Das Projekt NEUROKIT2E zielt darauf ab, ein unabhängiges Open-Source-Framework für Edge-/Embedded-KI zu entwickeln, welches eine internationale Gemeinschaft von Nutzern und eine Vielzahl von Anwendungsbereichen unterstützen kann. Dieses europäische Framework speziell für eingebettete KI soll mit bestehenden Frameworks kompatibel sein und die Entwicklung und Implementierung von KI-Anwendungen auf eingebetteter Hardware erleichtern. NEUROKIT2E wird durch eine Reihe von Werkzeugen realisiert, die die gesamte Kette vom Design der KI-Anwendung bis zu ihrer Hardware-Implementierung abdecken und die Entwicklung von Hardwarekomponenten speziell für eingebettete KI ermöglichen. Dies wird die Verbesserung kritischer Blöcke wie Quantisierung, Pruning, Hardware-Modelle und Optimierungstechniken für maschinelles Lernen ermöglichen, um mit den knappen Ressourcen und Einschränkungen von AIoT umzugehen. Das Fraunhofer IIS wird seine Multicore Mixed-Signal DNN Inferenzbeschleuniger Architektur basierend auf analogen Crossbar-Arrays für ultra-low power Anwendungen in NEUROKIT2E einbringen. Dazu wird Fraunhofer ISS eine Mapper- und Compiler Toolchain sowie Tools zur Optimierung Convolutional neuronaler Netze weiterentwickeln. Dies ermöglicht eine effiziente Exploration, um so die optimale Architektur in Bezug auf KPIs (Key Performance Indicators) wie Energieverbrauch, Latenz sowie Durchsatz für den jeweiligen Anwendungsfall zu identifizieren. Darüber hinaus wird Fraunhofer IIS Tools entwickeln, welche das effiziente Mapping von SNNs auf einer ausgewählten RISC-V Hardware Plattform während des Trainings berücksichtigen.