Eingebettete Systeme. Bei eingebetteten Systemen, auch Embedded Systems genannt, handelt es sich um Computer, die meist auf eine Aufgabe spezialisiert sind. Dabei müssen sie oft auf bestimmte Rahmenbedingungen angepasst werden. So ist zum Beispiel ein geringer Energieverbrauch eine häufige Anforderung. In der Arbeit von Prof. Haubelt spielt in diesem Zusammenhang vor allem intelligente Sensorik eine große Rolle.
Smarte Sensoren. Sensoren finden wir inzwischen in vielen Geräten unseres Alltags. Bestes Beispiel ist das Handy, das mittlerweile mit Beschleunigungssensoren oder auch elektronischem Kompass ausgerüstet ist, um Bewegungen der Nutzer*innen nachzuvollziehen. Doch Mobiltelefone werden immer kleiner. Das erfordert, dass auch Sensoren immer kleiner, aber auch energieeffizienter werden. Ähnlich verhält es sich mit Sensoren, die in kleine Geräte, wie Brillen, eingebaut werden, um zum Beispiel Kopfbewegungen zu erkennen. Prof. Haubelt erforscht, wie Daten von guter Qualität durch solche Sensoren gewonnen werden können, ohne dabei zu viel Energie zu verbrauchen.
Noch smarter. Ein zukünftiger Trend ist die Nutzung künstlicher neuronaler Netze (kNN) auf den Sensoren. Um ein kNN, beispielsweise zur Klassifikation von Datensätzen, nutzen zu können, muss das kNN erst anhand bekannter, vorklassifizierter Datensätze trainiert werden. Dies geschieht zunächst außerhalb des Sensors, da die Trainingsphase sehr rechenintensiv ist. Auf dem Sensor wird dann das erlernte kNN hinterlegt, das neue Datensätze klassifizieren kann.
Kompetenzen im Bereich der künstlichen Intelligenz und Data Science
- Embedded Systems (Entwurf, Modellierung und Analyse)
- Smarte Sensoren (Architekturen, Programmierung und Integration)
- Energieeffiziente Auswertung von Beschleunigungssensordaten
Prof. Dr.-Ing. Christian Haubelt
Lehrstuhl Embedded Systems, Universität Rostock
Ausgewählte Projekte
FastCare: Energieeffiziente Altersassistenz
Im Rahmen des Projektes FastCare entwickelte das Team von Prof. Haubelt in Zusammenarbeit mit dem Lehrstuhl MMIS neue Ansätze zur Realisierung intelligenter, situationsgestützter Assistenzsysteme. Diese Systeme sollen Menschen bei ihren Alltagsaufgaben unterstützen. Eine wesentliche Herausforderung hierbei ist die Akku-Laufzeit der verschiedenen, am Körper getragenen Sensorknoten. In diesem Projekt konnte durch die gleichzeitige Optimierung, der Sensordatenverarbeitung und -übertragung sowie der Anpassung der Algorithmen an die Rechenressourcen die Energieeffizienz deutlich gesteigert werden, und somit die Ladezyklen verlängert werden.
Schritterkennung mittels Sensorik im Schuh
Im Rahmen eines Forschungsprojekts entwickelte das Team von Prof. Haubelt ein System zur Schritterkennung. Dieses dient der Assistenz und Orientierung von Menschen in Innenräumen.
Die Forscher hatten die Idee, zu diesem Zweck Sensoren in Schuhe einzubauen, um Schritte, aber auch Schrittlänge eines Menschen zu erkennen. Anstatt dass der Sensor jedoch mit hoher Frequenz (100-200 Hz) ständig Daten sendet, werden die Daten auf dem Sensor vorverarbeitet. Es wird bereits erkannt, wann ein Fuß nicht in Bewegung ist, und die Schrittlänge auf Basis der Intensität der Bewegung. Diese vorverarbeiteten Daten werden dann mit niedrigerer Frequenz (2 Hz) gesendet, wodurch deutlich Energie eingespart wird.