ML DevOps Methoden für einen umweltfreundlichen und sicheren EdgeAI Lebenszyklus

01.05.2025 - 30.04.2028
Forschungsförderungsprojekt

Edge-Computing bietet wesentliche Vorteile gegenüber traditionellen Cloud-basierten Lösungen, insbesondere in Bereichen wie Datenschutz, Sicherheit, End-to-End-Latenzen, Kosten und Energieeffizienz. Der Trend hin zu Edge AI, bei dem KI-Modelle näher an Sensoren und Aktoren auf ressourcenbeschränkten Geräten betrieben werden, treibt Innovationen voran. Laut einem Marktforschungsbericht wird erwartet, dass der Markt für Edge AI von 17,46 Milliarden USD im Jahr 2023 auf nahezu 62,93 Milliarden USD im Jahr 2030 erheblich wachsen wird. EdgeAI wird bereits seit geraumer Zeit untersucht, und es gibt ausgereifte Flows und Edge-Compute-Plattformen zur Integration von KI-Komponenten. Diese konzentrieren sich jedoch hauptsächlich auf den Implementierungsschritt (Ersteinrichtung) und nicht auf den gesamten Lebenszyklus und berücksichtigen nicht die zusätzlichen Anforderungen, welche bei industriellen und sicherheitskritischen Anwendungen auftreten. Eine ganzheitliche Betrachtung des KI-Lebenszyklus ist erforderlich, damit die österreichischen Kernindustrien in Bereichen wie Verkehr, Fertigung oder erneuerbare Energien EdgeAI-Lösungen in ihren Systemen einsetzen können. 

Um diese Herausforderungen zu bewältigen, zielt das DOMINO-Projekt darauf ab, einen fortschrittlichen MLOps-Lebenszyklus für Edge AI zu schaffen, der vom DevOps-Zyklus in der Softwareentwicklung inspiriert ist. Jener betrachtet den gesamten Lebenszyklus, von der anfänglichen Entwicklung und Inbetriebnahme bis hin zur Überwachung, Bewertung und Aktualisierung. In der ersten Einführungsphase konzentriert sich DOMINO auch Anforderungen für industrielle und sicherheitskritische Anwendungen zu erfüllen, wie die Integration in IT-Umgebungen von Automatisierungssystemen und Sicherheitsnormen, die sich aus dem EU AI Act ergeben. Selbst wenn das System in der Anfangsphase alle Anforderungen erfüllt, können sich die Betriebsbedingungen und KI-Systeme im Laufe der Zeit verändern oder verschlechtern. Daher werden Methoden zur Überwachung der Funktionalität des KI-Systems untersucht. Da ML-Experten zwar an der Entwicklung beteiligt sind, aber im direktem Betrieb, werden Methoden untersucht, um das Feedback von Bedienern und Nutzern, die keine KI-Experten sind, für die Bewertung von Edge-KI-Komponenten zu nutzen. Auf der Grundlage dieses Feedbacks wird zudem untersucht, wie das System durch gesammelte Daten verbessert werden kann, ohne dabei zu degradieren, z.B. durch das Vergessen von zuvor gelernten Informationen. Zu diesem Zweck bringt DOMINO Industrie- und Forschungspartner zusammen, um fortschrittliche Lösungen zu entwickeln, und wird die innovativen Methoden in drei Anwendungsfällen demonstrieren: Holzproduktion, Schienenverkehr und erneuerbare Energien (solar). Ziel des Projekts ist es, die Hürden für den Einsatz von KI in Edge-Geräten zu senken, die Einhaltung der EU-Vorschriften für KI in sicherheitskritischen Systemen zu gewährleisten und die Systemüberwachung in realen Umgebungen zu verbessern.  

Durch den Fokus auf die Herausforderungen der Einführung von KI-Systemen „in freier Wildbahn“ wird DOMINO voraussichtlich die Wettbewerbsfähigkeit der österreichischen Industrie, oft „Hidden Champions“ in industriellen und sicherheitskritischen Bereichen, deutlich steigern. Zudem sind die ausgewählten Anwendungsfälle zentrale Bereiche der grünen Transformation, die durch den Einsatz von EdgeAI-Komponenten gefördert wird. 

Personen

Projektleiter_in

Subprojektmanager_innen

Institut

Förderungmittel

  • FFG - Österr. Forschungsförderungs- gesellschaft mbH (National) Programm AI for Tech, AI for Green und AIM AT Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Forschungsschwerpunkte

  • Information Systems Engineering: 25%
  • Computer Engineering and Software-Intensive Systems: 75%

Externe Partner_innen

  • Siemens AG
  • Reisenbauer Solutions GmbH
  • Fill Gesellschaft m.b.H.
  • VRULL GmbH
  • Plattform Industrie 4.0 Österreich
  • Mission Embedded GmbH
  • TU Graz

Publikationen