Sichere, autonome und KI-basierte Systeme

Die digitale Transformation und der Ausbau cyber-physischer Systeme erfordern zunehmend kollaborative Lösungen und Mensch-Maschine-Interaktion. Cognitive Computing erhöht zugleich die Autonomie der Systeme (z.B. autonome Fahrzeuge und Flugobjekte). Damit verbunden sind auch die Herausforderungen der Kommunikation und Schnittstellengestaltung zwischen den Komponenten und Systemen, die Datenerfassung und -analyse mittels Künstlicher Intelligenz (u.a. Big Data, Maschinelles Lernen) sowie die IT-Sicherheit.

Geforscht wird hierzu v.a. am Affective and Cognitive Institute (ACI), Institute for Machine Learning and Analytics (IMLA), Institute for Unmanned Aerial Systems (IUAS) und am Institut für verlässliche Embedded Systems und Kommunikationselektronik (ivESK).

Titel Entwicklung einer Wireless-Technologie für sicherheitskritische Anwendungen - flexible Optimierbarkeit von Leistungsprofil und Energieeffizienz durch variable Sterntopologie und Echoknoten
Kurzname Sterntopologie und Echoknoten
Kurzbeschreibung Um in der industriellen Fertigung aktuellen und zukünftigen Marktanforderungen entsprechen zu können, kommt wandlungsfähigen, flexiblen Produktionssystemen eine immer größere Bedeutung zu. Die kabelgebundene Signalübertragung stellt dabei eine zunehmend kritische Beschränkung dar. Während Techniken zur drahtlosen Kommunikation bereits Einsatz in verschiedensten Anwendungen finden, sind diese in Systemen, die funktional sicher sein müssen bisher mangels technologischer Grundlagen zur Gewährleistung der hohen Anforderungen an Latenz und Zuverlässigkeit nicht verbreitet. Vor diesem Hintergrund zielt das vorliegende Projekt auf die Entwicklung einer innovativen Wireless-Technologie, die sowohl erstmals diese Anforderungen erfüllt, als auch deren individuelle Abstimmung unter Berücksichtigung der erforderlichen Energieeffizienz durch variable Sterntopologie und Echoknoten ermöglicht. Damit verbunden ist die Erforschung eines adaptiven Kommunikationsprotokolls und der Algorithmen für Scheduling und Datenaustausch.
Jahr der Einwerbung 2017
Laufzeit Beginn 01.12.2017
Laufzeit Ende 30.06.2020
Projektleitung Wendt, Thomas, Prof. Dr.
Beteiligte Hochschullehrer/in Wendt, Thomas, Prof. Dr.
Fakultät B+W
Institut