Die Leistungsfähigkeit von Hardwarekomponenten wächst ständig. Es ist damit zu rechnen, dass eingebettete Systeme in Zukunft auch kognitive Aufgaben übernehmen, die bisher nur vom Menschen selbst durchgeführt werden konnten. Dazu gehören die Fähigkeiten der Wahrnehmung sowie der Muster- und Objekterkennung bis hin zu Fähigkeiten des Lernens und der Selbstorganisation.
Die Realisierung solcher rechenintensiven kognitive Ansätze stellt im Allgemeinen sehr hohe Anforderungen an die Leistungsfähigkeit des Rechnersystems (bzgl. Geschwindigkeit, Speicherressourcen etc.) und ist bisher im Bereich eingebetteter Systeme kaum zu finden, obwohl genügend Anwendungsfelder für solche Systeme vorhanden sind. Die übliche Realisierung kognitiver Funktionalität in Software auf Vielzweckrechnern kommt für eingebettete Systeme nicht in Frage, da hier harte Vorgaben hinsichtlich Platzverbrauch, Gewicht und Energieaufwand gegeben sind.
Durch die Verwendung rekonfigurierbarer Logik und leistungsfähiger Embedded-Prozessoren sollen erstmals auch kognitive Funktionen in eingebetteten Systemen realisiert werden, was bisher aufgrund der benötigten hohen Rechenleistung nicht möglich war. Zum Einsatz soll ein solches kognitives System bei zwei Anwendungen kommen:

• Als Netzwerktechnologie im Automobilbereich, wobei eine einzelne leistungsfähige Netzwerkstruktur verwendet wird, um eine Vielzahl von Netzwerkprotokollen bereitzustellen, zwischen denen mittels einer kognitiven intelligenten Funktion umgeschaltet wird. Bisher war dazu jeweils eine Netzwerk-Infrastruktur pro verwendetem Protokoll erforderlich, was Gewicht und Kosten deutlich erhöht.

• Die zweite Anwendung besteht in der Echtzeit-Voranalyse von Videodaten aus Überwachungskameras mit dem Zweck einer Identifikation typischer geometrischer Formen oder einfacher Objekte. Dies ermöglicht später das gezielte und schnelle Auffinden bestimmter Situationen in den Aufzeichnungen. Bisher müssen dazu die gesamten aufgezeichneten Videodaten eines Zeitraumes visuell (d.h. von Personen) analysiert werden, was sehr zeitaufwendig ist.
  

Das Ziel dieses Vorhabens ist es, Grundlagen und Techniken für die Umsetzung kognitiver Funktionen auf eingebetteten Systemen zu erforschen, entsprechende Entwurfsabläufe zu automatisieren und diese Methodiken auf Plattformen anhand zweier konkreter Anwendungen zu testen. Besonderes Augenmerk soll dabei auf den Einsatz dynamisch rekonfigurierbarer Hardware gelegt werden: Da rechenintensive und zeitkritische Algorithmen bei begrenzten Systemressourcen nicht allein in Software berechnet werden können, ist die Unterstützung durch dedizierte Hardware unerlässlich. Um gleichzeitig ein hohes Maß an Flexibilität zu erreichen, sollen programmierbare Hardwarebausteine, sog. FPGAs (engl. Fieldprogrammable Gate Arrays), zum Einsatz kommen. Dabei soll untersucht werden, inwieweit sich diese während des Betriebs umkonfigurieren lassen und sich dadurch einerseits Ressourcen sparen und andererseits kontextabhängige Funktionen bereitstellen lassen.