Eingebettete Systeme
In den letzten zwei Jahrzehnten hat sich eine bemerkenswerte Entwicklung bei Computersystemen, insbesondere bei eingebetteten Systemen, vollzogen. Solche Systeme sind in der Regel in größeren elektronischen Geräten verborgen und erfüllen eine bestimmte Funktion, die möglicherweise von entscheidender Bedeutung für Geld oder Menschenleben ist. Beispiele für solche Systeme sind Smartphones, Antiblockiersysteme, Kameras mit Autofokus, Faxgeräte, lebenserhaltende Geräte, Flugmanagementsysteme und Hunderte von anderen Anwendungsfällen, bei denen eingebettete Systeme vom Benutzer des Geräts nicht erkannt werden.
Eingebettete Systeme ermöglichen die Echtzeit-Computersteuerung von physischen Geräten und Systemen, was zu einem noch nie dagewesenen Maß an Leistung und Nutzen führt. Die spezifischen Anforderungen, die an eingebettete Systeme gestellt werden, wie z. B. Aktualität, zuverlässiger Betrieb in sicherheitsrelevanten Szenarien, kurze Markteinführungszeit und niedrige Kosten in Verbindung mit dem Druck, die Funktionalität zu erhöhen, führen zu einem enormen und schwierigen Anstieg der Komplexität des Entwurfs auf Systemebene.
Über den Lehrstuhl
Forschung und Lehre
Forschung
- NoC-basierte Multi-Core-Architekturen mit Echtzeitunterstützung, Fehlertoleranz und Energieeffizienz
- Vernetzte eingebettete Systeme einschließlich Systemarchitekturen, zeitgesteuerte Protokolle und Planungsalgorithmen
- Methoden für die Zuverlässigkeit einschließlich Fehlerdiagnose und Fehlertoleranz (z. B. Organic Computing)
- Eingebettete künstliche Intelligenz (KI) einschließlich eingebetteter KI-Modelle und Hardwarebeschleuniger mit Echtzeitunterstützung und Zuverlässigkeit
-
Anwendungsbereiche wie industrielle Steuerung, Automatisierung, Automobilsysteme, Avionik und medizinische Systeme
Lehre
- Grundlegende Informatikkurse (z.B. technische Informatik, objektorientiertes Design)
- Spezialisierte Kurse im Bereich der eingebetteten Systeme (z.B. Embedded System Design mit FPGA, Embedded System)
Forschungsbereiche
Technologien für eingebettete Systeme
Unsere Forschung bietet Lösungen für die anspruchsvollen Probleme bei der Entwicklung eingebetteter Systeme durch bedeutende Fortschritte auf dem Gebiet der verteilten Systemarchitekturen. Eine Systemarchitektur bildet die wissenschaftliche und technische Grundlage für die Konstruktion eingebetteter Systeme.
Die Ziele unserer Forschung sind die Entdeckung von Entwurfsprinzipien und die Entwicklung von Architekturdiensten, die eine komponentenbasierte Entwicklung eingebetteter Systeme ermöglichen, so dass die entstehenden Systeme kostengünstig gebaut werden können und wichtige nichtfunktionale Eigenschaften aufweisen (z. B. Zusammensetzbarkeit, Robustheit, Wartbarkeit).
Unsere Untersuchungen haben zu Beiträgen geführt, die von konzeptionellen Modellen komponentenbasierter Systemarchitekturen über verteilte Algorithmen zur Protokolltransformation und Fehlertoleranz bis hin zu eingebetteten Betriebssystemtechnologien, eingebetteten KI-Technologien und einem Multiprozessor-System-on-a-Chip für sicherheitsrelevante Anwendungen reichen. Wir verfolgen eine ausgewogene Mischung zwischen konzeptioneller Arbeit mit einer soliden theoretischen Basis und prototypischen Implementierungen mit experimentellen Evaluierungen. Aufgrund des interdisziplinären Charakters eingebetteter Systeme arbeiten wir eng mit Forschern aus anderen Bereichen zusammen (z.B. Experten für Hardware-Software-Co-Design, Wissensmanagement, theoretische Informatik, Spezialisten aus den Bereichen Automobil, Eisenbahn, Avionik und industrielle Steuerung). Darüber hinaus liefert unsere enge Zusammenarbeit mit der Industrie reale Anforderungen und Forschungsherausforderungen sowie industrielles Feedback.
Schwerpunkt der Forschung
- Systeme mit gemischter Kritikalität
- Adaptive und verlässliche Echtzeitsysteme
- Vernetzte eingebettete Systeme
- Vorhersagbare Multi-Core-Architektur
- Eingebettete KI
-
Domänenspezifische Architekturen und Plattformen
Listen der Veröffentlichungen
Veröffentlichungen
AD-TTS: A Multi-Task Simulation Framework and Dataset for Event Prediction in Time-Triggered Autonomous Driving
AD-TTS: A Multi-Task Simulation Framework and Dataset for Event Prediction in Time-Triggered Autonomous Driving
An Adaptive Channel Modulation and Coding Scheme for 5G–TSN Integration
An Adaptive Channel Modulation and Coding Scheme for 5G–TSN Integration
Scheduling the Exchange of Context Information for Time-Triggered Adaptive Systems
Scheduling the Exchange of Context Information for Time-Triggered Adaptive Systems
Towards Next-Generation FPGA-Accelerated Vision-Based Autonomous Driving: A Comprehensive Review
Towards Next-Generation FPGA-Accelerated Vision-Based Autonomous Driving: A Comprehensive Review
BiDSRS+: Resource Efficient Reconfigurable Real Time Bidirectional Super Resolution System for FPGAs
BiDSRS+: Resource Efficient Reconfigurable Real Time Bidirectional Super Resolution System for FPGAs
Maintenance-Oriented Test Generators and Test Teams Simulation for Demand-Controlled Ventilation and Heating Systems
Maintenance-Oriented Test Generators and Test Teams Simulation for Demand-Controlled Ventilation and Heating Systems
Event and Slack Time Prediction With Deep Learning for Proactive Runtime Scheduling in Time-Triggered Systems
Event and Slack Time Prediction With Deep Learning for Proactive Runtime Scheduling in Time-Triggered Systems
Towards Next-Generation FPGA accelerated Vision Based Autonomous Driving: A Comprehensive Review
Towards Next-Generation FPGA accelerated Vision Based Autonomous Driving: A Comprehensive Review
Real-Time Object Detection and Classification using YOLO for Edge FPGAs
Real-Time Object Detection and Classification using YOLO for Edge FPGAs
Event and Slack Time Prediction With Deep Learning for Proactive Runtime Scheduling in Time-Triggered Systems
Event and Slack Time Prediction With Deep Learning for Proactive Runtime Scheduling in Time-Triggered Systems
Modeling and Analysis of Configurable Job-Shop Scheduling Problems
Modeling and Analysis of Configurable Job-Shop Scheduling Problems
AD-TTS: A Multi-Task Simulation Framework and Dataset for Event Prediction in Time-Triggered Autonomous Driving
AD-TTS: A Multi-Task Simulation Framework and Dataset for Event Prediction in Time-Triggered Autonomous Driving