Moderne Entwicklungen, insbesondere im Automotive-Bereich, zeichnen sich durch hohe Anforderungen an Energieeffizienz bei gleichzeitig hoher Leistung aus. Dies kann nur mittels Co-Optimierung von Hardware und Software gelingen. Gleichzeitig bedingen sich diese Optimierungen gegenseitig. Im Projekt TwinSpace werden innovative Methoden zur Lastbewertung entwickelt, die sich insbesondere auf hybride Ansätze stützen und die Nutzung künstlicher Intelligenz, einschließlich Neuronaler Netze, umfassen. Diese neuartigen Ansätze zielen darauf ab, eine schnelle Ausführung bei gleichzeitiger Bewahrung der Genauigkeit und einer verbesserten Generalisierbarkeit zu ermöglichen, indem sie herstellerspezifische Details der Rechnerarchitektur verbergen. Ein zentrales Element des Vorhabens ist ebenso die Lastgenerierung auf diesen Rechnerarchitekturen, wobei die Prozessoreigenschaften gezielt ausgenutzt werden, um digitale Softwarezwillinge präzise zu definieren. Ein solcher Software-Zwilling ist hierbei ein Programm, welches nicht die eigentliche Funktionalität wiederspiegelt, sondern lediglich die nicht-funktionalen Eigenschaften der eigentlichen Software teilt. Zudem soll der Einsatz abstrakter Beschreibungssprachen diesen Prozess weitestgehend automatisieren und damit möglichst effizient gestalten.

Dieses Projekt wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert (Förderkennzeichen: 01MN23013H).

01.05.2023 - 30.04.2026