Machine Learning Cluster

• Fachliche Zuordnung: Informatik
• Förderung: Förderung in 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 576217647

Der vorgeschlagene Machine Learning Cluster wird vier zentrale Forschungsziele an der Universität Ulm und am Universitätsklinikum Ulm voranbringen: Medizinische KI, Vertrauenswürdige KI, Instant Inference und Grüne KI. Im Bereich der Medizinischen KI wird der Cluster von Forschenden des DFG-geförderten Graduiertenkollegs KEMAI genutzt, das im Januar 2025 startete und sich auf erklärbare KI in der Medizin konzentriert. Vertrauenswürdige KI wird die Sicherheit und Resilienz von KI-Systemen verbessern, insbesondere gegenüber adversariellen Angriffen, um Transparenz und Zuverlässigkeit in kritischen Anwendungen wie automatisierten Fahrzeugen und der Netzwerksicherheit zu gewährleisten. Instant Inference stellt Echtzeit-Rechenressourcen bereit, die für Anwendungen wie Human-in-the-Loop-Systeme und Echtzeit-Reinforcement Learning essenziell sind. Schließlich entwickelt die Grüne KI energieeffiziente Verfahren des maschinellen Lernens, um den Stromverbrauch während Training und Inferenz zu optimieren und nachhaltige KI-Praktiken zu fördern. Der Cluster ergänzt zentrale Rechenressourcen wie bwHPC und NHR, indem er ML-spezifische Anforderungen adressiert, die diese Infrastrukturen nicht erfüllen. So erfordert die Forschung zur Medizinischen KI sichere Umgebungen zur Verarbeitung sensibler Patientendaten, über die zentrale Systeme nicht verfügen. Projekte zu Instant Inference verlangen unmittelbaren GPU-Zugriff und latenzarme Interaktionen, die für Echtzeitanwendungen entscheidend sind und von Batch-basierten Systemen nicht unterstützt werden können. Zudem ermöglicht der dezentrale Aufbau spezialisierte Konfigurationen, die für Vertrauenswürdige KI sowie für Energiemessungen im Rahmen der Grünen KI notwendig sind. Der Cluster wird aus mehreren Hochleistungs-Rechenknoten mit GPUs, Mehrkern-CPUs und schnellen NVMe-SSDs bestehen, um komplexe Deep-Learning-Pipelines zu bewältigen. Die Netzwerkanbindung unterstützt latenzarme Kommunikation und verteiltes Training für die Verarbeitung großer Datensätze, was insbesondere für die Medizinische KI relevant ist. Zum Scheduling der Rechenvorgänge, kommt die Open-Source-Software SLURM zum Einsatz, die einen gleichberechtigten Zugang für die beteiligten Forschungsgruppen gewährleistet. Der Cluster wird von der Servicegruppe IT (SGI) der Universität Ulm betreut und im zentralen Serverraum des Kommunikations- und Informationszentrums (kiz) der Universität Ulm betrieben. Dieser verfügt über aktive Kühlung, hocheffiziente Stromversorgungen und kontinuierliches Monitoring. Dadurch wird ein 24/7-Betrieb gewährleistet, der die intensive Deep-Learning-Forschung der antragstellenden Forschenden unterstützt.

• DFG-Verfahren: Forschungsgroßgeräte
• Großgeräte: Machine Learning Cluster
• Gerätegruppe: 7040 Vektorrechner
• Antragstellende Institution: Universität Ulm
• Leiter: Professor Dr. Timo Ropinski