« Förderinformationen
Förderung von KI-Laboren und der Qualifizierung im Rahmen von Forschungsvorhaben im Gebiet Künstliche Intelligenz
Termin:
15.05.2019
Fördergeber:
Bundesministerium für Bildung und Forschung
Im Gebiet der KI wurden in den letzten Jahren enorme Fortschritte erzielt. Die aktuellen Fortschritte im Gebiet der KI, insbesondere im Bereich Maschinelles Lernen (ML), basieren auf dem exponentiellen Zuwachs an Leistungsfähigkeit der Hardware und deren Nutzung für die Verarbeitung von zumeist großen Datenbeständen. Die effiziente, aber effektive Programmierung erfordert eine neue Herangehensweise für die KI aber auch für das Software Engineering im Allgemeinen. Hier sind neue Ansätze erforderlich, nachdem die in den 1980er Jahren in der KI genutzten Software-Entwicklungsumgebungen und -Maschinen nicht mehr verfolgt wurden. Vor allem durch speziellere Hardware wie FPGA, TPU oder GPGPU-Cluster müssen diese Ansätze über einfache Plugin-Erweiterungen (z. B. Eclipse) hinausgehen. Denkbar sind hierbei Co-Design-Ansätze aber auch Domain-specific Languages zusammen mit Source-Source-Compilern, die einen Effizienzgewinn versprechen und gleichzeitig die starke Hardware-Abhängigkeit bei der Programmierung vermeiden. Neue Ansätze für KI-Engineering-Umgebungen in Verbindung mit solchen neuen Hardware-systemen stehen bisher aus.
Eine Grundvoraussetzung für den erfolgreichen Einsatz von KI ist einerseits eine fundierte Aus- und Weiterbildung, die die verschiedenen Methoden umfassend vermittelt und anhand von praktischen Beispielen erfahrbar macht, und andererseits
a. ein innovatives Set von Methoden des Software Engineering, das das Thema KI, im Sinne einer ganzheitlichen Lösung abseits der Soft- und Hardwareverifikation bzw. der Automatisierung, integriert, sowie
b. die Verfügbarkeit von Testdatensätzen und Benchmarks.
Mit dieser Bekanntmachung sollen Hochschulen und außeruniversitäre Forschungseinrichtungen durch die Schaffung von KI-Laboren befähigt werden, neue KI-Software-Engineering-Methoden zu erforschen und zu erproben, Testdatensätze zu erstellen und dabei zugleich die Aus- und Weiterbildung von Masterstudierenden und Anwendern aus der Wirtschaft voranzutreiben.
Das BMBF wird im Rahmen der Bekanntmachung KI-Labore als Einzelprojekte von Hochschulen und außeruniversitären Forschungseinrichtungen sowie KI-Labore als Verbundprojekte aus der Wissenschaft fördern, die neue und innovative KI-Methoden erforschen und Know-how transferieren.
Effiziente und zuverlässige Softwareentwicklung sowie der richtige Umgang mit Datensätzen sind zentrale Themen für Personengruppen, die sich mit KI beschäftigen. So sind beispielsweise die Programmierung von Grafikprozessoren-Clustern (GPU-Clustern), die Entwicklung neuer Benchmarks oder das Erstellen neuartiger Datensätze zentrale Instrumente, die die Forschung vorantreiben. Der damit zusammenhängende Entwicklungsaufwand stellt jedoch eine recht große Hürde dar, die durch die Förderung von KI-Laboren abgebaut werden soll.
Die Herausforderung für die KI-Forschung besteht in den folgenden Themenfeldern:
a. Sicheres, hochperformantes und effizientes Datenmanagement für die Forschung und Entwicklung in der KI, insbesondere die Erstellung, Aufbereitung und das Management von methodisch dem Forschungsfeld angemessenen Testdatensätzen unterschiedlichster Größe (z. B. in Datencentern) inklusive der Erforschung von Bias-Vermeidung, der Abdeckung von Lösungsdimensionen und anderen Themenfeldern problemadäquater Testdaten.
b. Effektive Nutzung verteilter Systeme für die KI auch unter Ressourcenbeschränkung, z. B. kleine autonome Roboter (u. a. Roboterschwärme).
c. Einbeziehung von Spezial-Hardware bis hin zu einem Co-Design von Hard- und Software, d. h. die Programmierung der Tensor-Prozessoren (TPU) aber auch die Nutzung von FPGAs oder von sehr großen GPU-Clustern.
d. Anwendung von Software Engineering-Methoden aus KI-Forschungs- und Anwendungsgebieten mit dem Ziel, eta¬blierte Software Engineering Methoden bei der Entwicklung von KI-Systemen zu adaptieren und akademisch weiterzuentwickeln.
Die KI-Software-Engineering-Methoden sollen aktuelle aber auch zukünftige Hardware effizient und effektiv für KI nutzen können. Die Testdatensätze sollen derart aufbereitet werden, dass einerseits eine möglichst breite Anwendbarkeit gegeben ist und anderseits eine Diskriminierung bzw. Benachteiligung einzelner Personen bzw. Personengruppen ausgeschlossen werden kann. Die Ergebnisse der Forschung müssen die Selbstbestimmung, die soziale und kulturelle Teilhabe sowie den Schutz der Privatsphäre aller Bürgerinnen und Bürger berücksichtigen bzw. stärken. Die Berücksichtigung europäischer und deutscher Datenschutzrichtlinien ist zwingend erforderlich.
Für die Entwicklung von KI-Softwaremethoden und -Werkzeugen, aber auch für das notwendige Datenmanagement, sind spezifische materielle Voraussetzungen unabdingbar. So werden die Beschaffung und der praxisgerechte Einsatz aktueller Hardware als wichtiges Erfolgskriterium für die Umsetzung der Innovation angesehen. Ein ähnlich wichtiger Faktor ist die Verfügbarkeit bzw. Generierung der zur Entwicklung benötigten Daten. Deshalb ist ein überzeugendes und schlüssiges Konzept für die anzuschaffende Hardware, die zu untersuchenden methodischen Fragestellungen und zu entwickelnde bzw. zu erprobenden Werkzeuge vorzulegen. Darin soll dargelegt werden, welche Hardware und gegebenenfalls welches Entwicklungssystem zur Realisierung der Idee angeschafft bzw. welche Daten erzeugt oder in einem Datencenter organisiert und aufbereitet werden sollen bzw. welche Ansätze des Software Engineering und deren Weiterentwicklung Gegenstand des Vorhabens werden sollen. Die Anschaffung von Hard- und Software, die der Grundausstattung zugerechnet werden kann, ist nicht förderfähig.
Die Erforschung von neuen und innovativen Methoden zu den oben genannten Themengebieten muss um ein Qualifizierungskonzept, für die Aus- und Weiterbildung von Fachkräften und akademischem Nachwuchs in diesen Bereichen ergänzt werden. Im Qualifizierungskonzept müssen die angestrebten Qualifizierungsergebnisse, die beabsichtigte Hard- und Software, die geplanten Lehrinhalte, die Beschreibung der Ausbildungs- und Lernformen sowie die Verknüpfung von theoretischen Grundlagen und praxisorientierter Anwendung nachvollziehbar beschrieben werden. Dargelegt werden muss ferner, in welcher Weise Praxisphasen und praxisgerechte Übungen in die Aus- und Weiterbildung integriert und unterstützt werden bzw. werden sollen. Ein KI-Labor soll als regionaler Multiplikator Firmen aus der Region aktiv einbinden und wenn möglich durch eine Beteiligung von Partnern mit konkreten Fragestellungen den Transfer von Know-how in die Praxis fördern, wobei die Neuentwicklung und Adaption von ausschließlich innerbetrieblich genutzten Basiskomponenten grundsätzlich nicht Gegenstand der Förderung ist.
Mit dem Abschluss der Qualifizierungsmaßnahme müssen die Teilnehmer in die Lage versetzt werden, geeigneten Methoden des Software Engineering und der KI sowie passende Hardware auszuwählen und selbstständig anzuwenden und mit Hilfe von Test- und Übungsdaten zu erproben.
Die Vorhaben sollen eine Laufzeit von zwei Jahren möglichst nicht überschreiten.
Mit der Abwicklung der Fördermaßnahme hat das BMBF seinen Projektträger beauftragt:
Deutsches Zentrum für Luft- und Raumfahrt e. V.
DLR Projektträger
Gesellschaft, Innovation, Technologie
Softwaresysteme und Wissenstechnologien (PT-SW)
Rosa-Luxemburg-Straße 2, 10178 Berlin
Ansprechpartner:
Dr.-Ing. Matthias Burgfried
Dr. Ulrike Völlinger
Telefon: 0 30/6 70 55-96 90
E-Mail: datentechnologie@dlr.de
Dort sind weitere Informationen erhältlich.
Weitere Informationen:
https://www.bmbf.de/foerderungen/bekanntmachung-2428.html
Eine Grundvoraussetzung für den erfolgreichen Einsatz von KI ist einerseits eine fundierte Aus- und Weiterbildung, die die verschiedenen Methoden umfassend vermittelt und anhand von praktischen Beispielen erfahrbar macht, und andererseits
a. ein innovatives Set von Methoden des Software Engineering, das das Thema KI, im Sinne einer ganzheitlichen Lösung abseits der Soft- und Hardwareverifikation bzw. der Automatisierung, integriert, sowie
b. die Verfügbarkeit von Testdatensätzen und Benchmarks.
Mit dieser Bekanntmachung sollen Hochschulen und außeruniversitäre Forschungseinrichtungen durch die Schaffung von KI-Laboren befähigt werden, neue KI-Software-Engineering-Methoden zu erforschen und zu erproben, Testdatensätze zu erstellen und dabei zugleich die Aus- und Weiterbildung von Masterstudierenden und Anwendern aus der Wirtschaft voranzutreiben.
Das BMBF wird im Rahmen der Bekanntmachung KI-Labore als Einzelprojekte von Hochschulen und außeruniversitären Forschungseinrichtungen sowie KI-Labore als Verbundprojekte aus der Wissenschaft fördern, die neue und innovative KI-Methoden erforschen und Know-how transferieren.
Effiziente und zuverlässige Softwareentwicklung sowie der richtige Umgang mit Datensätzen sind zentrale Themen für Personengruppen, die sich mit KI beschäftigen. So sind beispielsweise die Programmierung von Grafikprozessoren-Clustern (GPU-Clustern), die Entwicklung neuer Benchmarks oder das Erstellen neuartiger Datensätze zentrale Instrumente, die die Forschung vorantreiben. Der damit zusammenhängende Entwicklungsaufwand stellt jedoch eine recht große Hürde dar, die durch die Förderung von KI-Laboren abgebaut werden soll.
Die Herausforderung für die KI-Forschung besteht in den folgenden Themenfeldern:
a. Sicheres, hochperformantes und effizientes Datenmanagement für die Forschung und Entwicklung in der KI, insbesondere die Erstellung, Aufbereitung und das Management von methodisch dem Forschungsfeld angemessenen Testdatensätzen unterschiedlichster Größe (z. B. in Datencentern) inklusive der Erforschung von Bias-Vermeidung, der Abdeckung von Lösungsdimensionen und anderen Themenfeldern problemadäquater Testdaten.
b. Effektive Nutzung verteilter Systeme für die KI auch unter Ressourcenbeschränkung, z. B. kleine autonome Roboter (u. a. Roboterschwärme).
c. Einbeziehung von Spezial-Hardware bis hin zu einem Co-Design von Hard- und Software, d. h. die Programmierung der Tensor-Prozessoren (TPU) aber auch die Nutzung von FPGAs oder von sehr großen GPU-Clustern.
d. Anwendung von Software Engineering-Methoden aus KI-Forschungs- und Anwendungsgebieten mit dem Ziel, eta¬blierte Software Engineering Methoden bei der Entwicklung von KI-Systemen zu adaptieren und akademisch weiterzuentwickeln.
Die KI-Software-Engineering-Methoden sollen aktuelle aber auch zukünftige Hardware effizient und effektiv für KI nutzen können. Die Testdatensätze sollen derart aufbereitet werden, dass einerseits eine möglichst breite Anwendbarkeit gegeben ist und anderseits eine Diskriminierung bzw. Benachteiligung einzelner Personen bzw. Personengruppen ausgeschlossen werden kann. Die Ergebnisse der Forschung müssen die Selbstbestimmung, die soziale und kulturelle Teilhabe sowie den Schutz der Privatsphäre aller Bürgerinnen und Bürger berücksichtigen bzw. stärken. Die Berücksichtigung europäischer und deutscher Datenschutzrichtlinien ist zwingend erforderlich.
Für die Entwicklung von KI-Softwaremethoden und -Werkzeugen, aber auch für das notwendige Datenmanagement, sind spezifische materielle Voraussetzungen unabdingbar. So werden die Beschaffung und der praxisgerechte Einsatz aktueller Hardware als wichtiges Erfolgskriterium für die Umsetzung der Innovation angesehen. Ein ähnlich wichtiger Faktor ist die Verfügbarkeit bzw. Generierung der zur Entwicklung benötigten Daten. Deshalb ist ein überzeugendes und schlüssiges Konzept für die anzuschaffende Hardware, die zu untersuchenden methodischen Fragestellungen und zu entwickelnde bzw. zu erprobenden Werkzeuge vorzulegen. Darin soll dargelegt werden, welche Hardware und gegebenenfalls welches Entwicklungssystem zur Realisierung der Idee angeschafft bzw. welche Daten erzeugt oder in einem Datencenter organisiert und aufbereitet werden sollen bzw. welche Ansätze des Software Engineering und deren Weiterentwicklung Gegenstand des Vorhabens werden sollen. Die Anschaffung von Hard- und Software, die der Grundausstattung zugerechnet werden kann, ist nicht förderfähig.
Die Erforschung von neuen und innovativen Methoden zu den oben genannten Themengebieten muss um ein Qualifizierungskonzept, für die Aus- und Weiterbildung von Fachkräften und akademischem Nachwuchs in diesen Bereichen ergänzt werden. Im Qualifizierungskonzept müssen die angestrebten Qualifizierungsergebnisse, die beabsichtigte Hard- und Software, die geplanten Lehrinhalte, die Beschreibung der Ausbildungs- und Lernformen sowie die Verknüpfung von theoretischen Grundlagen und praxisorientierter Anwendung nachvollziehbar beschrieben werden. Dargelegt werden muss ferner, in welcher Weise Praxisphasen und praxisgerechte Übungen in die Aus- und Weiterbildung integriert und unterstützt werden bzw. werden sollen. Ein KI-Labor soll als regionaler Multiplikator Firmen aus der Region aktiv einbinden und wenn möglich durch eine Beteiligung von Partnern mit konkreten Fragestellungen den Transfer von Know-how in die Praxis fördern, wobei die Neuentwicklung und Adaption von ausschließlich innerbetrieblich genutzten Basiskomponenten grundsätzlich nicht Gegenstand der Förderung ist.
Mit dem Abschluss der Qualifizierungsmaßnahme müssen die Teilnehmer in die Lage versetzt werden, geeigneten Methoden des Software Engineering und der KI sowie passende Hardware auszuwählen und selbstständig anzuwenden und mit Hilfe von Test- und Übungsdaten zu erproben.
Die Vorhaben sollen eine Laufzeit von zwei Jahren möglichst nicht überschreiten.
Mit der Abwicklung der Fördermaßnahme hat das BMBF seinen Projektträger beauftragt:
Deutsches Zentrum für Luft- und Raumfahrt e. V.
DLR Projektträger
Gesellschaft, Innovation, Technologie
Softwaresysteme und Wissenstechnologien (PT-SW)
Rosa-Luxemburg-Straße 2, 10178 Berlin
Ansprechpartner:
Dr.-Ing. Matthias Burgfried
Dr. Ulrike Völlinger
Telefon: 0 30/6 70 55-96 90
E-Mail: datentechnologie@dlr.de
Dort sind weitere Informationen erhältlich.
Weitere Informationen:
https://www.bmbf.de/foerderungen/bekanntmachung-2428.html