DFKI forscht an Testplattform für RISC-V-Software

Um noch vor der Fertigung eines RISC-V-Chips Software für den Prozessor schreiben und testen zu können, arbeitet das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) an der neuen Verifikationsplattform VerSys. Davon sollen neben der Industrie vor allem Startups profitieren. Ob Smart Homes oder Smartphones, selbstfahrende Autos oder die vernetzte Fertigung – all diese Zukunftstechnologien benötigen Computerchips zur Steuerung. Die Systeme auf diesen Chips werden zumeist als ‚System on Chip (SoC)‘ geschlossen entwickelt und vertrieben.

Dabei gewinnen neben offener Software wie dem Betriebssystem Linux auch Open-Source-Architekturen für Hardware an Popularität. Zum Beispiel RISC-V-Prozessoren (Reduced Instruction Set Computer), die mithilfe einer Open-Source-Lizenz frei entworfen, hergestellt und vertrieben werden können.

Software schreiben vor Verfügbarkeit

Die offene Befehlssatz-Architektur RISC-V kostet keine Patentgebühren und bietet ein hohes Maß an Standardisierung, Erweiterbarkeit und Herstellerunabhängigkeit. Dadurch gelten die Prozessoren als besonders zukunftssicher.

Um Software für solche Chips schreiben zu können, ohne auf die Produktion warten zu müssen, hat der DFKI-Forschungsbereich Cyber-Physical Systems unter der Leitung von Prof. Dr. Rolf Drechsler zum 1. August 2019 das Projekt VerSys gestartet. Entstehen soll eine offene Verifikationsplattform, auf der Software mithilfe eines virtuellen RISC-V-Chips getestet werden kann. Das Projekt VerSys wird vom Bundesministerium für Bildung und Forschung mit rund 1,6 Millionen Euro gefördert.

Software-Entwicklung beschleunigen

Die Verifikation von Software durch virtuelle Prototypen für Computerchips ist Standard in der Industrie. Für RISC-V fehlt dieser Prototyp allerdings bisher. Genau hier soll das Projekt VerSys (kurz für ‚Konsistente Verifikationsplattform zur frühzeitigen Softwareentwicklung für RISC-V-basierte Systeme‘) helfen.

Das Ziel ist eine quelloffene Verifikationsplattform, die skalierbar, modular und korrekt ist und zudem leicht an die Anforderungen der Nutzer angepasst werden kann. Die Plattform soll im Anschluss mithilfe von Industriepartnern weiterentwickelt und industriell einsetzbar gemacht werden.

Am Ende der Projektlaufzeit von drei Jahren erhofft sich der DFKI-Forschungsbereich Cyber-Physical Systems ein Ökosystem aus kleineren Firmen, das sich um die Plattform herum entwickelt und verschiedene Dienste anbietet.

Frühzeitige Verifikation

Zu den Einsatzbereichen von RISC-V-Chips und der entsprechenden Software zählen neben der Automobil-, Kommunikations- und Produktionsbranche auch Smart Homes und das Internet der Dinge. Der Bedarf der geplanten Verifikationsplattform zum frühzeitigen Softwaretest zeigt sich nach Angaben des Forschungsinstitutes bereits durch reges Interesse der Industrie. Auch Startups könnten mithilfe von VerSys ihre Softwareentwicklung schneller, unabhängiger und mit einem geringeren Risiko vorantreiben.

Die Hardware-Architektur RISC-V wurde 2010 an der Universität von Kalifornien in Berkley, USA, entwickelt und eingeführt. Für die Etablierung und Veröffentlichung der Software-Standards wurde mit der RISC-V Foundation ein eigenes Konsortium gegründet, dessen Mitgliedschaft der DFKI-Forschungsbereich Cyber-Physical Systems im Rahmen des Projektes VerSys anstrebt.

Thematik: Newsarchiv
|
Intelligenz (DFKI) Deutsches Forschungszentrum für Künstl.
www.dfki.de/robotik

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige