenleistungsbeschränkten eingebetteten Produktsystemen energieeffizient einsatzfähig werden. Zu optimierende Zielgrößen sind neben Modellgenauigkeit, Energieverbrauch, Speicherbedarf und Latenz der Datenverarbeitung auch Robustheit und Vertrauenswürdigkeit.
Das Projekt möchte anhand zweier Anwendungsfälle (Robotik und Batteriediagnostik) Herausforderungen der Umsetzung der verschiedenen Zielgrößen systematisch untersuchen und geeignete Konzepte für ressourceneffiziente Umsetzungen entwickeln. Methodische Schwerpunkte liegen in den Bereichen Modellkompression und Neural Architecture Search. Insbesondere die Anwendungen der Batteriediagnosemodelle tragen ebenfalls zu einer nachhaltigen Welt bei.