Das Projekt DAIS adressiert die Herausforderungen, welche sich aus der zunehmenden Verwendung von IoT-Techniken für industrielle Anwendungszwecke (Industrial IoT, IIoT) in Kombination mit der zunehmenden Anwendung KI-gestützter Methoden ergeben. Als zukünftiges Anwendungsszenario wird davon ausgegangen, dass trainierte und in die Cloud gespeiste Modelle auf Edge-Knoten zur Ausführung kommen, welche ihrerseits mit speziellen KI-Beschleunigern auf Basis von FPGAs und ASICs ausgestattet sein werden. Zentraler Aspekt ist daher die Ausstattung der einzelnen IoT-Knoten mit benötigten Fähigkeiten und, orthogonal hierzu, die verteilte Abarbeitung benötigter KI-Algorithmen innerhalb des sich ergebenen Netzwerkes von IIoT-Knoten. Zur Minderung des allfälligen Datentransfers findet die Verarbeitung bevorzugt in den datengenerierenden Sensorknoten, den sogenannten Edge-Knoten, statt. Die benötigten Fähigkeiten der einzelnen Edge-Knoten hägen hierbei stark von der betrachteten Anwendung ab; deren Abarbeitung wiederum wird beeinflusst von Faktoren wie Speicherkapazität, zur Verfügung gestellter Rechenleistung sowie Energieverbrauch und Kosten. Aus dem Zusammenspiel der individuellen Fähigkeiten der jeweiligen Knoten in Zusammenhang mit den Anwendungsanforderungen ergibt sich, wieviel Datenverarbeitung (Inferenz, Analyse) direkt auf dem Edge-Knoten erfolgen kann, wieviele KI-Beschleuniger benötigt werden, ob diese Teil eines SoC oder eines größeren Knoten bestehend aus CPU und GPU oder DSP sind. Daher ergibt sich keine einfache und direkte Entscheidung, wo in einem IIoT die benötigen KI-Algorithmen zur Ausführung kommen. Oftmals geschieht dies verteilt, d.h. gleichermaßen auf Edge-Knoten und innerhalb der Cloud.