{"id":25171,"date":"2023-04-18T16:29:50","date_gmt":"2023-04-18T14:29:50","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=25171"},"modified":"2026-03-17T12:57:49","modified_gmt":"2026-03-17T11:57:49","slug":"green-automl-for-driver-assistance-systems","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/research-at-l3s\/all-projects\/project-archive\/green-automl-for-driver-assistance-systems\/","title":{"rendered":"Green AutoML for Driver Assistance Systems"},"content":{"rendered":"
\n \n
\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Start:<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n \n
\n

01.03.2023<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Ende:<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n \n
\n

28.02.2026<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Webseite:<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n
www.ai.uni-hannover.de<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Automatisiertes Green-ML f\u00fcr Fahrerassistenzsysteme<\/h2>\n <\/div>\n <\/div>\n
\n \n \n
\n

Gestaltung eines ganzheitlichen, CO2-effizienten Systems f\u00fcr Fahrerassistenzsysteme.<\/p>\n <\/div>\n <\/div>\n

\n \n <\/div>\n
\n \n \n
\n

KI-Anwendungen finden sich heutzutage in vielen Ger\u00e4ten des t\u00e4glichen Lebens, wodurch der durchschnittliche Energieverbrauch eines Menschen stetig steigt. Aufgrund der Verknappung der Ressourcen wird es somit immer wichtiger, auch KI-Anwendungen ressourcensparend zu entwickeln. Allerdings ist dies insbesondere bei der Analyse von gro\u00dfen Datenmengen mit Sicherheitsrelevanz eine gro\u00dfe Herausforderung. Das daf\u00fcr h\u00e4ufig verwendete sogenannte Deep Learning hat aufgrund seiner Komplexit\u00e4t meist einen hohen Energieverbrauch und erzeugt somit einen gro\u00dfen \u00f6kologischen Fu\u00dfabdruck. Um eben diesen nicht zu gro\u00df werden zu lassen, sind ressourceneffiziente KI-Anwendungen unbedingt notwendig. Exemplarisch betrachten wir in unserem Projekt Fahrassistenzsysteme, welche vermehrt in Fahrzeuge eingebaut werden, um die Sicherheit, den Komfort oder auch die Wirtschaftlichkeit des Fahrens zu verbessern.<\/p>\n

Ziel des Projektes GreenAutoML4FAS ist es, ein ganzheitliches System aus Hardware, effizienter Kodierung und \u00dcbertragung von Daten und Modellen, sowie dynamischer und adaptiver Software mit AutoML ressourceneffizient zu gestalten. Exemplarisch wird hierbei der Fokus auf Fahrassistenzsysteme gelegt. Sollte die Kombination von effizienten Algorithmen, Kommunikation und Hardware in diesem Bereich zu einer deutlichen Einsparung von Energie f\u00fchren, so lie\u00dfe sich das im Projekt entwickelte ganzheitliche Konzept auch auf andere Bereiche \u00fcbertragen, in denen KI bzw. Deep Learning zum Einsatz kommt. <\/p>\n <\/div>\n <\/div>\n

\n \n <\/div>\n
\n \n
\n \n \n F\u00f6rderprogramm<\/span>\n
<\/path><\/svg><\/span><\/div>\n
<\/path><\/svg><\/span><\/div>\n <\/a>\n
\n
\n \n
\n \n \n
\n

KI-Leuchtt\u00fcrme f\u00fcr Umwelt, Natur und Ressourcen<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n \n Projektpartner<\/span>\n
<\/path><\/svg><\/span><\/div>\n
<\/path><\/svg><\/span><\/div>\n <\/a>\n
\n
\n \n
\n \n \n
\n