Forschungsdatenbank

Dieses Projekt erprobt, wie einer gro?en und diversen Nutzergruppe ein fairer, niederschwelliger Zugang zu einer aktuellen KI-Infrastruktur erm?glicht werden kann. Dabei werden alle Schritte zur L?sung von Problemen mittels KI-Methoden verschiedenster Komplexit?t unterst¨¹tzt.

Das Thema K¨¹nstliche Intelligenz spielt in Lehre, Forschung und Wissenstransfer an dafabet888¹ÙÍø,´ó·¢dafa888n angewandter Wissenschaften eine zunehmend gr??ere Rolle. Unternehmen fordern verst?rkt im Bereich KI ausgebildete Absolventinnen und Absolventen mit fundierten praktischen F?higkeiten in der Konzeption, Auswahl und Anwendung ad?quater KI-Technologien. Typische Kompetenzen umfassen daher alle Schritte vom Onboarding von Daten, der Datenvorverarbeitung (einschl. Data Augmentation, Schaffung von digitalen Datenzwillingen, Erzeugung synthetischer Trainingsdaten) ¨¹ber die Anwendung und Erprobung von KI-Methoden (CPU/GPU/TPU-Jobs) bis hin zum Deployment (Serving, Inference).

Diese ganzheitliche Betrachtung praxistauglicher Datenanalyseprozesse wird in der Hochschulausbildung jedoch oftmals vernachl?ssigt, obwohl sie f¨¹r optimalen, praxisorientierten Kompetenzerwerb unerl?sslich ist. Gleichzeitig fehlt es Unternehmen (insb. KMUs) an den Ressourcen (technisch und personell), das Thema KI ad?quat zu besetzen und in ihren F&E-Abteilungen komplexe Fragestellungen eigenst?ndig zu bearbeiten, um die Wettbewerbsf?higkeit zu erhalten oder zu verbessern. Sie w¨¹nschen sich Unterst¨¹tzung der dafabet888¹ÙÍø,´ó·¢dafa888 in Forschungsprojekten, Auftragsforschung und Wissenstransfer.

Hier setzt das beantragte Vorhaben an: Es wird eine flexible, zukunftsorientierte KI-Infrastruktur erprobt und exemplarisch eingef¨¹hrt, die den Anforderungen einer Vielzahl unterschiedlicher, mittels KI zu l?sender Aufgabenstellungen gerecht wird. W?hrend Referenzsysteme die Nutzung von GPU-Systemen fokussieren, wird im Projekt ein universeller Ansatz mit einem ausgewogenen Verh?ltnis zwischen GPU- und CPU-Systemen realisiert und evaluiert. Es soll erforscht werden, wie inkrementell einer zunehmenden, gro?en Anzahl verschiedener, ?konkurrierender¡° Nutzer (Studierende, Lehrende, Forschende) mit unterschiedlichen technischen Anforderungen ein fairer und niederschwelliger Zugang zur KI-Infrastruktur erm?glicht werden kann.