Energieeffiziente digitale Systeme und neuartige Hardwarearchitekturen.
Unter der Leitung von Professor Dr.-Ing. Marc Reichenbach forscht der Lehrstuhl Integrierte Systeme an der Entwicklung energieeffizienter digitaler Systeme und innovativer Hardwarelösungen für KI-Anwendungen. Der Fokus liegt auf der Modellierung von Systemen, um nachweisbare Eigenschaften moderner Technologien auf Systemebene bewerten zu können, sowie auf der Erforschung neuartiger Architekturen und Speichertechnologien. Hierzu zählen neue Rechnerarchitekturen zur Beschleunigung von Künstlicher Intelligenz sowie Speichertechnologien wie RRAM (Resistive Random Access Memory) und HBM (High Bandwidth Memory).
Technische Informatik mit Schwerpunkt auf Hardwareentwicklung für KI.
Professor Reichenbachs Forschung in der Technischen Informatik ist anwendungsorientiert und umfasst die Entwicklung spezialisierter Hardware für energieeffiziente KI-Anwendungen, insbesondere für Edge-Computing-Geräte, die mit geringen Energiequellen wie Batterien oder Energy Harvesting arbeiten. Die Arbeit seines Teams umfasst die Anpassung bestehender KI-Modelle für den Betrieb auf energieeffizienter Hardware und die Entwicklung eigener KI-Optimierungsverfahren. Ein herausragendes Beispiel ist das patentierte Verfahren „Linear Computation Coding“, dass eine Co-Optimierung von Hardware für KI-Anwendungen ermöglicht.
Kompetenzen im Bereich der künstlichen Intelligenz und Data Science
- Energieeffiziente Hardware für KI-Training und -Inferenz: Entwicklung von Hardwarearchitekturen und Spezialprozessoren (z.B. TPUs) für extrem energiesparende Anwendungen.
- Speichertechnologien und Cross-Strukturen: Entwicklung und Integration neuartiger Speichertechnologien wie RRAM für rekonfigurierbare und analoge Berechnungen.
- KI-Optimierung und Hardware-Co-Design: Patentierte Verfahren zur Optimierung der Hardware für spezifische KI-Modelle, ohne neue Algorithmen entwickeln zu müssen.
Ausgewählte Projekte

LO3ML (Arrhythmie-Erkennung am Herzen)
Projekt zur Echtzeiterkennung von Arrhythmien mittels KI, das den ersten Preis in einer nationalen Ausschreibung gewonnen hat.
Weitere Informationen
NeuroKit2E (EU-Projekt)
Erforschung eingebetteter KI für medizinische Anwendungen, die auf ultra-low-power-Plattformen laufen und speziell für mobile Geräte ausgelegt sind.
ELAINE-Projekt, Phase 3
Beteiligung am ELAINE-Projekt zur Entwicklung energieeffizienter KI-Anwendungen, die auf extremen Edge-Geräten eingesetzt werden.
Weitere Informationen
DFG-Projekt zur Berechnungsoptimierung
Forschungsprojekt zur Optimierung von Rechenprozessen auf Hardwareebene, das vom DFG gefördert wird.