Ab März 2023 fördert das BMBF bis zu 5 zusätzliche KI-Mikroprojekte mit einer Laufzeit von 3 bis 8 Monaten. Diese Mikroprojekte können Forschungstransferangebote des DFKI, Forschungszentrum Jülich, Karlsruher Instituts für Technologie, der Fraunhofer-Gesellschaft sowie von der Software AG, IBM und SAP im Bereich der Künstlichen Intelligenz und der Datenanalyse nutzen. Die Nutzung beinhaltet außerdem die kostenfreie Bereitstellung von GPU- und Cloud-Ressourcen innerhalb des Smart Data Innovation Lab (SDIL) innerhalb der Erprobung dieser „Smart Data Innovation Services“.
Ziel ist Erprobung neuer KI-Verfahren, -Werkzeugen und -Methoden, die innerhalb von Diensten durch die Partner bereitgestellt werden. Diese soll innerhalb von hierzu geförderten Mikroprojekten geschehen. Das Ziel der Mikroprojekte ist es, eine kurze Zeitspanne zwischen Idee und Umsetzung von KI-Forschung zu erreichen. Beispiele erfolgreicher Mikroprojekte finden sie hier: https://www.sdil.de/projekte
Zu den nur innerhalb des aktuellen Förderaufrufs einmalig kostenfrei bereitgestellten „Smart Data Innovation Services“ gehören:
Neural Architecture Searches zur Mehrziel-Optimierung von Regressions- und Klassifikationsmodellen (KIT)
Das KIT optimiert ihre existierenden kleinen und großen neuronalen Netzwerke und passt existierende Architekturen semiautomatisch auf ihre Bedürfnisse an. Der
Modellverifikation und -Testung für vertrauenswürdige KI (KIT)
Maschinelle Lernalgorithmen werden auf lediglich auf die Genauigkeit auf Testdaten verglichen. In der Realität gibt es jedoch deutlich mehr Maße,
Nutzung von Quantenannealern für das skalierbare Lernen mit Kernelmethoden (Forschungszentrum Jülich)
Aufgaben zur Minimierung und Optimierung von Funktionen können vom Quantumannealer des Forschungszentrum profitieren. Der Interessenschwerpunkt liegt im medizinischen Bereich. In
Datensparsames, Maschinelles Lernen insbesondere im medizinischen Bereich + Hyper Parameter Tuning (Forschungszentrum Jülich)
Schwerpunktmäßig sei hier eine Plattform zur Daten-Analyse und für maschinelles Lernen für medizinische Diagnosen zu nennen. Der Umgang mit Patienten-Daten,
Kognitive große Sprachmodelle für konversationelle KI-Assistenten (Fraunhofer IAIS)
Trotz der Aufregung um Large Language Models (LLM) leiden diese Modelle unter Illusionen, d.h. sie erzeugen faktisch falschen Text. Diese
SAP Edge AI Research Workbench und Cloud Services
Die SAP Business Technology Platform ist ein integriertes Angebot, das aus den vier Technologieportfolios, Datenbank- und Datenmanagements, Analytics, Anwendungsentwicklung und
IBM Cloud – Data Fabric Implementation
Die IBM bietet folgende Leistungen innerhalb SDI-S Mikrpojekten an: Unterstützung mit der IBM Cloud inkl. Cloudbasierter AutoML Dienste Unterstützung bei
Deep Learning auf Wissensgraphen für den Aufbau kognitiver Unternehmensdienste (Fraunhofer IAIS)
Die meisten Daten aus Unternehmen können in einem Knowledge Graph abgebildet werden. Daten aus dem Tourismus, von Lieferketten oder aus
Software AG Cumulocity IOT Plattform und Streaming Analytics
Die Software AG und das KIT werden die Cumulocity IOT Plattform und Streaming Analytics als Cloud Angebot über für die
Fusion von Multimodalen Maschinellen Lernverfahren (DFKI)
Das DFKI bietet State-of-the-Art Methoden aus der Sprach– und Videoerkennung gepaart mit Sensoren oder anderen Methoden an. Dies ermöglicht die
Nicht-invasive Bewertung von Fitness/Gesundheitsparametern (DFKI)
Das DFKI stellt diverse F&E Expertise zur Verwendung von statistischen Methoden (machine learning, deep learning, etc.) zur Analyse und Bewertung