Forschungsgebiet
Embedded System Design
Die meisten Computer sieht man nicht: Als eingebettete Systeme stecken sie in Fahrzeugen, Maschinen, Medizingeräten und Sensoren. Jedes System ist genau auf seine Aufgabe zugeschnitten, und genau darin liegt die Kunst: die richtigen Entscheidungen für Prozessor, Speicher, Schnittstellen und Software zu treffen.
Woran wir arbeiten
- Embedded Systems: Systeme vom Mikrocontroller bis zum komplexen System-on-Chip
- HW/SW Co-Design: Hardware und Software von Anfang an gemeinsam entwerfen
- Virtuelle Prototypen: Chips und Systeme simulieren und bewerten, bevor es sie gibt
So entstehen Systeme, die schneller fertig, sparsamer und besser abgestimmt sind.
Vom Modell bis zur Hardware
Wir entwerfen digitale Systeme über mehrere Abstraktionsebenen: von der zeitfreien Beschreibung des Verhaltens über Modelle auf Transaktionsebene (SystemC/TLM) und die Aufteilung in Hardware und Software bis zur Implementierung auf FPGA oder ASIC. Auf jeder Ebene lassen sich andere Fragen beantworten, und je früher eine Frage beantwortet ist, desto billiger ist eine Korrektur.
Unser wichtigstes Werkzeug sind virtuelle Plattformen: Simulationsmodelle eines ganzen Systems, auf denen die echte Software läuft, bevor es Silizium oder Bitstream gibt. Die Plattform SoCRocket ist so für die Europäische Weltraumorganisation (ESA) entstanden; heute arbeiten wir mit BuddelChip, einer offenen RISC-V-Plattform.
Messen statt schätzen
Ein Modell ist nur so gut wie seine Zahlen. Deshalb führen wir Messungen realer Hardware (Laufzeit, Energie, Verhalten) in die Modelle zurück und prüfen ihre Genauigkeit fortlaufend. Aus der virtuellen Plattform wird so ein kalibrierter digitaler Zwilling.
- In TwinSpace erzeugen wir Lastprofile durch Simulation, damit sicherheitsrelevante Software weniger Ressourcen braucht.
- In Shift2SDV prüft ein digitaler Zwilling Over-the-Air-Updates für Fahrzeuge auf Manipulation, bevor sie ausgeliefert werden.
KI dort, wo die Daten entstehen
Immer mehr neuronale Netze sollen direkt im Gerät rechnen: im Sensor, im Steuergerät, im Roboter. Dort zählen Echtzeit, Energie und Zuverlässigkeit gleichzeitig. Wir untersuchen, wie sich solche Modelle auf RISC-V-Prozessoren und Mikrocontroller abbilden lassen, etwa indem wir Rechenkerne von TensorFlow Lite Micro mit der RISC-V-Vektorerweiterung beschleunigen. In SSVEKI erkennt eingebettete KI in Echtzeit, wenn Fahrzeuge und ungeschützte Verkehrsteilnehmende zu kollidieren drohen.
Wo unsere Ergebnisse eingesetzt werden
- Raumfahrt: virtuelle Plattformen und IP-Cores für flugerprobte LEON3-Systeme der ESA
- Automobil: verteilte Rechenarchitekturen vom Sensor bis zur Edge (EMDrive), KI-gestützte Regelung für automatisiertes Fahren (EEmotion), das softwaredefinierte Fahrzeug
- Industrieautomation: Werkzeuge für Industrie 4.0 und das Internet der Dinge (Arrowhead Tools)
- Robotik: KI für Wahrnehmung und Regelung direkt auf der Plattform, sichere Architekturen für autonome Systeme
Lehre und Abschlussarbeiten
Das Forschungsgebiet trägt die Vorlesungen Eingebettete Systeme im Bachelor sowie Hardware/Software Co-Design, Echtzeitsysteme und Energy Efficiency in Embedded Systems im Master. Studierende, die eine Abschluss- oder Projektarbeit suchen, finden bei uns Themen von der virtuellen Plattform bis zur KI auf dem Mikrocontroller. Ansprechpartner ist Dr.-Ing. Rolf Meyer.
