Abschlussarbeiten im Themenfeld: Effiziente, adaptive und dezentrale KI

Unser interdisziplinäres Team arbeitet an der Schnittstelle von Künstlicher Intelligenz, Embedded Systems und Edge Computing. Unser Ziel ist es, zukunftsweisende KI-Lösungen für ressourcenbeschränkte, dezentrale Systeme zu entwickeln – von autonomen Sensoren über vernetzte Geräte bis hin zu industriellen Anwendungen. Im Zentrum stehen Fragestellungen wie:

Wie lassen sich KI-Modelle effizient auf Mikrocontrollern betreiben? Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet? Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet? Wie kann dezentrale KI auf mehreren Edge-Geräten effizient in Bezug auf Speicher, Kommunikation und Robustheit zusammenarbeiten? (z. B. über Federated Learning oder Swarm Intelligence)?

Was Sie bei uns tun

Mögliche Themengebiete

⦁ Optimierung des Machine-Learning-Frameworks AI for Embedded Systems (AIfES)⦁ Entwicklung und Optimierung von dezentralem Edge AI in IoT-Netzwerken durch Federated Learning ⦁ Entwicklung und Optimierung von Verfahren für Anomaliedetektion bei selbstlernenden Sensorsystemen ⦁ Optimierung von KI-Modellen für Embedded-Plattformen (z. B. Quantisierung, Pruning, TinyML)⦁ Entwicklung adaptiver Lernmechanismen für sich verändernde Umgebungsbedingungen⦁ Entwicklung von Tool-Chains zur Portierung von KI-Modellen auf verschiedene, eingebettete Systeme

Bitte geben Sie bei Ihrer Bewerbung an, für welches Thema Sie sich interessieren.