Begünstigt wird diese Entwicklung durch Multicore-Prozessoren, die anfallende Arbeiten auf mehrere Rechenkerne verteilen. So lässt sich auch eine größere Redundanz bzw. Ausfallsicherheit erreichen. Modellgetriebene Entwicklungsansätze für Embedded-Software, die auf Tools wie SIMULINK basieren, werden durch Know-how vom Fraunhofer-Institut für Experimentelles Software Engineering (IESE) zur Parallelisierung von Softwaremodellen unterstützt. Auf der Grundlage einer Plattformbeschreibung werden Softwaremodelle optimiert und automatisch oder unterstützend parallelisiert.

Die Rechenkapazität moderner Prozessoren schien dank der technischen Weiterentwicklung bislang keine Grenzen zu kennen. Neue Prozessoren wurden schneller getaktet und Applikationen profitierten davon. Nun sind allerdings physikalische Leistungsgrenzen erreicht; die Taktfrequenzen sind daher kaum noch zu steigern. Sie resultieren aus den internen Schaltzeiten der Prozessoren – um sie weiter zu senken, musste die Leistungsaufnahme in der Vergangenheit immer weiter erhöht werden, was zu einer immer stärkeren Wärmeentwicklung führte und die Spannungsversorgung als auch die Kühltechnik vor immer größere Probleme stellt. Sind Prozessoren zu schnell getaktet, können sie aufgrund elektromagnetischer Störstrahlung benachbarte Prozessoren und Busse stören.

Diese Probleme stellen vor allem industrielle Anwender mit hohen Ansprüchen im Bereich Embedded-Systeme vor Herausforderungen. Gerade die Automobilindustrie benötigt immer schnellere Prozessoren, um das Datenaufkommen bei Fahrerassistenzsystemen zuverlässig verarbeiten zu können.

Mehrkernprozessoren stellen hier eine interessante Lösung dar, da bereits auf nur einem solchen Prozessor die Leistung von weit über 100 traditionellen Prozessoren abgebildet werden kann. Die Prozessoren bestehen aus mehreren langsamer getakteten, möglicherweise spezialisierten Rechenkernen. So lässt sich die Rechenleistung steigern und gleichzeitig die Leistungsaufnahme senken.

Um dieses Leistungspotenzial abzurufen, müssen Anwendungen bzw. deren Algorithmen jedoch parallelisiert werden – im Gegensatz zur Vergangenheit profitieren diese nicht mehr automatisch von Leistungssteigerungen. Neben der Parallelisierung von Algorithmen müssen auch die Kommunikationskosten berücksichtigt werden.

Parallele Algorithmen müssen miteinander Daten austauschen, was über geteilte Speicherbereiche, Bussysteme, oder Punkt-zu-Punkt-Verbindungen geschieht. Hervorzuheben ist dabei das Problem des Wettbewerbs um diese Kommunikationsressourcen und sich kreuzende Nachrichtenströme in Kommunikationsnetzwerken, die hohe Leistungseinbußen nach sich ziehen können.

Der Ansatz des Fraunhofer IESE mit modellgetriebenen Tools wie SIMULINK berücksichtigt spezialisierte Rechenkerne und Kommunikationsnetzwerke bei der Parallelisierung und verhindert dadurch Beeinträchtigungen. Gleichzeitig garantiert er, dass z.B. kritische Zeitschranken eingehalten werden, wie sie etwa für die Reaktionszeiten von Airbags existieren. In dieser Komplexität sei dies bisher keinem Alternativansatz im Bereich der Multicore-Optimierung gelungen, hieß es seitens des Fraunhofer IESE.

Der Vorteil für Entwickler: Das Ganze kann vollautomatisch oder unterstützend genutzt werden, was hohe Kosteneinsparungen in der Entwicklungsphase garantiert.