Research database

Das Thema Künstliche Intelligenz spielt in Lehre, Forschung und Wissenstransfer an Hochschulen angewandter Wissenschaften eine zunehmend größere Rolle. Unternehmen fordern verstärkt im Bereich KI ausgebildete Absolventinnen und Absolventen mit fundierten praktischen Fähigkeiten in der Konzeption, Auswahl und Anwendung adäquater KI-Technologien. Typische Kompetenzen umfassen daher alle Schritte vom Onboarding von Daten, der Datenvorverarbeitung (einschl. Data Augmentation, Schaffung von digitalen Datenzwillingen, Erzeugung synthetischer Trainingsdaten) über 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 vernachlässigt, obwohl sie für optimalen, praxisorientierten Kompetenzerwerb unerlässlich ist.

Gleichzeitig fehlt es Unternehmen (insb. KMUs) an den Ressourcen (technisch und personell), das Thema KI adäquat zu besetzen und in ihren F&E-Abteilungen komplexe Fragestellungen eigenständig zu bearbeiten, um die  Wettbewerbsfähigkeit zu erhalten oder zu verbessern. Sie wünschen sich Unterstützung der Hochschule in Forschungsprojekten, Auftragsforschung und Wissenstransfer. Hier setzt das beantragte Vorhaben an: Es wird eine flexible, zukunftsorientierte KI-Infrastruktur erprobt und exemplarisch eingeführt, die den Anforderungen einer Vielzahl unterschiedlicher, mittels KI zu lösender Aufgabenstellungen gerecht wird. Während Referenzsysteme die Nutzung von GPU-Systemen fokussieren, wird im Projekt ein universeller Ansatz mit einem ausgewogenen Verhältnis zwischen GPU- und CPUSystemen realisiert und evaluiert.

Es soll erforscht werden, wie inkrementell einer zunehmenden, großen Anzahl verschiedener, „konkurrierender“ Nutzer (Studierende, Lehrende, Forschende) mit unterschiedlichen technischen Anforderungen ein fairer und niederschwelliger Zugang zur KI-Infrastruktur ermöglicht werden kann.