AI4EOSC - KI für die Europäische "Open Science Cloud"
- Ansprechperson:
- Projektgruppe:
- Förderung:
- Projektbeteiligte:
- Agencia Estatal Consejo Superior De Investigaciones Científicas M.P. (CSIC)
- Scientific Computing Centre, Karlsruher Institut für Technologie (KIT)
- Ustav Informatiky, Slovenska Akademia Vied (IISAS)
- Universitat Politecnica De Valencia (UPV)
- Predictia Intelligent Data Solutions Sl
- Laboratorio De Instrumentacao E Fisica Experimental De Particulas (LIP)
- Istituto Nazionale Di Fisica Nucleare (INFN)
- Instytut Chemii Bioorganicznej Polskiej Akademii Nauk (PSNC)
- Microstep-Mis Spol Sro
- Wielkopolski Osrodek Doradztwa Rolniczego W Poznaniu (WODR)
- Starttermin:
09/2022
- Endtermin:
08/2025
Hintergrund
Ziel des Projektes AI4EOSC (zu Deutsch: Künstliche Intelligenz für die Europäische "Open Science" Cloud) ist die Bereitstellung von erweiterten und fortschrittlichen Diensten für die unterstützte Entwicklung von Modellen und Anwendungen im Bereich der Künstlichen Intelligenz (KI), des Maschinellen Lernens (ML) und Deep Learning (DL). Hierfür soll die bestehende Europäische "Open Science" Cloud (EOSC) als Basis verwendet und ausgebaut werden. Neue Dienste sollen fortgeschrittene Funktionen ermöglichen wie verteiltes, föderales und geteiltes Lernen, neuartige Provenance-Metadaten, ereignisgesteuerte Datenverarbeitungsdienste und die Bereitstellung von Diensten auf der Grundlage von Serverless Computing (Cloud-Ausführungen).
Das Projekt wird sich auf Werkzeuge zur Bereitstellung von KI-, ML- und DL-Diensten konzentrieren, indem reale Anwendungsfälle integriert werden, um den Entwurfsprozess zu unterstützen und die oben genannten Funktionalitäten zu präsentieren. AI4EOSC stützt sich bei seinen Aktivitäten auf den technologischen Rahmen des H2020-Projekts DEEP-Hybrid-DataCloud. Die über das EOSC-Portal 2 bereitgestellte DEEP-Plattform ist ein produktionsreifes System, das von Forschern in der EU schon effektiv genutzt wird, um Modelle für maschinelles Lernen und Deep Learning zu trainieren und zu entwickeln.
Erweiterung der europäischen Open Science Cloud (EOSC), um Dienste zur Entwicklung von Modellen und Anwendungen im Bereich der Künstlichen Intelligenz (KI), des Maschinellen Lernens (ML) und Deep Learning (DL) anzubieten. Die spezialisierte Plattform soll hochentwickelte, anpassbare Dienstleistungen über das EOSC Portal zur Verfügung stellen sowie den pan-europäischen Datenaustausch fördern.
Während der Projektlaufzeit wird insbesondere auch auf die Einhaltung der FAIR-Forschungs- und Datengrundsätzen geachtet bezüglich aller betriebenen Untersuchungen und erhaltetenen Ergebnissen und Teilprodukten (Daten, Modelle, Metadaten, Veröffentlichungen usw.).
Projektpartner
Bestehend aus Vertretern von Forschung, Entwicklung, Technologie und Innovation bildet das AI4EOSC-Konsortium eine ausgewogene und sich ergänzende Gruppe an Partnern. Es umfasst mehrere der aktivsten Institutionen in der Entwicklung, Implementierung, Einsatz und Betrieb verteilter paneuropäischer e-Infrastrukturen sowie erfahrene und hochinnovative KMUs mit unerforschtem Potenzial im KI Bereich. Alle an dem Projekt beteiligten Partner sind erfahren in der Softwareentwicklung und haben zu Teil bereits Schlüsselkomponenten für die e-Infrastruktur der EU mitentwickelt.
Das Konsortium besteht aus 10 Partnern aus dem akademischen Bereich (der Projektkoordinator CSIC, KIT, IISAS, UPV, LIP, INFN und PSNC) und der Industrie (Predictia, MicroStep-MIS und WODR).
IIP Beteiligung
Das IIP stellt mit Thermalbildern von städtischer Infrastruktur wie Gebäuden und Fernwärmenetzen einen der Use-Cases für die Implementierung dieser neuartigen KI-basierten Dienste. Die zuvor beschriebenen Funktionalitäten sollen anhand der Integration von KI-Modellen zur Identifikation von Wärmebrücken und thermischen Anomalien getestet und präsentiert werden.
Publikationen
Vollmer, E.; Ruck, J.; Volk, R.; Schultmann, F.
2024. Automation in Construction, 168 (Part A), Art.-Nr.: 105709. doi:10.1016/j.autcon.2024.105709
Duda, L. J.; Alibabaei, K. F.; Vollmer, E.; Klug, L.; Benz, M.; Kozlov, V.; Rebekka Volk; Götz, M.; Schultmann, F.; Streit, A.
2024, September 3. EGI Conference (2024), Lecce, Italien, 30. September–4. Oktober 2024
Ruck, J.; Vollmer, E.; Vogl, M.; Volk, R.
2024, Oktober 2. doi:10.5281/zenodo.11085776
Vollmer, E.; Benz, M.; Kahn, J.; Klug, L.; Volk, R.; Schultmann, F.; Götz, M.
2024, Juni 12. Helmholtz Artificial Intelligence Conference (Helmholtz AI 2024), Düsseldorf, Deutschland, 12.–14. Juni 2024
Kozlov, V.; Sainz-Pardo, J.; Berberi, L.; Alibabaei, K.; Vollmer, E.; Błaszczak, M.; Krzyżanek, M.; Smok, J.; Bartok, J.; Sisan, P.; Papadopoulos, G.; Izquierdo, P.
2024. Zenodo. doi:10.5281/zenodo.10729327
Duda, L. J.; Alibabaei, K.; Vollmer, E.; Klug, L.; Benz, M.; Kozlov, V.; Volk, R.; Goetz, M.; Schultmann, F.; Streit, A.
2024, Juni 12. Helmholtz Artificial Intelligence Conference (Helmholtz AI 2024), Düsseldorf, Deutschland, 12.–14. Juni 2024
Vollmer, E.; Klug, L.; Volk, R.; Schultmann, F.
2024, März 21. 4th Artificial Intelligence in Architecture, Engineering and Construction Conference (2024), Helsinki, Finnland, 20.–21. März 2024
Berberi, L.; Heredia, I.; Kozlov, V.; Vollmer, E.; Sainz-Pardo, J.; Bartok, J.; Fojud, A.; Blaszczak, M.; Rausch, A.; Alibabaei, K.
2023. Zenodo. doi:10.5281/zenodo.7635453
Vollmer, E.
2023, Dezember 7. ANERIS Workshops on AI Basics for Image Processing (2023), Online, 28. November–7. Dezember 2023