Künstliche Intelligenz hat das Potenzial dazu, hochdimensionale Daten performanter zu verarbeiten. Wir untersuchen, wie man Konzepte wie Deep Neural Networks ressourceneffizient auf eingebetteten Systemen einsetzen kann.

Um die steigenden Leistungsanforderungen an eingebettete Systeme zu erfüllen entwickeln wir energieefffiziente Hardware- und Softwarelösungen, die Adaptionen auf Basis von rekonfigurierbarer Hardware unterstützen.

IoT Systeme bestehen aus einer unüberschaubar großen Anzahl an vernetzten, eingebetteten Geräten in Kombination mit Softwareservices in der Cloud und der Edge. Wir untersuchen, wie Selbstorganisationskonzepte das Management solcher hochverteilter, dynamischer Systeme erleichtern kann.

IT-Sicherheit stellt in eingebetteten Systemen, insbesondere durch ihre begrenzte Menge an Ressourcen, eine besondere Herausforderung dar. Daher untersuchen wir, wie leichtgewichtige Lösungen wie Physically Unclonable Functions (PUF) auf FPGAs dabei helfen können, dauerhaft sichere Systeme zu entwickeln. 

Zukünftige Netzwerkarchitekturen müssen diverse Anforderungen an ihre Dienste in unterschiedlichen Szenarien erfüllen,. Eine Möglichkeit diesen Herausforderungen zu begegnen, ist es, Network Function Virtualization, Software-Defined Networking und Multi-access Edge Computing zu nutzen.