Projekte

Das SCC ist an verschiedenen Forschungsprojekten beteiligt. Forschungsschwerpunkte sind die Themen Computational Science & Engineering, Data Science und sichere IT-Föderationen sowie dynamische und verteilte IT-Infrastrukturen. Hochschulen und Forschungseinrichtungen sowie Unternehmen, national und international, zählen zu den Kooperationspartnern des SCC.

Tier-2 Online Speicher für ATLAS und CMS bei GridKa
Tier-2 Online Speicher für ATLAS und CMS bei GridKa

Beschaffung und Inbetriebnahme von experiment-spezifischem Tier-2-Speicher für ATLAS und CMS am GridKa des KIT/SCC.

Mehr
Copula-basierte Verteilungsregression für Raum-Zeit Daten
Copula-basierte Verteilungsregression für Raum-Zeit Daten

Copula-basierte Verteilungsregression für Raum-Zeit Daten entwickelt neue Modelle für multivariate raum-zeitliche Daten unter Verwendung von Distributional-Copula-Regression. Von besonderem Interesse sind Tests auf die Signifikanz von Prädiktoren und die automatische Variablenauswahl mit Bayes'schen Selektionsmethoden. Langfristig wird sich das Projekt mit der effizienten Modellierung nicht-stationärer Abhängigkeiten unter Verwendung stochastischer partieller Differentialgleichungen befassen.

Mehr
EOSC Beyondpixabay.com
EOSC Beyond

Das übergeordnete Ziel von EOSC Beyond ist die Förderung von Open Science und Innovation in der Forschung im Rahmen der European Open Science Cloud (EOSC) durch die Bereitstellung neuer EOSC Core-Funktionen, die es wissenschaftlichen Anwendungen ermöglichen, mehrere Open-Science-Ressourcen zu finden, zusammenzustellen und darauf zuzugreifen und sie Forschern als integrierte Funktionen anzubieten.

Mehr
Laufende Projekte

Tier-2 Online Speicher für ATLAS und CMS bei GridKa

Kontakt: Andreas Petzold
Förderung: BMBF
Laufzeit: 01.10.2024 - 31.12.2025

Beschaffung und Inbetriebnahme von experiment-spezifischem Tier-2-Speicher für ATLAS und CMS am GridKa des KIT/SCC.

Copula-basierte Verteilungsregression für Raum-Zeit Daten

Kontakt: Prof. Dr. Nadja Klein
Förderung: DFG
Laufzeit: 01.10.2024 - 30.06.2028
Projektseite: gepris.dfg.de/gepris/projekt/544966988

Copula-basierte Verteilungsregression für Raum-Zeit Daten entwickelt neue Modelle für multivariate raum-zeitliche Daten unter Verwendung von Distributional-Copula-Regression. Von besonderem Interesse sind Tests auf die Signifikanz von Prädiktoren und die automatische Variablenauswahl mit Bayes'schen Selektionsmethoden. Langfristig wird sich das Projekt mit der effizienten Modellierung nicht-stationärer Abhängigkeiten unter Verwendung stochastischer partieller Differentialgleichungen befassen.

bwGitLab

Laufzeit: 01.07.2024 - 30.06.2029

Auf Basis der Software GitLab wird ein Landesdienst für die Verwaltung, Versionierung und Publikation von Software-Repositories für die Hochschulen in Baden-Württemberg im Rahmen der IT-Allianz geschaffen. GitLab bietet zudem zahlreiche Möglichkeiten für kollaboratives Arbeiten und verfügt über umfangreiche Funktionalitäten für die Software-Entwicklung und Automatisierung. Der Dienst ermöglicht oder vereinfacht standortübergreifende Entwicklungsprojekte zwischen Hochschulen und mit externen Partnern, neue Möglichkeiten im Bereich des Forschungsdatenmanagements und kann gewinnbringend in der Lehre eingesetzt werden. Außerdem wird eine Alternative zu Cloud-Angeboten wie GitHub geschaffen und der Verbleib der Daten aus Forschung und Lehre in Baden-Württemberg vereinfacht.

Intelligente Wettervorhersagen für das 21. Jahrhundert durch probabilistische KI-Modelle, die mit stromauflösenden Klimaprojektionen initialisiert werden - SmartWeather21

Kontakt: Dr. Charlotte Debus
Förderung: BMBF
Laufzeit: 01.05.2024 - 30.04.2027

Die anhaltende Erwärmung des Erdklimas durch den vom Menschen verursachten Klimawandel verändert unser Wetter grundlegend. Traditionell werden Wettervorhersagen basierend auf numerischen Modellen getroffen, sogenannte Numerical Weather Predictions (NWP). Datengetriebene Modelle des maschinellen Lernens und insbesondere tiefe neuronale Netze bieten als Surrogatmodelle das Potential zur schnellen und (energie) effizienten Emulation von NWP Modellen. Im Rahmen des Projektes SmartWeather21 wollen wir untersuchen, welche DL-Architektur für NWP sich am besten für die Wettervorhersage in einem wärmeren Klima eignet, basierend auf den hochaufgelösten Klimaprojektionen, die im Rahmen von WarmWorld mit ICON erstellt werden. Um die hohen Auflösungen des WarmWorld Klimaprojektionen mit einzubeziehen, werden wir daten- und modellparallelen Ansätzen und Architekturen für die Wettervorhersage in einem wärmeren Klima entwickeln. Darüber hinaus werden wir untersuchen welche (lernbaren Kombinationen von) Variablen aus den ICON Klimaprojektionen die beste, physikalisch plausible Vorhersagegenauigkeit für die Wettervorhersage in einem wärmeren Klima bieten. Unter diesem Aspekt entwickeln wir Dimensionsreduktionstechniken für die verschiedenen Eingangsvariablen, die als Upstream- Task eine latente, niedrig-dimensionalere Darstellung basierend auf der Genauigkeit der Downstream Wettervorhersage lernen. Die erhöhte räumliche Auflösung der ICON Simulationen erlauben außerdem Rückschlüsse auf die Unsicherheiten einzelner Eingangs- und Ausgangsvariablen bei niedrigeren Auflösungen zu ziehen. Im Rahmen von SmartWeather21 werden wir Methoden entwickeln, die diese Unsicherheiten durch Wahrscheinlichkeitsverteilungen parametrisieren und als Eingangsvariablen mit niedrigerer räumlicher Auflösung in DL-basierten Wettermodellen verwenden. Diese können im Rahmen probabilistischer Vorhersagen durch das Modell propagiert werden.

EOSC Beyond

Kontakt: Jos van Wezel
Förderung: EU
Laufzeit: 01.04.2024 - 31.03.2027

Das übergeordnete Ziel von EOSC Beyond ist die Förderung von Open Science und Innovation in der Forschung im Rahmen der European Open Science Cloud (EOSC) durch die Bereitstellung neuer EOSC Core-Funktionen, die es wissenschaftlichen Anwendungen ermöglichen, mehrere Open-Science-Ressourcen zu finden, zusammenzustellen und darauf zuzugreifen und sie Forschern als integrierte Funktionen anzubieten.

bwNET 2.0

Kontakt: Klara Mall
Förderung: MWK
Laufzeit: 01.04.2024 - 31.03.2028
Projektseite: bwnet.belwue.de

Ein resilienter, leistungsfähiger und flexibler Netzbetrieb sowie eine Bereitstellung individualisierter und sicherer Netzdienste stehen im Kern von bwNET2.0. Ziel ist es, auf der einen Seite Beiträge zur grundlegenden Forschung im Bereich der autonomen Netze zu liefern und auf der anderen Seite konkrete Bausteine und Mechanismen zu konzipieren und implementieren, die zur Weiterentwicklung von BelWü und Campusnetzen eingesetzt werden können.

AI-enhanced differentiable Ray Tracer for Irradiation-prediction in Solar Tower Digital Twins - ARTIST

Kontakt: Dr. Marie Weiel, Dr. Markus Götz
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.04.2024 - 31.03.2026
Projektseite: www.helmholtz.ai/you-helmholtz-ai/project-funding

Solarturmkraftwerke spielen eine Schlüsselrolle bei der Erleichterung der laufenden Energiewende, da sie regelbaren klimaneutralen Strom und direkte Wärme für chemische Prozesse liefern. In dieser Arbeit entwickeln wir einen heliostatspezifischen differenzierbaren Raytracer, der den Energietransport am Solarturm datengesteuert modellieren kann. Dies ermöglicht eine Rekonstruktion der Heliostatoberfläche und verbessert so die Vorhersage der Bestrahlungsstärke drastisch. Darüber hinaus reduziert ein solcher Raytracer auch die erforderliche Datenmenge für die Ausrichtungskalibrierung drastisch. Damit ist das Lernen für einen vollständig KI-betriebenen Solarturm prinzipiell machbar. Das angestrebte Ziel ist die Entwicklung eines ganzheitlichen KI-gestützten digitalen Zwillings des Solarkraftwerks für Design, Steuerung, Vorhersage und Diagnose auf Basis des physikalisch differenzierbaren Raytracers. Alle Betriebsparameter im Solarfeld, die den Energietransport beeinflussen, können damit optimiert werden. Erstmals ist eine Gradienten-basierte Feldgestaltung, Zielpunktsteuerung und Ist-Zustandsdiagnose möglich. Durch die Erweiterung um KI-basierte Optimierungstechniken und Reinforcement-Learning-Algorithmen soll es möglich sein, reale, dynamische Umgebungsbedingungen mit geringer Latenz auf den Zwilling abzubilden. Schließlich sind aufgrund der vollständigen Differenzierbarkeit auch visuelle Erklärungen für die operativen Handlungsvorhersagen möglich. Die vorgeschlagene KI-gestützte digitale Zwillingsumgebung wird in einem realen Kraftwerk in Jülich verifiziert. Seine Gründung markiert einen bedeutenden Schritt in Richtung eines vollautomatischen Solarturmkraftwerks.

Authentication and Authorisation for Research Collaboration Technical Revision to Enhance Effectiveness - AARC TREE

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.03.2024 - 28.02.2026
Projektseite: aarc-project.eu/aarc-tree-project

Die Zusammenarbeit und gemeinsame Nutzung von Ressourcen ist für die Forschung von entscheidender Bedeutung. Authentifizierungs- und Autorisierungsinfrastrukturen (AAI) spielen eine Schlüsselrolle bei der Ermöglichung eines föderierten interoperablen Zugangs zu Ressourcen. Das Projekt "AARC Technical Revision to Enhance Effectiveness" (AARC TREE) nimmt das erfolgreiche und weltweit anerkannte Modell "Authentication and Authorisation for Research Collaboration" (AARC) und sein Vorzeigeergebnis, die AARC Blueprint Architecture (BPA), als Grundlage, um die nächste Phase der Integration von Forschungsinfrastrukturen voranzutreiben: Ausweitung des föderierten Zugangsmanagements zur Integration nutzerzentrierter Technologien, Ausweitung des Zugangs zu föderierten Daten und Diensten (Autorisierung), Konsolidierung bestehender Kapazitäten und Vermeidung von Fragmentierung und unnötiger Doppelarbeit. Am SCC sind wir bei AARC-TREE direkt an der Weiterentwicklung der Blueprint Architectures beteiligt. Dies geschieht vor allem durch die Erstellung von technischen und organisatorischen Richtlinien (Policies). Die zusätzliche Beteiligung des SCC am IAM Projekt für die NFDI erlaubt es hierbei, Anforderungen aus der NFDI in AARC einzubringen, als auch die Neuerungen aus AARC frühzeitig in die NFDI-AAI zu tragen.

Holistic Imaging and Molecular Analysis in life-threatening Ailments - HIMALAYA

Kontakt: Dr. Charlotte Debus
Förderung: BMBF
Laufzeit: 01.02.2024 - 31.01.2027

Das Gesamtziel dieses Projektes ist die Verbesserung der radiologischen Diagnostik des humanen Prostatakarzinoms in der klinischen MRT durch die KI-basierte Ausnutzung von Informationen aus höher auflösenden Modalitäten. Dabei werden wir die Brillanz der HiP-CT Bildgebung an der Beamline 18 und eine erweiterte Histopathologie der gesamten Prostata nutzen, um die Interpretation von MRT-Bildern im Rahmen eines Forschungsprototypen zu optimieren. Parallel dazu ist die Korrelation der Bilddaten mit den molekularen Eigenschaften der Tumore zum besseren Verständnis invasiver Tumorstrukturen geplant. Eine interaktive Multiskalenvisualisierung über alle Modalitäten hinweg bildet die Grundlage, die immensen Datenmengen anschaulich zu vermitteln. Als Ergebnis soll am Ende der dreijährigen Projektphase unter Berücksichtigung neuartiger KI-Algorithmen die konventionelle radiologische Anwendung der Magnetresonanztomographie (MRT) in einen diagnostischen Standard transferiert werden, der auch bisher häufig fehlerhaft diagnostizierte Patienten mit invasiven Prostatatumoren zuverlässig erkennt. Mittelfristig wäre demzufolge von einer substantiellen Verbesserung der Versorgung von Patienten mit einem fortgeschrittenen Prostatakarzinom auszugehen. Darüber hinaus werden wir den im Projekt erstellten, einzigartigen multimodalen Datensatz inklusive Visualisierungswerkzeugen als Open Data zur Verfügung stellen, um so weitere Studien zum besseren Verständnis des Prostatakarzinoms zu ermöglichen, die potentiell zu neuartigen Diagnostik- und Therapieansätzen führen könnten.

bwHPC-S5: Scientific Simulation and Storage Support Services Phase 3 - bwHPC-S5 Phase 3

Kontakt: Dr. Robert Barthel
Förderung: MWK
Laufzeit: 01.11.2023 - 31.01.2026
Projektseite: https://www.bwhpc.de

Zusammen mit den gewonnenen Erkenntnissen, Bewertungen und Empfehlungen sollen die aktuellen Herausforderungen und definierten Handlungsfelder des Rahmenkonzepts der Universitäten des Landes Baden-Württemberg für das HPC und DIC im Zeitraum 2025 bis 2032 durch folgende Maßnahmen im Projekt konkretisiert werden: • Weiterentwicklung der Wissenschaftsunterstützung bzgl. Kompetenzen zur Unterstützung neuartiger System- und Methodekonzepte (KI, ML oder Quantencomputing), Vernetzung mit Methodenfor- schung, ganzheitliche Bedarfsanalysen und Unterstützungsstrategien (z.B. Onboarding) • Steigerung der Energieeffizienz durch Sensibilisierung sowie Untersuchung und Einsatz neuer Be- triebsmodelle und Workflows inkl. optimierter Software • Erprobung und flexible Integration neuer Systemkomponenten und -architekturen, Ressourcen (z.B. Cloud) sowie Virtualisierung- und Containerisierungslösungen • Umsetzung neue Software-Strategien (z.B. Nachhaltigkeit und Entwicklungsprozesse) • Ausbau der Funktionalitäten der baden-württembergischen Datenföderation (z.B. Daten-Transfer- Service) • Umsetzung von Konzepten beim Umgang mit sensiblen Daten und zur Ausprägung einer digitalen Souveränität • Vernetzung und Kooperation mit anderen Forschungsinfrastrukturen

bwCloud 3

Laufzeit: 01.09.2023 - 31.08.2027
Projektseite: https://www.bw-cloud.org

Weiterentwicklung und Erweiterung der bwCoud-Infrastruktur (Standorte FR, KA, MA, UL) für darauf aufsetzende bwDienste. (Vorgängerprojekt bwCloud SCOPE)

ICON-SmART

Kontakt: Dr. Jörg Meyer
Förderung: Hans-Ertel-Zentrum für Wetterforschung
Laufzeit: 26.07.2023 - 25.07.2027
Projektseite: www.hans-ertel-zentrum.de/Projekte/ICON-SmART.html

Das Projekt "ICON-SmART" befasst sich mit der Rolle von Aerosolen und atmosphärischer Chemie für die Simulation von saisonalen bis dekadischen Klimaschwankungen und -änderungen. Zu diesem Zweck wird das Projekt die Fähigkeiten des gekoppelten Kompositions-, Wetter- und Klimamodellierungssystems ICON-ART (ICON, ikosaedrisches nicht-hydrostatisches Modell - entwickelt von DWD, MPI-M und DKRZ mit dem Atmosphärenzusammensetzungsmodul ART, Aerosole und reaktive Spurengase - entwickelt vom KIT) für sonale bis dekadische Vorhersagen und Klimaprojektionen in nahtlosen globalen bis regionalen Modellkonfigurationen mit ICON-Seamless-ART (ICON-SmART) untersuchen. Auf der Grundlage früherer Arbeit ist die Chemie ein vielversprechender Kandidat für eine Beschleunigung durch maschinelles Lernen. Darüber hinaus wird das Projekt Ansätze des maschinellen Lernens für andere Prozesse untersuchen. Das ICON-SmART-Modellsystem wird Wissenschaftlern, Prognostikern und politischen Entscheidungsträgern ein neuartiges Instrument zur Untersuchung der atmosphärischen Zusammensetzung in einem Klima zu untersuchen, und ermöglicht es uns, Fragen zu beantworten, die bisher unerreichbar waren.

Photonische Materialien mit bedarfsgerechten Eigenschaften, entwickelt mit KI-Technologie

Kontakt: Maria Paszkiewicz
Förderung: NHR
Laufzeit: seit 01.05.2023
Projektseite: www.scc.kit.edu/forschung/15071.php

In diesem Projekt werden künstliche neuronale Netze bei einem inversen Designproblem eingesetzt, bei dem es darum geht, nanostrukturierte Materialien mit bedarfsgerechten optischen Eigenschaften zu finden. Um dieses Ziel zu erreichen, müssen große Datenmengen aus 3D-Simulationen der Maxwell-Gleichungen generiert werden, was dies zu einem datenintensiven Rechenproblem macht. Es werden maßgeschneiderte Algorithmen entwickelt, die sowohl den Lernprozess als auch die effiziente Inversion berücksichtigen. Das Projekt ergänzt die Forschungsarbeiten des SDL Materials Science zu KI-Methoden, großen durch Simulationen erzeugten Datensätzen und Arbeitsabläufen.

Artificial intelligence for the Simulation of Severe AccidentS - ASSAS

Kontakt: Dr. Charlotte Debus, Dr. Markus Götz
Förderung: EU
Laufzeit: 01.05.2023 - 31.10.2026
Projektseite: assas-horizon-euratom.eu

The ASSAS project aims at developing a proof-of-concept SA (severe accident) simulator based on ASTEC (Accident Source Term Evaluation Code). The prototype basic-principle simulator will model a simplified generic Western-type pressurized light water reactor (PWR). It will have a graphical user interface to control the simulation and visualize the results. It will run in real-time and even much faster for some phases of the accident. The prototype will be able to show the main phenomena occurring during a SA, including in-vessel and ex-vessel phases. It is meant to train students, nuclear energy professionals and non-specialists. In addition to its direct use, the prototype will demonstrate the feasibility of developing different types of fast-running SA simulators, while keeping the accuracy of the underlying physical models. Thus, different computational solutions will be explored in parallel. Code optimisation and parallelisation will be implemented. Beside these reliable techniques, different machine-learning methods will be tested to develop fast surrogate models. This alternate path is riskier, but it could drastically enhance the performances of the code. A comprehensive review of ASTEC's structure and available algorithms will be performed to define the most relevant modelling strategies, which may include the replacement of specific calculations steps, entire modules of ASTEC or more global surrogate models. Solutions will be explored to extend the models developed for the PWR simulator to other reactor types and SA codes. The training data-base of SA sequences used for machine-learning will be made openly available. Developing an enhanced version of ASTEC and interfacing it with a commercial simulation environment will make it possible for the industry to develop engineering and full-scale simulators in the future. These can be used to design SA management guidelines, to develop new safety systems and to train operators to use them.

Daten und Dienste zur Unterstützung von Meeres- und Süßwasserwissenschaftlern sowie Interessensgruppen - AquaINFRA

Kontakt: Dr. Jörg Meyer
Förderung: EU
Laufzeit: 01.01.2023 - 31.12.2026
Projektseite: aquainfra.eu

Das AquaINFRA-Projekt zielt darauf ab, eine virtuelle Umgebung zu entwickeln, die mit multidisziplinären FAIR-Daten und -Diensten ausgestattet ist, um Meeres- und Süßwasserwissenschaftler und Interessengruppen bei der Wiederherstellung gesunder Ozeane, Meere, Küsten- und Binnengewässer zu unterstützen. Die virtuelle AquaINFRA-Umgebung wird es den Zielakteuren ermöglichen, Forschungsdaten und andere digitale Forschungsobjekte aus ihrer eigenen Disziplin zu speichern, gemeinsam zu nutzen, darauf zuzugreifen, sie zu analysieren und zu verarbeiten, und zwar über Forschungsinfrastrukturen, Disziplinen und Landesgrenzen hinweg, indem sie EOSC und die anderen bestehenden operativen Datenräume nutzt. AquaINFRA unterstützt nicht nur die laufende Entwicklung der EOSC als übergreifende Forschungsinfrastruktur, sondern befasst sich auch mit der spezifischen Notwendigkeit, Forschern aus dem Meeres- und Süßwasserbereich die Möglichkeit zu geben, über diese beiden Bereiche hinweg zu arbeiten und zusammenzuarbeiten. (Übersetzt mit DeepL.com)

Entwicklung einer InfraStruktur zum dAtenBasiErten Lernen in den Umweltwissenschaften - ISABEL

Kontakt: Dr. Jörg Meyer
Förderung: DFG
Laufzeit: 01.12.2022 - 30.11.2025

Digital verfügbare Datensätze in der terrestrischen Wasser- und Umweltforschung werden immer zahlreicher und umfangreicher, sind allerdings oft nicht ohne Weiteres zugänglich und wissenschaftlich verwendbar. Häufig sind sie unzureichend mit Metadaten beschrieben und in unterschiedlichsten Datenformaten abgelegt, dazu oftmals nicht in Datenportalen/-repositorien, sondern auf lokalen Speichermedien vorgehalten. Basierend auf der in einem Vorgängerprojekt entwickelten virtuellen Forschungsumgebung VFOR-WaTer ist es das Ziel von ISABEL, dieses Datenangebot in einem Webportal verfügbar zu machen. Hier sollen Umweltwissenschaftler auf Daten aus unterschiedlichen Quellen wie z.B. Landesämtern oder Hochschulprojekten einfach und schnell zugreifen, aber auch eigene Daten teilen können. Zusätzlich sind Schnittstellen zu bestehenden Datenportalen geplant, damit bereits veröffentlichte Datensätze mit einbezogen werden können. Mithilfe integrierter Werkzeuge sollen diese Daten leicht skaliert werden und in einem einheitlichen Format verfügbar sein. Außerdem stehen Analysewerkzeuge für weitere Auswertungen zur Verfügung. Diese werden vom Entwicklerteam beständig für den Bedarf der Community erweitert, können aber auch direkt von Nutzern beigetragen werden. Ein leichtes Abspeichern der Analyseschritte und verwendeten Werkzeuge macht die Berechnungen reproduzierbar, zudem wird durch die Anbindung an vorhandene Datenrepositorien die Publikation eigener Daten vereinfacht. Damit adressiert ISABEL den Bedarf von Forschenden aus den Wasser- und Umweltwissenschaften, Daten nicht nur aufzufinden und darauf zugreifen zu können, sondern mit standardisierten Werkzeugen für reproduzierbare Datenanalyseschritte effizient datengetrieben zu lernen.

Mehr

DAPHONA

Kontakt: Dr. Jörg Meyer
Förderung: BMBF
Laufzeit: 01.12.2022 - 30.11.2025
Projektseite: ../Projekte/daphona.html?nn=729750

In der Nanooptik beschäftigen wir uns, unter anderem, mit den optischen Eigenschaften von Strukturen mit einer räumlichen Ausdehnung vergleichbar oder kleiner als der Wellenlänge. Diese Streuer haben viele Anwendungen z.B. in der Bildgebung, in Sensoren oder auch in Quantentechnologien. Alle optischen Eigenschaften eines Streuers werden hierbei durch dessen T-Matrix erfasst. Diese T-Matrix beschreibt, wie ein Beleuchtungsfeld in ein Streufeld konvertiert wird. T-Matrizen sind die Basis zur Beschreibung komplexer nanooptischer Systeme. Aktuell werden diesen T-Matrizen immer wieder neu berechnet und nicht systematisch genutzt. Das verschwendet Rechenressourcen und erlaubt auch nicht, Fragestellungen zu adressieren, die auf der Basis dieser Daten beantwortbar wären. DAPHONA will diesen Mangel beheben. Wir werden Technologien bereitstellen, mit denen die geometrischen und Materialeigenschaften eines Objektes und dessen optische Eigenschaften, ausgedrückt durch die T-Matrix, in einer einheitlichen Datenstruktur zusammengeführt werden. Diese Daten werden systematisch genutzt, um die T-Matrix aus dem Datensatz für ein gegebenes Objekt zu extrahieren. Auch wollen wir Objekte identifizieren, die vordefiniert optische Eigenschaften ausgedrückt durch eine T-Matrix besitzen. Entlang dieser Ansätze werden wir viele neuartige Fragestellungen beantworten, die erst durch den hier formulierten datengetriebenen Ansatz adressiert werden können. Wir planen im Rahmen von DAPHONA wissenschaftlichen Nachwuchs auf verschiedenen Qualifikationsstufen auszubilden und werden unseren Ansatz in der Lehre verankern. Wir haben die Community eingeladen, uns in diesem Projekt zu begleiten. Wir planen, die Datenstruktur mit der Community abzustimmen und im Rahmen von Workshops die vorhandenen Daten zu diskutieren und zur Verfügung stehende Methoden zu deren Nutzung zu verbreiten. Unser Konzept ist offen, basiert auf den FAIR Prinzipien und wird nachhaltig einen Nutzen der gesamten Community bringen.

Skills for the European Open Science Commons: Creating a Training Ecosystem for Open and FAIR Science - Skills4EOSC

Kontakt: Dr. Lisana Berberi
Förderung: EU
Laufzeit: 01.09.2022 - 31.08.2025
Projektseite: www.skills4eosc.eu/

Skills4EOSC bringt führende Experten zusammen aus nationalen, regionalen, institutionellen und thematischen Open Science und Datenkompetenzzentren aus 18 europäischen Ländern mit dem Ziel, die derzeitige Trainings- und Ausbildungslandschaft zu vereinheitlichen in ein gemeinsames Europa-übergreifendes Ökosystem, um Forschende und Datenspezialisten aus Europa beschleunigt auf den Gebieten FAIR Open Data, datenintensive Wissenschaft und wissenschaftliches Datenmanagement auszubilden.

Skalierbare, effiziente Methoden zur Quantifizierung von Unsicherheiten in der KI-basierten Zeitreihenvorhersage - EQUIPE

Kontakt: Dr. Charlotte Debus
Förderung: BMBF
Laufzeit: 01.09.2022 - 31.08.2025

Das Projekt EQUIPE beschäftigt sich mit der Quantifizierung von Unsicherheiten in großen Transformer-Modellen für die Zeitreihen-Vorhersage. Die Transformer-Architektur ist zwar in der Lage eine erstaunlich hohe Vorhersagegenauigkeit zu erzielen, benötigen jedoch immense Mengen an Rechenressourcen. Gängige Ansätze der Fehlerabschätzung in neuronalen Netzen sind in gleichem Maße rechenintensiv, was ihren Einsatz in Transformern derzeit noch erheblich erschwert. Die Forschungsarbeiten im Rahmen von EQUIPE zielen darauf ab, diese Probleme zu beheben, und skalierbare Algorithmen zur Quantifizierung von Unsicherheiten in großen neuronalen Netzen zu entwickeln .Dadurch wird perspektivisch der Einsatz der Methoden in Echtzeit-Systemen ermöglicht.

iMagine

Kontakt: Dr. Valentin Kozlov
Förderung: EU
Laufzeit: 01.09.2022 - 31.08.2025
Projektseite: imagine-ai.eu

iMagine ist ein von der EU gefördertes Projekt, das ein Portfolio von frei nutzbaren Bilddatensätzen, leistungsstarken Bildanalysewerkzeugen, die mit mit künstlicher Intelligenz (KI) und Best-Practice-Dokumente für die wissenschaftliche Bildanalyse. Diese Dienste und Materialien ermöglichen eine bessere und effizientere Verarbeitung und Analyse von Bilddaten in der Meeres- und Süßwasserforschung, die für das übergreifende Thema 'Gesunde Ozeane, Meere, Küsten- und Binnengewässer' relevant sind.

Artificial Intelligence for the European Open Science Cloud - AI4EOSC

Kontakt: Dr. Valentin Kozlov
Förderung: EU
Laufzeit: 01.09.2022 - 31.08.2025
Projektseite: ai4eosc.eu

Das Projekt AI4EOSC (Artificial Intelligence for the European Open Science Cloud) ist ein von der EU finanziertes Projekt, das eine Reihe von erweiterten und fortschrittliche Dienste für die Entwicklung von AI/ML/DL-Modellen und Anwendungen in der European Open Science Cloud (EOSC) zur Verfügung stellt. Diese Dienste sind in einer umfassenden Plattform gebündelt, die moderne Funktionen wie verteiltes, föderiertes und geteiltes Lernen, neuartige Provenance-Metadaten für KI/ML/DL-Modelle sowie ereignisgesteuerte Datenverarbeitungsdienste. Das Projekt baut auf den Ergebnissen der DEEP-Hybrid-DataCloud und der EOSC-Rechnerplattform auf.

Entwicklung und Validierung eines hybriden Gitter-/Partikelverfahrens für turbulente Strömungen unterstützt durch Hochleistungsberechnungen mit OpenFOAM - hGVtSOF

Kontakt: Dr. Jordan Denev
Förderung: NHR
Laufzeit: 15.06.2022 - 14.06.2025
Projektseite: scc.kit.edu/forschung/14972.php

Das Hauptziel des vorliegenden Projekts ist die Weiterentwicklung und Validierung einer neuen CFD-Methode (Computational Fluid Dynamics), die eine Kombination aus gitterfreien (Partikel) und gitterbasierten Techniken verwendet. Eine grundlegende Annahme dieses neuen Ansatzes ist die Zerlegung jeder physikalischen Größe in einen gitterbasierten (großskaligen) und einen feinskaligen Teil, wobei die großskaligen Teile auf dem Gitter aufgelöst und die feinskaligen Teile durch Partikel dargestellt werden. Die Dynamik der großen und feinen Skalen wird aus zwei gekoppelten Transportgleichungen berechnet, von denen eine auf dem Gitter gelöst wird, während die zweite die Lagrangesche gitterfreie Vortex-Partikel-Methode (VPM) verwendet.

InterTwin

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.06.2022 - 30.06.2025
Projektseite: InterTwin.eu

InterTwin entwirft und implementiert den Prototypen einer interdisziplinären Digital Twin Engine (DTE). Dies ist eine Open-Source-Plattform, die generische Softwarekomponenten für die Modellierung und Simulation zur Integration anwendungsspezifischer Digitalen Zwillingen bereitstellt. Die Spezifikationen basieren auf einem im Projekt zu entwerfenden konzeptionellen Modell - der DTE Blueprint-Architektur. Diese orientiert sich an den Grundsätzen von offenen Standards und Interoperabilität. Das Ziel ist die Entwicklung eines gemeinsamen Ansatzes für die Implementierung von Digital Twins zu entwickeln, der über das gesamte Spektrum der wissenschaftlichen Disziplinen und darüber hinaus anwendbar ist.

Gaia-X für den Innovationscampus Mobilität der Zukunft - Gaia-X4ICM

Kontakt: Klaus Scheibenberger
Förderung: MWK
Laufzeit: 01.06.2022 - 31.12.2024
Projektseite: www.icm-bw.de

Gaia-X ist eine europäische Initiative, die eine sichere und vertrauenswürdige Plattform für den Datenaustausch und die Zusammenarbeit zwischen verschiedenen Branchen und Sektoren in Europa schaffen will. Ein Hauptziel der Gaia-X4ICM-Forschungsinitiative für den Innovationscampus Future Mobility (ICM) ist die Schaffung einer grundlegenden Dateninfrastruktur mit allen erforderlichen Hardware- und Softwarekomponenten. Diese spielt eine wichtige Rolle bei der Verbindung und Zusammenarbeit verschiedener am industriellen Produktionsprozess beteiligter Sektoren. Das SCC implementiert und betreibt diese Cloud-Infrastruktur auf eigener Hardware im eigenen Rechenzentrum. Alle Partner erhalten so die volle Kontrolle über die digitale Infrastruktur sowie genutzte Daten, um eine weitreichende Datenhoheit, Datenschutz und Sicherheit zu gewährleisten.

Materialisierte Heiligkeit - toRoll

Kontakt: Dr. Danah Tonne
Förderung: BMBF
Laufzeit: 01.04.2022 - 31.03.2026
Projektseite: geschkult.fu-berlin.de/e/materialisierte-heiligkeit

Im Projekt "Materialisierte Heiligkeit" werden Torarollen als ein außerordentliches kodikologisches, theologisches und soziales Phänomen untersucht. Anders als bei beispielsweise Bibelkopien ist die Abschrift der heiligen Schriftrollen bereits seit der Antike durch strenge Regulierungen bestimmt und wird durch eine reiche Kommentarliteratur ergänzt. Gemeinsam mit Expertinnen und Experten der Judaistik, der Materialforschung und der Sozialwissenschaften möchten wir einen digitalen Wissensspeicher aufbauen, der der Vielschichtigkeit dieses Forschungsgegenstandes gerecht wird. Die jüdische Schreiberliteratur mit englischer Übersetzung, Materialanalysen, paläographische Untersuchungen an mittelalterlichen Torarollen sowie Interview- und Filmmaterial über Schreiber / Schreiberinnen der heutigen Zeit sollen in einer einmaligen Sammlung zusammenkommen und erstmals interdisziplinär untersucht werden. Zusätzlich soll eine zu entwickelnde 'virtuelle Torarolle' kleinste paläographische Details der Schrift und ihre Bedeutung im kulturellen Gedächtnis aufdecken.

Metaphern der Religion - SFB1475

Kontakt: Dr. Danah Tonne
Förderung: DFG
Laufzeit: 01.01.2022 - 31.12.2025
Projektseite: sfb1475.ruhr-uni-bochum.de

Der an der Ruhr-Universität Bochum (RUB) angesiedelte SFB 1475 möchte den religiösen Gebrauch von Metaphern über Zeiten und Kulturen hinweg verstehen und methodisch erfassen. Dazu untersuchen die Teilprojekte eine Vielzahl von Schriften aus Christentum, Islam, Judentum, Zoroastrismus, Jainismus, Buddhismus und Daoismus, die aus Europa, dem Nahen und Mittleren Osten sowie Süd-, Zentral- und Ostasien stammen und die Zeitspanne von  3000 v. Chr. bis heute umfassen. Erstmals werden in durch diesen Verbund vergleichende Studien in einzigartigem Umfang ermöglicht. Das SCC leitet im Sonderforschungsbereich gemeinsam mit den Kolleginnen und Kollegen des Centrum für Religionswissenschaftliche Studien (CERES) und der RUB das Informationsinfrastrukturprojekt „Metapher-Basislager“, in dem die digitale Dateninfrastruktur für alle Teilprojekte entwickelt wird. Zentrale Komponente wird ein Forschungsdatenrepositorium mit modernsten Annotations-, Analyse- und Visualisierungswerkzeugen für die geisteswissenschaftlichen Daten.

Helmholtz Platform for Research Software Engineering - Preparatory Study (HiRSE_PS)

Kontakt: Prof. Dr. Achim Streit (Projektkoordinator)
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.01.2022 - 31.12.2024
Projektseite: www.helmholtz-hirse.de

The HiRSE concept sees the establishment of central activities in RSE and the targeted sustainable funding of strategically important codes by so-called Community Software Infrastructure (CSI) groups as mutually supportive aspects of a single entity.

Bayesianisches maschinelles Lernen mit Quantifizierung von Unsicherheiten für die Erkennung von Unkraut in Ackerland aus Fernerkundung in geringer Höhe

Kontakt: Prof. Dr. Nadja Klein
Förderung: Helmholtz-Gemeinschaft
Laufzeit: seit 01.01.2022
Projektseite: www.heibrids.berlin/people/doctoral-students/

Unkraut ist eine der Hauptursachen für Ernteverluste. Daher setzen Landwirte verschiedene Methoden ein, um den Unkrautwuchs auf ihren Feldern zu kontrollieren, am häufigsten chemische Herbizide. Die Herbizide werden jedoch oft gleichmäßig auf dem gesamten Feld ausgebracht, was sich negativ auf Umwelt und Kosten auswirkt. Die standortspezifische Unkrautbekämpfung (site-specific weed management; SSWM) berücksichtigt die Variabilität auf dem Feld und lokalisiert die Behandlung. Die genaue Lokalisierung von Unkräutern ist daher der erste Schritt zum SSWM. Darüber hinaus sind Informationen über die Zuverlässigkeit der Vorhersage entscheidend für den Einsatz der Methoden in der Praxis. Dieses Projekt zielt darauf ab, Methoden für die Unkrautidentifizierung in Ackerflächen auf der Grundlage von UAV-Fernerkundungsbildern aus geringer Höhe und die Quantifizierung von Unsicherheiten mithilfe von Bayesianischem maschinellem Lernen zu entwickeln, um einen ganzheitlichen Ansatz für SSWM zu entwickeln. Das Projekt wird von der Helmholtz Einstein International Berlin Research School in Data Science (HEIBRiDS) unterstützt und von Prof. Dr. Martin Herold vom GFZ German Research Centre for Geosciences mitbetreut.

Zukunftsfähige Konzepte für die Campusnetze der Hochschulen in Baden-Württemberg - bwCampusnetz

Kontakt: Klara Mall
Förderung: MWK
Laufzeit: 01.12.2021 - 31.12.2025
Projektseite: bwcampusnetz.de

Im Projekt bwCampusnetz arbeiten mehrere Universitäten zusammen, um die Campusnetze zu beleuchten. Es sollen zukunftsfähige Konzepte gefunden und deren praktische Umsetzbarkeit durch prototypische Implementierungen untersucht und demonstriert werden.

PUNCH4NFDI

Kontakt: Dr. Manuel Giffels
Förderung: DFG
Laufzeit: 01.10.2021 - 30.09.2026
Projektseite: www.punch4nfdi.de

PUNCH4NFDI ist das NFDI-Konsortium für Teilchen-, Astro-, Astroteilchen-, Hadronen- und Kernphysik, das rund 9.000 promovierte Wissenschaftlerinnen und Wissenschaftler aus Universitäten, der Max-Planck-Gesellschaft, der Leibniz-Gemeinschaft und der Helmholtz-Gemeinschaft in Deutschland vertritt. Die PUNCH-Physik befasst sich mit den grundlegenden Bestandteilen der Materie und ihren Wechselwirkungen sowie mit ihrer Rolle bei der Entstehung der größten Strukturen im Universum – Sterne und Galaxien. Die Errungenschaften der PUNCH-Wissenschaft reichen von der Entdeckung des Higgs-Bosons über die Installation eines 1-Kubikkilometer-Teilchendetektors zum Neutrinonachweis im antarktischen Eis bis hin zum Nachweis des Quark-Gluon-Plasmas bei Schwerionenkollisionen und dem ersten Bild des schwarzen Lochs im Herzen der Milchstraße überhaupt. Das Hauptziel von PUNCH4NFDI ist der Aufbau einer föderierten und „FAIR"en-Wissenschaftsdatenplattform, die die notwendigen Infrastrukturen und Schnittstellen für den Zugang zu und die Nutzung von Daten und Rechenressourcen der beteiligten Gemeinschaften und darüber hinaus bietet. Das SCC übernimmt dabei eine führende Rolle bei der Entwicklung der verteilten Compute4PUNCH-Infrastruktur ein und ist an den Aktivitäten rund um Storage4PUNCH beteiligt, einer verteilten Speicherinfrastruktur für die PUNCH-Communities.

NFDI-MatWerk

Kontakt: Prof. Dr. Achim Streit
Förderung: DFG
Laufzeit: 01.10.2021 - 30.09.2026
Projektseite: nfdi-matwerk.de

Das Konsortium NFDI-MatWerk erhält eine fünfjährige Förderung im Rahmen der Nationalen Forschungsdateninfrastruktur (NFDI) für die Entwicklung eines gemeinsamen Material-Forschungsdatenraums. NFDI-MatWerk steht für die Materialwissenschaft und Werkstofftechnik, um die physikalischen Mechanismen in Materialien zu charakterisieren und ressourcenschonende Hochleistungswerkstoffe mit möglichst idealen Eigenschaften für die jeweilige Anwendung zu entwickeln. Über Deutschland verteilte Daten aus den wissenschaftlichen Gruppen sollen über eine wissensgraphbasierte Infrastruktur so angesprochen werden können, dass schnelle und komplexe Suchanfragen und Auswertungen möglich werden. Am KIT sind das Scientific Computing Center (SCC) und das Institut für Angewandte Materialien (IAM) beteiligt. Im SCC werden wir mit den Partnern das Digital Materials Environment mit den Infrastrukturdiensten für die Forschungsdaten und ihre Metadaten aufbauen.

Simulierte Welten (Phase IV)

Kontakt: Prof. Dr. Martin Frank
Förderung: MWK
Laufzeit: 01.09.2021 - 31.03.2025
Projektseite: simulierte-welten.de

Das Projekt Simulierte Welten hat sich zum Ziel gesetzt, Schülerinnen und Schülern in Baden-Württemberg ein vertieftes kritisches Verständnis der Möglichkeiten und Grenzen von Computersimulationen zu vermitteln. Das Vorhaben wird gemeinsam vom Scientific Computing Center (SCC), dem Höchstleistungsrechenzentrum Stuttgart (HLRS) sowie der Universität Ulm getragen und arbeitet bereits mit mehreren Schulen in Baden-Württemberg zusammen.

Shallow priors und Deep Learning: Das Potenzial der Bayesianischen Statistik als Mittel für deep Gaussian mixture models

Kontakt: Prof. Dr. Nadja Klein
Förderung: Volkswagenstiftung

Trotz erheblicher Überschneidungen und Synergien haben sich das maschinelle Lernen und die statistische Wissenschaft weitgehend parallel entwickelt. Deep Gaussian mixture models, eine kürzlich eingeführte Modellklasse des maschinellen Lernens, befassen sich mit den unüberwachten Aufgaben der Dichteschätzung und hochdimensionalen Clusterbildung, die in vielen Anwendungsbereichen zur Mustererkennung verwendet werden. Um überparametrisierte Lösungen zu vermeiden, kann auf jeder Ebene der Architektur eine Dimensionsreduktion durch Faktormodelle vorgenommen werden. Die Wahl der Architekturen kann jedoch als Bayesianisches Modellwahlproblem interpretiert werden, was bedeutet, dass jedes mögliche Modell, das die Bedingungen erfüllt, angepasst wird. Die Autoren schlagen einen viel einfacheren Ansatz vor: Es muss nur ein einziges großes Modell trainiert werden, und überflüssige Komponenten werden weggelassen. Die Idee, dass Parametern a-priori-Verteilungen zugewiesen werden können, ist höchst unorthodox, aber extrem einfach und bringt zwei Wissenschaften zusammen, nämlich maschinelles Lernen und Bayesianische Statistik.

bwIDM - Security and Community

Kontakt: Ulrich Weiß
Förderung: MWK
Laufzeit: 01.08.2021 - 31.12.2024
Projektseite: www.bwidm.de

Das skizzierte Projekt bwIDM2 widmet sich den gestiegenen Anforderungen an IT-Sicherheit und berücksichtigt aktuelle technische Entwicklungen. Es schafft die Voraussetzungen zur hochschulartenübergreifenden Einbindung von Diensten und etabliert eine Gruppen-/Rollenverwaltung für überregionale und nationale Communities mit Delegationsmechanismen. Darüber hinaus werden Fachkonzepte zur Integration eines langfristigen Personen-Identifikators in bwIDM, wie er zur Verwendung beim Forschungsdatenmanagement notwendig ist, erarbeitet.

NFFA-Europe-Pilot - NEP

Kontakt: Rosella Aversa
Förderung: EU
Laufzeit: 01.03.2021 - 28.02.2026
Projektseite: https://www.nffa.eu

NEP stellt wichtige Ressourcen für die Nano-Forschung bereit und entwickelt neue kooperative Arbeitsweisen. Darin wird der Einsatz innovativer Technologien des Forschungsdaten- und Metadatenmangements immer wichtiger. Das SCC trägt zum Aufbau einer gemeinsamen Forschungsdateninfrastruktur mit neuen Methoden zur Metadaten-Anreicherung, Erschließung von großen Datensammlungen und der Bereitstellung virtueller Dienste bei.

Joint Lab VMD - JL-VMD

Kontakt: Dr. Ivan Kondov
Förderung: BMBF
Laufzeit: seit 01.01.2021
Projektseite: Virtual Materials Design (VirtMat)

Im Rahmen des JointLab VMD entwickelt das SDL Materials Science Methoden, Werkzeuge und architektonische Konzepte für Supercomputing- und Big-Data-Infrastrukturen, die auf die spezifischen Anwendungsherausforderungen zugeschnitten sind und die Digitalisierung in der Materialforschung und die Erstellung von digitalen Zwillingen erleichtern. Insbesondere entwickelt das Joint Lab eine virtuelle Forschungsumgebung (VRE), die Rechen- und Datenspeicherressourcen in bestehende Workflow-Managementsysteme und interaktive Umgebungen für Simulationen und Datenanalysen integriert.

Joint Lab MDMC - JL-MDMC

Laufzeit: seit 01.01.2021
Projektseite: Joint Lab MDMC

Im Rahmen des Joint Lab "Integrated Model and Data Driven Materials Characterization" (MDMC) entwickelt das SDL Materialwissenschaft ein Konzept für eine Daten- und Informationsplattform, um Daten über Materialien als experimentelle Basis für digitale Zwillinge und für die Entwicklung simulationsbasierter Methoden zur Vorhersage von Materialstruktur und -eigenschaften wissensorientiert verfügbar zu machen. Es definiert ein Metadatenmodell zur Beschreibung von Proben und Datensätzen aus experimentellen Messungen und harmonisiert Datenmodelle für die Materialsimulation und korrelative Charakterisierung unter Verwendung von materialwissenschaftlichen Vokabularen und Ontologien.

NFDI4Ing

Kontakt: Prof. Dr. Achim Streit
Förderung: DFG
Laufzeit: 01.10.2020 - 30.09.2025
Projektseite: nfdi4ing.de

NFDI4Ing ist ein Konsortium der Ingenieurwissenschaften und fördert das Management technischer Forschungsdaten. NFDI4Ing wurde schon 2017 gegründet und steht in engem Austausch mit Forschenden aller ingenieurwissenschaftlichen Fachgebiete. Das Konsortium bietet einen einzigartigen methodenorientierten und nutzerzentrierten Ansatz, um technische Forschungsdaten FAIR - auffindbar, zugänglich, interoperabel und wiederverwendbar - zu machen. Eine wichtige Herausforderung ist dabei die große Anzahl von Teildisziplinen der Ingenieurwissenschaften und ihre fachspezifischen Eigenheiten. Das KIT ist mit einer Co-Sprecherin, Britta Nestler aus dem Institut für Angewandte Materialien (IAM) und einem Co-Sprecher,  Achim Streit aus dem Scientific Computing Center (SCC), beteiligt. Im Rahmen von NFDI4Ing entwickelt und implementiert das SCC in enger Kooperation mit den Partnern die Konzepte für föderierte Forschungsdateninfrastrukturen, Datenmanagement-Prozesse, Repositorien und Metadatenmanagement. Der NFDI4Ing-Antrag https://doi.org/10.5281/zenodo.4015200 beschreibt die geplante Forschungsdateninfrastruktur im Detail.

NFDI4Chem - Chemiekonsortium in der Nationalen Forschungsdateninfrastruktur (NFDI

Kontakt: Dr. Doris Ressmann
Förderung: DFG
Laufzeit: 01.10.2020 - 30.09.2025
Projektseite: nfdi4chem.de

Die Vision von NFDI4Chem ist die Digitalisierung aller Arbeitsprozesse in der chemischen Forschung. Hierzu soll Infrastruktur auf- und ausgebaut werden, die Forschende dabei unterstützt, Forschungsdaten zu sammeln, zu speichern und zu archivieren, zu verarbeiten und zu analysieren sowie die Daten in Repositorien zusammen mit beschreibenden Metadaten und DOIs zu publizieren und somit referenzierbar und wiederverwendbar zu machen. NFDI4Chem vertritt als Fachkonsortium alle Disziplinen der Chemie und arbeitet dazu eng mit den großen Fachgesellschaften zusammen.

Boosting Copulas - Multivariate Verteilungsregression in der Digitalen Medizin

Kontakt: Prof. Dr. Nadja Klein
Förderung: DFG
Laufzeit: 01.09.2020 - 31.03.2025
Projektseite: gepris.dfg.de/gepris/projekt/428239776

Für moderne biomedizinische Fragestellungen liefern klassische Regressionsmodelle häufig eine zu sehr vereinfachte Sicht auf komplexe Zusammenhänge. Insbesondere sind mögliche Assoziationen zwischen multiplen klinischen Endpunkten, wie sie heutzutage meist erfasst werden, bei der Modellierung adäquat zu berücksichtigen. Die klassische separate Modellierung verschiedener Zielgrößen kann in vielen Fällen zu verzerrten Ergebnissen und falschen bzw. unvollständigen Schlussfolgerungen führen. Dieser Herausforderung möchten sich die beiden Projektpartner stellen und ihre komplementären Vorarbeiten nutzen, um neuartige Copula-Regressionsmodelle für hoch-dimensionale biomedizinische Fragestellungen zu etablieren. Die zu entwickelnden Methoden erlauben es, mehrere Studien-Endpunkte simultan zu modellieren und dabei die dafür nötigen Einflussgrößen und Risikofaktoren aus potentiell hoch-dimensionalen Daten über Algorithmen des statistischen Lernens zu selektieren. Die daraus resultierenden Modelle können sowohl für die Interpretation und Analyse komplexer Assoziationsstrukturen als auch für die Prognose-Inferenz (simultane Prognoseintervalle für mehrere Zielgrößen) verwendet werden. Zusätzliche Implementierung in frei verfügbarer Software und deren Anwendungen in verschiedenen Studien unterstreichen das Potential und den Beitrag dieses Projektes für die methodischen Herausforderungen des Zukunftsfeldes Digitale Medizin.

HAICORE

Kontakt: Dr. Markus Götz
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.02.2020 - 01.01.2025
Projektseite: www.helmholtz.ai/themenmenue/you-helmholtz-ai/computing-resources

Das Helmholtz AI COmpute REssources Infrastrukturprojekt ist Teil des Helmholtz Inkubators “Information & Data Science” und dient der Bereitstellung von leistungsstarken Rechenressourcen für die Forschenden im Bereich künstlicher Intelligenz (KI) in der Helmholtz-Gemeinschaft. Technisch wird die KI-Hardware als Teil der Hochleistungsrechnersysteme JUWELS (Julich Supercomputing Centre) und HoreKa (KIT) an den beiden Zentren betrieben. Das SCC deckt dabei vornehmlich den prototypischen Entwicklungsbetrieb ab in dem neue Ansätze, Modelle und Verfahren entwickelt und erprobt werden können. HAICORE steht allen Mitgliedern der Helmholtz-Gemeinschaft im Bereich KI-Forschung offen.

Jenseits der Mittelwertsregression - Eine Bayesianische Perspektive auf das Maschinelle Lernen

Kontakt: Prof. Dr. Nadja Klein
Förderung: DFG
Laufzeit: seit 01.11.2019
Projektseite: https://gepris.dfg.de/gepris/projekt/425212771?language=en

Im Zeitalter der Digitalisierung liegen vielen wissenschaftlichen Studien immer größere und komplexere Datenmengen zugrunde. Diese „Big Data“-Anwendungen bieten viele Ansatzpunkte für die Weiterentwicklung von statistischen Methoden, die insbesondere genauere und an deren Komplexität angepasste Modelle sowie die Entwicklung verbesserter Inferenzmethoden erfordern, um potentiellen Modellfehlspezifikationen, verzerrten Schätzern und fehlerhaften Folgerungen und Prognosen entgegenzuwirken. Das hier vorgeschlagene Projekt wird statistische Methoden für flexible univariate und multivariate Regressionsmodelle und deren genaue und effiziente Schätzung entwickeln. Genauer sollen durch einen probabilistischen Ansatz zu klassischen Verfahren des maschinellen Lernens effizientere und statistische Lernalgorithmen zur Schätzung von Modellen mit großen Datensätzen erarbeitet werden. Um die Modellierung der gesamten bedingten Verteilung der Zielgrößen zu ermöglichen, sollen darüber hinaus neuartige Verteilungsregressionsmodelle entwickelt werden, welche sowohl die Analyse univariater als auch multivariater Zielgrößen erlauben und gleichzeitig interpretiere Ergebnisse liefern. In all diesen Modellen sollen außerdem die wichtigen Fragen der Regularisierung und Variablenselektion betrachtet werden, um deren Anwendbarkeit auf Problemstellungen mit einer großen Anzahl an potentiellen Prädiktoren zu gewährleisten. Auch die Entwicklung frei verfügbarer Software sowie Anwendungen in den Natur- und Sozialwissenschaften (wie zum Beispiel zu Marketing, Wettervorhersagen, chronischen Krankheiten und anderen) stellen einen wichtigen Bestandteil des Projekts dar und unterstreichen dessen Potential, entscheidend zu wichtigen Aspekten der modernen Statistik und Datenwissenschaft beizutragen.

Helmholtz Metadata Collaboration Platform - HMC

Kontakt: Dr. Rainer Stotzka
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.10.2019 - 30.09.2029
Projektseite: helmholtz-metadaten.de

Mit der Helmholtz Metadata Collaboration Plattform startete Ende 2019 ein wichtiges Themenfeld des Helmholtz Inkubators "Information & Data Science", der die Expertise der Helmholtz-Zentren zusammenführt und das Thema „Information & Data Science“ über die Grenzen von Zentren und Forschungsbereichen hinweg gestaltet. Übergeordnetes Ziel der Plattform ist, die qualitative Anreicherung von Forschungsdaten durch Metadaten langfristig voranzutreiben, die Forschenden zu unterstützen – und dies in der Helmholtz-Gemeinschaft und darüber hinaus umzusetzen. Mit dem Arbeitspaket FAIR Data Commons Technologien entwickelt SCC Technologien und Prozesse, um Forschungsdaten aus den Forschungsbereichen der Helmholtz Gemeinschaft und darüber hinaus den Forschenden entsprechend der FAIR Prinzipien zur Verfügung zu stellen. Dies wird auf technischer Ebene durch einen einheitlichen Zugriff auf Metadaten mit Hilfe von standardisierten Schnittstellen erreicht, welche sich an Empfehlungen und Standards orientieren, die innerhalb weltweit vernetzten Forschungsdateninitiativen, z.B. der Research Data Alliance (RDA, https://www.rd-alliance.org/), durch Konsensbildung verabschiedet werden. Für den Forschenden werden diese Schnittstellen durch einfach nutzbare Werkzeuge, allgemein anwendbare Prozesse und Empfehlungen für den Umgang mit Forschungsdaten im wissenschaftlichen Alltag nutzbar gemacht.

Helmholtz AI

Kontakt: Dr. Markus Götz
Förderung: Helmholtz-Gemeinschaft
Laufzeit: seit 01.04.2019
Projektseite: www.helmholtz.ai

Die Helmholtz AI Plattform ist ein Forschungsprojekt des Helmholtz Inkubators “Information & Data Science”. Die übergeordnete Mission der Plattform ist dabei die “Demokratisierung von KI für eine datengetriebene Zukunft” und ziehlt darauf ab einer möglich breiten Nutzendengruppe KI-Algorithmen und -Ansätze einfach handhabbar und ressourcenschonend zur Verfügung zu stellen. Die Helmholtz AI Plattform ist nach einem Rad-Speichen-Modell strukturiert, dass die sechs Forschungsfelder der Helmholtz-Gemeinschaft abdeckt. Das KIT ist dabei mit seiner Local Unit für den Themenkreis Energieforschung verantwortlich. In diesem Rahmen unterstützt das SCC Forschende mit einer Beratungseinheit bei der Umsetzung von KI-Forschungsvorhaben in der Erkundung neuer Ansätze zur Energieerzeugung, -verteilung und -speicherung.

Mehr

GRK 2450 - GRK 2450 (DFG)

Laufzeit: 01.04.2019 - 31.03.2028
Projektseite: www.compnano.kit.edu

Im Graduiertenkolleg "Maßgeschneiderte Multiskalenmethoden für Computersimulationen von nanoskaligen Materialien" untersuchen wir Probleme, die mit einzelnen Standardwerkzeugen der Computational Chemistry nicht zu bewältigen sind. Die Forschung ist in sieben Projekte gegliedert. Fünf Projekte adressieren wissenschaftliche Herausforderungen wie Reibung, Materialalterung, Materialdesign und biologische Funktion. In zwei weiteren Projekten werden neue Methoden und Werkzeugen der Mathematik und der Informatik für die speziellen Anforderungen dieser Anwendungen entwickelt und bereitgestellt. Das SCC ist an den Projekten P4, P5 und P6 beteiligt.

Helmholtz Federated IT Services - HIFIS

Laufzeit: seit 01.01.2019
Projektseite: www.hifis.net

Mit den Helmholtz Federated IT Services (HIFIS) wird eine sichere und einfach zu bedienende Kooperationsumgebung mit effizient und von überall zugänglichen IKT-Diensten aufgebaut. HIFIS unterstützt auch die Entwicklung von Forschungssoftware mit einem hohen Maß an Qualität, Sichtbarkeit und Nachhaltigkeit.

Computational and Mathematical Modeling Program - CAMMP

Kontakt: Prof. Dr. Martin Frank
Förderung: MWK
Laufzeit: seit 01.01.2015
Projektseite: forschung/CAMMP

CAMMP steht für Computational And Mathematical Modeling Program (Computergestütztes Mathematisches Modellierungsprogramm). Es ist ein außerschulisches Angebot des KIT für Schülerinnen und Schüler verschiedenen Alters. CAMMP will die gesellschaftliche Bedeutung von Mathematik und Simulationswissenschaften der Öffentlichkeit bewusst machen. Dazu steigen Schülerinnen und Schüler in verschiedenen Veranstaltungsformaten gemeinsam mit Lehrkräften aktiv in das Problemlösen mit Hilfe von mathematischer Modellierung und dem Einsatz von Computern ein und erforschen dabei reale Probleme aus Alltag, Industrie oder Forschung.

Abgeschlossene Projekte

Energy Efficiency and Performance of AI at Scale - EPAIS

Kontakt: Dr. Charlotte Debus
Förderung: NHR
Laufzeit: 01.01.2023 - 30.06.2024

Mit der Zunahme der künstlichen Intelligenz und dem damit einhergehenden Bedarf an Rechenressourcen wird die Energieeffizienz von großskaligen Deep Learning (DL) Anwendungen immer wichtiger. Das Ziel von EPAIS ist es, die Rechenleistung und den Energieverbrauch von hochmodernen DL-Modellen im großen Maßstab zu bewerten und zu korrelieren und letzteren durch Optimierung des ersteren zu verbessern. Im Rahmen des Projekts messen und analysieren wir den Energieverbrauch und die Rechenleistung wissenschaftlicher DL-Workloads mit dem Ziel, die Korrelation zwischen diesen beiden Faktoren aufzudecken. In diesem Zusammenhang entwickeln wir benutzerfreundliche Tools mit geringem Aufwand für die Messung des Energieverbrauchs und der Leistung. Diese Tools können von KI-Entwicklern in ihren Code integriert werden, um eine grundlegende Bewertung dieser Metriken vorzunehmen und so das Bewusstsein für GreenAI und GreenHPC zu fördern. Auf der Grundlage der so erlangten Erkenntnisse entwickeln wir neue Ansätze zur Steigerung der Energieeffizienz von DL-Workloads durch Leistungsoptimierung.

A new TEstbed for Exploring Machine LEarning in Atmospheric Prediction - TEEMLEAP

Kontakt: Dr. Jörg Meyer
Förderung: KIT-Exzellenzinitiative
Laufzeit: 01.09.2021 - 30.08.2023
Projektseite: www.imk-tro.kit.edu/5877_11188.php

Trotz stetiger Verbesserung der numerischen Wettervorhersagemodelle weisen diese immer noch systematische Fehler auf, die durch vereinfachte Darstellungen physikalischer Prozesse, Annahmen über lineares Verhalten und die Herausforderungen, alle verfügbaren Beobachtungsdaten zu integrieren, verursacht werden. Wetterdienste in aller Welt erkennen nun, dass die Beseitigung dieser Defizite durch den Einsatz künstlicher Intelligenz (KI) die Disziplin in den nächsten Jahrzehnten revolutionieren könnte. Dies erfordert ein grundlegendes Umdenken, das die Meteorologie viel stärker mit der Mathematik und Informatik verzahnt. TEEMLEAP wird diesen Kulturwandel durch eine Kooperation von Wissenschaftlern der KIT-Zentren Klima und Umwelt und MathSEE fördern, indem ein idealisiertes Testbed zur Erforschung des maschinellen Lernens in der Wettervorhersage eingerichtet wird. Im Gegensatz zu Wetterdiensten, welche sich naturgemäß auf Verbesserungen der numerischen Vorhersagemodelle in ihrer vollen Komplexität konzentrieren, beabsichtigt TEEMLEAP die Einsatzmöglichkeiten und den Nutzen von KI in diesem Testbed entlang der gesamten Prozesskette der Wettervorhersage zu evaluieren.

Numerical modeling of cardiac electrophysiology at the cellular scale - MICROCARD

Kontakt: Prof. Dr. Hartwig Anzt
Förderung: BMBF / EU
Laufzeit: 01.04.2021 - 01.10.2024
Projektseite: microcard.eu

Herz-Kreislauf-Erkrankungen zählen zu den weltweit häufigsten Todesursachen: Jedes Jahr sterben in Deutschland über 300 000 Menschen an den Folgen. Rund die Hälfte dieser Todesfälle werden durch Herzrhythmusstörungen verursacht. Im europäischen Projekt MICROCARD, an dem das Karlsruher Institut für Technologie (KIT) beteiligt ist, entwickeln Forschende nun eine Simulationsplattform, die die elektrophysikalischen Signalübertragungen im Herzen digital abbilden kann. Die Computersimulationen sollen insbesondere zu einer verbesserten Diagnose und Therapie beitragen. Das KIT erhält für seine Beiträge im Rahmen des „European High-Performance Computing Joint Undertaking“ etwa 1,3 Millionen Euro.

EOSC Future

Kontakt: Jos van Wezel
Förderung: EU
Laufzeit: 01.04.2021 - 31.03.2024
Projektseite: https://eoscfuture.eu

EOSC Future antwortet auf die Aufforderung INFRAEOSC-03-2020 zur Integration, Konsolidierung und Vernetzung von e-Infrastrukturen, Forschungsgemeinschaften und Initiativen im Bereich Open Science zu integrieren und zu verbinden, um das EOSC-Portal, EOSC-Core und EOSCExchange der European Open Science Cloud (EOSC) weiterzuentwickeln.

bwHPC-S5: Scientific Simulation and Storage Support Services Phase 2 - bwHPC-S5 Phase 2

Kontakt: Dr. Robert Barthel
Förderung: MWK
Laufzeit: 01.04.2021 - 31.10.2023
Projektseite: www.bwhpc.de

Das primäre Ziel des Projektes ist die Etablierung einer integrierten landesweiten Rechen- und Dateninfrastruktur sowie die Steigerung der Effizienz und der Effektivität durch erstklassige Unterstützung der Wissenschaftler und Nutzer.

EGI Advanced Computing for EOSC - EGI-ACE

Kontakt: Dr. Pavel Weber
Förderung: EU
Laufzeit: 01.01.2021 - 30.06.2023

EGI-ACE empowers researchers from all disciplines to collaborate in data- and compute-intensive research across borders through free at point of use services. Building on the distributed computing integration in EOSChub, it delivers the EOSC Compute Platform and contributes to the EOSC Data Commons through a federation of Cloud compute and storage facilities, PaaS services and data spaces with analytics tools and federated access services. The Platform is built on the EGI Federation, the largest distributed computing infrastructure for research. The EGI Federation delivers over 1 Exabyte of research data and 1 Million CPU cores which supported the discovery of the Higgs Boson and the first observation of gravitational waves, while remaining open to new members. The Platform pools the capacity of some of Europe’s largest research data centres, leveraging ISO compliant federated service management. Over 30 months, it will provide more than 82 M CPU hours and 250 K GPU hours for data processing and analytics, and 45 PB/month to host and exploit research data. Its services address the needs of major research infrastructures and communities of practice engaged through the EOSC-hub project. The Platform advances beyond the state of the art through a data-centric approach, where data, tools and compute and storage facilities form a fully integrated environment accessible across borders thanks to Virtual Access. The Platform offers heterogeneous systems to meet different needs, including state of the art GPGPUs and accelerators supporting AI and ML, making the Platform an ideal innovation space for AI applications. The data spaces and analytics tools are delivered in collaboration with tens of research infrastructures and projects, to support use cases for Health, the Green Deal, and fundamental sciences. The consortium builds on the expertise and assets of the EGI federation members, key research communities and data providers, and collaborating initiatives.

Mehr

Data Infrastructure Capacity for EOSC - DICE

Kontakt: Dr. Pavel Weber
Förderung: EU
Laufzeit: 01.01.2021 - 30.06.2023
Projektseite: www.dice-eosc.eu

The Data Infrastructure Capacities for EOSC (DICE) consortium brings together a network of computing and data centres, research infrastructures, and data repositories for the purpose to enable a European storage and data management infrastructure for EOSC, providing generic services and building blocks to store, find, access and process data in a consistent and persistent way. Specifically, DICE partners will offer 14 state-of-the-art data management services together with more than 50 PB of storage capacity. The service and resource provisioning will be accompanied by enhancing the current service offering in order to fill the gaps still present to the support of the entire research data lifecycle; solutions will be provided for increasing the quality of data and their re-usability, supporting long term preservation, managing sensitive data, and bridging between data and computing resources. All services provided via DICE will be offered through the EOSC Portal and interoperable with EOSC Core via a lean interoperability layer to allow efficient resource provisioning from the very beginning of the project. The partners will closely monitor the evolution of the EOSC interoperability framework and guidelines to comply with a) the rules of participation to onboard services into EOSC, and b) the interoperability guidelines to integrate with the EOSC Core functions. The data services offered via DICE through EOSC are designed to be agnostic to the scientific domains in order to be multidisciplinary and to fulfil the needs of different communities. The consortium aims to demonstrate their effectiveness of the service offering by integrating services with community platforms as part of the project and by engaging with new communities coming through EOSC.

i2Batman - i2batman

Kontakt: Prof. Dr. Martin Frank
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.08.2020 - 31.07.2023

Gemeinsam mit Partnern des Forschungszentrums Jülich und des Fritz-Haber-Instituts Berlin wollen wir ein neuartiges intelligentes Managementsystem für Elektrobatterien entwickeln, das auf Basis eines detaillierten Surrogatmodells ("digitaler Zwilling") der Batterie und künstlicher Intelligenz bessere Entscheidungen über die Ladezyklen treffen kann.

Episteme in Bewegung - SFB 980

Kontakt: Dr. Danah Tonne
Förderung: DFG
Laufzeit: 01.07.2020 - 30.06.2024
Projektseite: sfb-episteme.de

Der Sonderforschungsbereich 980 Episteme in Bewegung‘ untersucht seit 2012 Prozesse des Wissenswandels in europäischen und nicht-europäischen Kulturen vom 3. Jahrtausend vor Christus bis etwa 1750 nach Christus. Seit 2016 unterstützt das SCC durch seine Expertise im modernen Forschungsdatenmanagement beim Sammeln digitaler Indizien für bisher ungelöste Fragen. Das SCC entwickelt im Teilprojekt Informationsinfrastruktur informationstechnologische Verfahren zur Datenerschließung für die Untersuchung und Visualisierung von Wissensbewegungen in langfristig tradierten vormodernen Wissensbeständen am Beispiel von Reisen von Handschriften, Drucken sowie Sarg- und Pyramidentextsprüchen. Basierend auf einem Forschungsdatenrepositorium werden (1) neue Werkzeuge zur Datenanalyse, (2) spezifische Vokabulardienste und (3) innovative Präsentationsschichten entwickelt.

Smart Research Data Management to facilitate Artificial Intelligence in Climate and Environmental Sciences - SmaRD-AI

Kontakt: Dr. Marcus Strobl
Förderung: KIT-Exzellenzinitiative
Laufzeit: 01.06.2020 - 30.11.2022
Projektseite: www.klima-umwelt.kit.edu/1226_1228

Forschungsdatenmanagement bildet die Grundlage, um beispielsweise moderne Methoden der künstlichen Intelligenz für Forschungsfragen anwenden zu können. Daher ist Forschungsdatenmanagement ein wichtiger Bestandteil des KIT-Zentrums Klima und Umwelt. Im Projekt SmaRD-AI arbeiten am KIT das IWG, IMK, GIK und SCC eng zusammen, um den am KIT vorhandenen Datenschatz an Klima- und Umweltdaten nicht nur zugänglich zu machen, sondern auch über Werkzeuge strukturiert analysieren zu können.

bwNET2020+ für ein leistungsfähigeres und flexibles Netz in Baden-Württemberg

Kontakt: Philipp Wolter
Förderung: MWK
Laufzeit: 01.01.2020 - 31.12.2023
Projektseite: bwnet.belwue.de

Das Projekt bwNET2020+ soll den Ausbau des Landeshochschulnetzes und die Innovationskraft innerhalb der Universitätsnetze unterstützen, da die Konsolidierung von IT-Diensten an den Universitäten höhere Anforderungen an das zugrundeliegende Netz stellen.

Mehr

Exascale Earth System Modeling - ExaESM

Kontakt: Dr. Jörg Meyer, Dr. Ole Kirner
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.10.2019 - 01.09.2021

Das Pilotlab Exascale Earth System Modelling (PL-ExaESM) erforscht spezifische Konzepte um Erdsystemmodelle und ihre Workflows, auf zukünftigen Exascale-Supercomputern zur Anwendung zu bringen. Das Projekt ist in fünf Arbeitspakete gegliedert, welche mittels Co-Design zwischen Domänen-Wissenschaftlern und Informatikern die programmier- und datenwissenschaftlichen Herausforderungen dieser zukünftigen Höchstleistungsrechner adressieren. PL-ExaESM bietet eine neue Plattform für Forscher der Helmholtz-Gemeinschaft, um wissenschaftliche und technologische Konzepte für zukünftige Erdsystemmodelle und Datenanalysen zu entwickeln. Die Komplexität und Heterogenität der Exascale-Systeme, neue Software-Paradigmen für die nächste Generation von Erdsystemmodellen sowie grundlegend neue Konzepte für die Integration von Modellen und Daten sind erforderlich. Konkret werden in PL-ExaESM neue Lösungen für die Parallelisierung und das Scheduling von Modellkomponenten, die Handhabung und Bereitstellung großer Datenmengen und die nahtlose Integration von Informationsmanagementstrategien entlang der gesamten Prozesswertschöpfungskette von globalen Erdsystemsimulationen bis hin zu lokalen Wirkungsmodellen entwickelt. Zudem wird das Potenzial des maschinellen Lernens zur Optimierung dieser Aufgaben untersucht. PL-ExaESM wird als Inkubator für das Joint Lab EESM in der POF IV fungieren. Es wird die Zusammenarbeit zwischen den Forschungsbereichen und -zentren der Helmholtz-Gemeinschaft verbessern und dazu beitragen, die Helmholtz-Gemeinschaft als einen wichtigen Akteur in europäischen Flagship-Initiativen, wie ExtremeEarth, und anderen zu positionieren.

Mehr

EOSC-Synergy

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.09.2019 - 31.10.2022
Projektseite: www.eosc-synergy.eu

The EOSC Synergy project aims to expand the European Open Science Cloud (EOSC). A team of 25 engineers and scientists will work on the expansion of the European Open Science Cloud (EOSC) by integrating National and Scientific Infrastructures.

EOSC Pillar - EOSC-Pillar

Kontakt: Jos van Wezel
Förderung: EU
Laufzeit: 01.07.2019 - 31.12.2022
Projektseite: www.eosc-pillar.eu

EOSC-Pillar will coordinate national Open Science efforts across Austria, Belgium, France, Germany and Italy, and ensure their contribution and readiness for the implementation of the EOSC.

OCR-D Nachfolgeantrag 2018

Kontakt: Dr. Rainer Stotzka
Förderung: DFG
Laufzeit: 01.04.2019 - 30.06.2020
Projektseite: ocr-d.de

OCR-D ist das Koordinierungsprojekt der Deutschen Forschungsgemeinschaft (DFG) zur Weiterentwicklung von Verfahren der Optical Character Recognition für deutschsprachige Drucke aus dem 16.-19. Jahrhundert. Das wesentliche Ziel ist die Volltexterfassung des gedruckten, deutschen Kulturerbes in diesem Zeitraum.

bwIPv6@Academia

Kontakt: Klara Mall
Förderung: MWK
Laufzeit: 01.04.2019 - 31.12.2021
Projektseite: bwipv6.de

Das Landesprojekt bwIPv6@Academia hat die Aufgabe, den Zustand der IPv6-Fähigkeit gemeinsam mit den teilnehmenden Einrichtungen zu analysieren, Probleme und Aufgaben zu identifizieren, sowie die Umsetzung zu begleiten.

GÉANT Project GN4-3

Kontakt: Dr. Marcus Hardt
Förderung: EU / DFN
Laufzeit: 01.01.2019 - 31.12.2022
Projektseite: www.geant.org/Projects/GEANT_Project_GN4-3

The GÉANT Project has gro​wn during its iterations (GN1, GN2, GN3, GN3plus, GN4-1 and GN4-2) to incorporate not just the award-winning 500Gbps pan-European network, but also a catalogue of advanced, user-focused services, and a successful programme of innovation that is pushing the boundaries of networking technology to deliver real impact to over 50 million users.

Mehr

EOSCsecretariat.eu

Kontakt: Jos van Wezel
Förderung: EU
Laufzeit: 01.01.2019 - 30.05.2021
Projektseite: www.eoscsecretariat.eu

Das SCC ist ein bedeutender Partner im Projekt EOSC-secretariat.eu, das die Governance für EOSC unterstützt und gleichzeitig mit den wissenschaftlichen Organisationen und Communities an einer umfassenden europäischen Open Science Cloud arbeitet.

bwCard: Digitale Identitätskarte

Kontakt: Axel Maurer, Gabriele Schramm
Förderung: MWK
Laufzeit: 01.12.2018 - 30.11.2021
Projektseite: www.bwcard.de

Das Projekt bwCard wird von den Universitäten des Landes Baden-Württemberg durchgeführt. Ziel ist eine Föderation, die es den beteiligten Einrichtungen ermöglicht, verlässlich Chipkarten der jeweils anderen Einrichtung in eigene digitale Prozesse und Dienstleistungen zu integrieren.

Helmholtz Metadata & Knowledge System HGF ZT-I-PS-03-2

Kontakt: Dr. Rainer Stotzka
Förderung: (ungeklärt)
Laufzeit: 01.03.2018 - 29.02.2020

Förderung Inkubator HMC Projektantrag durch HGF IVF

EOSC-hub

Kontakt: Dr. Pavel Weber
Förderung: EU
Laufzeit: 01.01.2018 - 31.12.2021
Projektseite: www.eosc-hub.eu

EOSC-hub möchte u. a. einen einfachen Zugang zu hochqualitativen digitalen Diensten schaffen, die von den pan-europäischen Partnern in einem offenen Service-Katalog angeboten werden.

Mehr

Deep Hybrid Data Cloud - DHDC / DEEP

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.11.2017 - 30.04.2020
Projektseite: deep-hybrid-datacloud.eu

Ziel des Projekts ist die Entwicklung von neuen Werkzeugen zur Simulation von Schwerionenstrahlen in Targets. Wir möchten die Orts- und Energieverteilung aller Primär- und Sekundärteilchen charakterisieren. Dies ist von Interesse in vielen Feldern: Atomphysik (atomare Wechselwirkung, Ioneneinfang), Kernphysik (Untersuchung der Struktur von Atomkernen), Elektronik (Ablagerung von Elementen), Materialwissenschaften (Analyse von Beschädigungen z.B. eines Tokamaks), Biologie (Untersuchung der Toxikologie von Gewebe durch Ionenanalyse). Die Simulation von schweren Ionen ist schwierig aus zwei Gründen: Zum einen ist die gitterbasierte Simulation von Teilchentransport sehr herausfordernd. Zum anderen basieren die Simulationen auf Messungen der Bremsvermögen der Ionen, und müssen daher als unsicher angesehen werden. Daher entwickeln wir ein neues, Entropie-basiertes Diskretisierungsschema, welches eine Sub-Auflösung unterhalb des numerischen Gitters ermöglicht, und daher geeignet für die Simulation von Strahlen ist. Zusätzlich benutzen wir eine ähnliche Methode zur Behandlung von Unsicherheiten in der Teilchenverteilung, die durch die unsicheren Wirkungsquerschnitte bedingt werden. Unsere Methode ist rechenaufwändig, aber hochgradig parallelisierbar, was sie ideal für moderne Rechnerarchitekturen macht.

Mehr

Helmholtz Analytics Framework (HAF)

Kontakt: Prof. Dr. Achim Streit
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.10.2017 - 31.03.2021
Projektseite: www.helmholtz-analytics.de/

Das Pilotprojekt Helmholtz Analytics Framework (HAF) wird die Entwicklung der Datenwissenschaften in der Helmholtz-Gemeinschaft stärken. Gemeinsam mit vier weiteren Helmholtz-Zentren werden in einem Co-Design Ansatz zwischen Domänenwissenschaftler und Datenanalyseexperten herausfordernde Anwendungsprobleme aus den jeweiligen Helmholtz-Zentren untersucht. Konkret handelt es sich dabei um Fragen zur Erdsystemmodellierung, Strukturbiologie, Luft- und Raumfahrt, Neurowissenschaften und der Medizinische Bildgebung.

Mehr

Numerische Simulation von Schwerinonenstrahlen mittels Minimum-Entropie-Rekonstruktion (Shine)

Kontakt: Prof. Dr. Martin Frank, Dr. Jonas Kusch
Förderung: DFG
Laufzeit: 01.09.2017 - 31.12.2020

Development of an innovative measurement system based on P&DGNAA technology for environmental analysis including new evaluation algorithms.

Mehr

OCR-D

Kontakt: Dr. Rainer Stotzka
Förderung: DFG
Laufzeit: 15.08.2017 - 31.12.2018
Projektseite: ocr-d.de

OCR-D ist das Koordinierungsprojekt der Deutschen Forschungsgemeinschaft (DFG) zur Weiterentwicklung von Verfahren der Optical Character Recognition für deutschsprachige Drucke aus dem 16.-19. Jahrhundert. Das wesentliche Ziel ist die Volltexterfassung des gedruckten, deutschen Kulturerbes in diesem Zeitraum.

Authentiation and Authorisation for Research and Collaboration (AARC)

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.05.2017 - 30.04.2019
Projektseite: 10822.php

Das EU-Projekt AARC hat zum Ziel, ein integriertes technologieübergreifendes Authentfizierungs- und Autorisierungsframework zu entwickeln und prototypisch zu implementieren. Basis sind vorhandene AAIs sowie produktive, föderierte Infrastrukturen.

Weiterentwicklung des Dienstes bwSync&Share in Baden-Württemberg

Kontakt: Thomas Brandel
Förderung: MWK
Laufzeit: 01.01.2017 - 31.12.2019
Projektseite: www.alwr-bw.de/dienste-der-beteiligten-einrichtungen/bwsyncshare

Der Landesdienst bwSync&Share ist ein Online-Speicherdienst für Mitarbeiter und Studierende der Universitäten und Hochschulen in Baden-Württemberg.

Helmholtz Data Federation - HDF

Kontakt: Prof. Dr. Achim Streit
Förderung: Helmholtz-Gemeinschaft
Laufzeit: 01.01.2017 - 31.12.2021
Projektseite: www.helmholtz.de/hdf/

Die Helmholtz-Data Federation (HDF) ist eine strategische Initiative der Helmholtz-Gemeinschaft, die sich einer der großen Herausforderungen des nächsten Jahrzehnts annimmt: Die Bewältigung der Datenflut in der Wissenschaft, insbesondere aus den großen Forschungsinfrastrukturen der Helmholtz-Zentren.

bwCloud - Die Baden Württemberg Cloud - bwCloud SCOPE

Kontakt: Matthias Leander-Knoll
Förderung: MWK
Laufzeit: 01.01.2017 - 31.12.2019
Projektseite: www.bw-cloud.org

Die Baden-Württemberg Cloud stellt Lehr- und Forschungseinrichtungen des Landes ohne langwieriges Antragsverfahren virtuelle Maschinen zur Verfügung, die wie entsprechende Angebote kommerzieller Anbieter genutzt werden können. (Siehe auch die ALWR-Webseite zu bwCloud: https://www.alwr-bw.de/fr/dienste-der-beteiligten-einrichtungen/bwcloud/)

Zerstörungsfreie Bestimmung von Reststoffen und Altlasten - ZEBRA

Kontakt: Prof. Dr. Martin Frank, Kira Göbbels
Förderung: EU
Laufzeit: 15.11.2016 - 31.12.2020
Projektseite: www.nuclear-training.de/forschungsprojekte-details/zebra.html

Entwicklung einer innovativen Messanlage auf Grundlage der P&DGNAA sowie einer geeigneten Auswertemethodik für die Umweltanalytik.

Virtuelle Forschungsumgebung für die Wasser- und terrestrische Umweltforschung im Rahmen des Netzwerks Wasserforschung Baden-Württemberg - V-For-WaTer

Kontakt: Dr. Jörg Meyer
Förderung: MWK
Laufzeit: 01.07.2016 - 30.06.2018
Projektseite: www.vforwater.de

Das Projekt V-FOR-WaTer - Virtuelle Forschungsumgebung für die Wasser- und terrestrische Umweltforschung im Rahmen des Netzwerks Wasserforschung Baden-Württemberg - hat den Aufbau einer Virtuellen Forschungsumgebung (Virtual Research Environment, VRE) zum Ziel. Diese soll die gesammelten Forschungsdaten, die in Universitäten, Forschungseinrichtungen und Landesämtern entstehen, in ein übergreifendes System zusammenfassen. Läuft der Zugang zu all diesen unterschiedlichen Datenquellen über ein System, kann dies die Datenvorbehandlungsdauer für komplexe Analysen erheblich reduzieren. Außerdem können so umfangreiche Datensätze zur Entwicklung einer einheitlichen Umweltsystemtheorie herangezogen werden.

Advanced Data Placement via Ad-hoc File Systems at Extreme Scales - ADA-FS

Laufzeit: 01.04.2016 - 31.03.2019

Zukünftige exascale HPC-Systeme benötigen effiziente Datenmanagement-Methoden. Dabei sind die Lokalität der Daten und der effiziente Zugriff während einer Simulation von großer Bedeutung.

Mehr

Entwicklung eines dezentralen elektronischen Laborbuchs - EDEL

Kontakt: Jan Potthoff, Veronika Leonhardt
Förderung: DFG
Laufzeit: 01.01.2016 - 31.12.2019
Projektseite: chemotion.net

Durch die Entwicklung eines dezentralen elektronischen Laborbuchs nutzen Forscher und Wissenschaftler am KIT zukünftig auch in der Labordokumentation viele Vorteile der Digitalisierung.

Mehr

bwDIM - Data in Motion

Kontakt: Dr. Felix Bach
Förderung: MWK
Laufzeit: 01.01.2016 - 30.06.2018

Das Landesprojekt bwDataInMotion (bwDIM) unterstützt Wissenschaftlerinnen und Wissenschaftler der Universitäten in Baden-Württemberg beim Forschungsdatenmanagement. Es hat zum Ziel, den Datenfluss zwischen den unterschiedlichen Systemen zu vereinfachen.

Mehr

bwITSec - Entwicklung einer kooperativen IT-Sicherheitsstruktur der Universitäten des Landes Baden-Württemberg

Kontakt: Andreas Lorenz
Förderung: MWK
Laufzeit: 01.10.2015 - 31.12.2017

Im Projekt bwITsec wird ein landesweites Rahmenkonzept für die IT-Sicherheit und eine föderative IT-Sicherheitsstruktur entworfen. Das Projekt erarbeitet außerdem einen Plan zur Umsetzung einer CERT-Struktur für die Landesuniversitäten.

Mehr

Smart Data Innovation Lab (SDIL)

Kontakt: Andreas Petzold
Förderung: MWK
Laufzeit: 01.09.2015 - 31.08.2018
Projektseite: www.sdil.de

Das Scientific Computing Center (SCC) betreibt Forschungsplattform Smart Data Innovation Lab (SDIL) am KIT. SDIL schafft die Voraussetzungen für die Spitzenforschung im Bereich Big Data ...

Mehr

INDIGO-DataCloud

Kontakt: Dr. Marcus Hardt
Förderung: EU
Laufzeit: 01.04.2015 - 30.09.2017
Projektseite: www.indigo-datacloud.eu

Das Projekt entwickelt Lösungen für fehlende Komponenten in der aktuellen Grid und Cloud Middleware. Das SCC arbeitet an der föderierten Authentifizierung und Autorisierung sowie an der Einbindung von Archivsystemen in das verteilte Datenmanagement.

Metadata Management for Applied Sciences (MASi)

Kontakt: Dr. Rainer Stotzka
Förderung: DFG
Laufzeit: 01.03.2015 - 30.06.2019

In diesem Projekt soll ein generisches Metadatenmanagement für wissenschaftliche Daten etabliert werden, basierend auf einer anwendungsorientierten Metadatenbeschreibung. Die Umsetzung erfolgt begleitend durch Anwender unterschiedlicher und heterogener Anwendungsgebiete.

Mehr

EUDAT2020

Kontakt: Jos van Wezel
Förderung: EU
Laufzeit: 01.03.2015 - 28.02.2018
Projektseite: eudat.eu/projects/eudat2020

EUDAT - the collaborative Pan-European infrastructure providing research data services, training and consultancy for Researchers Research Communities Research Infrastructures & Data Centres

Smart Data Solution Center Baden-Württemberg - SDSC

Kontakt: Dr. Nico Schlitter
Förderung: MWK
Laufzeit: 01.10.2014 - 30.09.2017
Projektseite: www.sdsc-bw.de

Das SCC verstärkt seine Smart Data Aktivitäten und startet gemeinsam mit der TECO-Forschungsgruppe am KIT und der SICOS-BW GmbH in Stuttgart das Smart Data Solution Center Baden-Württemberg (SDSC-BW). Das zugehörige Projekt SDSC-BW wird vom Land Baden-Württemberg gefördert und unterstützt den regionalen Mittelstand bei der Hebung von Wertschöpfungspotentialen mittels innovativer Smart Data Technologien.

PolyEnergyNet - Resiliente Polynetze zur sicheren Energieversorgung - PEN

Kontakt: Dr. Matthias Bonn
Förderung: BMWI
Laufzeit: 01.09.2014 - 31.08.2017

Im Projekt PolyEnergyNet werden widerstandsfähige Ortsnetze erforscht und exemplarisch realisiert. Neben dem Stromnetz als „Leitnetz“ spielen auch Wärme- und Gasnetze mit verschiedenen Arten von Erzeugern, Speichern und Verbrauchern zusammen.

Mehr

Nationales Hosting elektronischer Ressourcen (NatHosting)

Kontakt: Till Neudecker
Förderung: DFG
Laufzeit: 01.02.2014 - 31.01.2016

Der kontinuierliche und störungsfreie Zugriff auf Publikationen und Daten ist eine Grundvoraussetzung für die wissenschaftliche Arbeit. Dieser Zugriff erfolgt in der Regel digital – oft direkt auf Portalen der Verlage und Anbieter. Dabei können unterschiedlichste Störungsfälle wie z.B. ein temporärer Ausfall des Verlagsservers, das Ausscheiden eines Verlags aus dem Markt oder die Abbestellung der Publikationen durch die Bibliothek auftreten. Um auch in diesen Fällen einen störungsfreien Zugriff zu ermöglichen, wird im DFG-Projekt Nationales Hosting elektronischer Ressourcen (NatHosting) ein Konzept entwickelt, um hierfür einen „doppelten Boden“ zu schaffen.

Mehr

Realisierung des Dienstes bwSync&Share in Baden-Württemberg - bwSync&Share(-Betrieb)

Kontakt: Klaus Scheibenberger
Förderung: MWK
Laufzeit: 01.01.2014 - 31.12.2016
Projektseite: www.alwr-bw.de/dienste-der-beteiligten-einrichtungen/bwsyncshare/

Der Landesdienst bwSync&Share ist ein Online-Speicherdienst für Mitarbeiter und Studierende der Universitäten und Hochschulen in Baden-Württemberg.

CollabFuL: Sichere soziale Kollaboration für Forschung und Lehre

Kontakt: Prof. Dr. Hannes Hartenstein
Förderung: MWK-BW (IQF)
Laufzeit: 01.01.2014 - 31.12.2016

Das Projekt CollabFuL: Sichere soziale Zusammenarbeit in Forschung und Lehre zielt darauf ab, eine offene, einheitliche, flexible und datenschutzfreundliche Umgebung für einen sicheren sozialen akademischen Informationsaustausch zu schaffen ...

Mehr

bwFDM-Communities

Kontakt: Dr. Frank Tristram, Prof. Dr. Achim Streit
Förderung: MWK
Laufzeit: 01.01.2014 - 30.06.2015
Projektseite: bwfdm.scc.kit.edu

Es soll langfristig über bessere Erhebung, Sicherung, Analyse und allgemeine Verfüg- und Suchbarkeit von Daten ein Mehrwert für die Forscher geschaffen werden. Als positiver Nebeneffekt können sich Wissenschaftler aus Baden-Württemberg dann auch leichter bei Forschungsförderungsentscheidungen der EU und DFG durchsetzen, weil diese eine Wissensweitergabe auch über Landesgrenzen hinaus stark wünschen und unterstützen.

bwDataArchiv - Archivierung von Forschungs- und Bibliotheksdaten - bwda

Kontakt: Jos van Wezel
Förderung: MWK
Laufzeit: 01.01.2014 - 31.12.2016
Projektseite: www.rda.kit.edu

Im Rahmen dieses Projekts wird das SCC als Archiv-Standort für Baden-Württemberg seine technische Infrastruktur für die langfristige Archivierung von Forschungs- und Bibliotheksdaten ausbauen.

Mehr

ASTOR - Arthropoden-Strukturaufklärung mittels ultra-schneller Tomographie und Online Rekonstruktion

Kontakt: Dr. Matthias Bonn
Förderung: BMBF
Laufzeit: 01.11.2013 - 30.06.2016
Projektseite: anka-astor-portal.anka.kit.edu

Im Rahmen des Projekts ASTOR entwickelt das SCC ein auf Cloud-Technologien basierendes Online-Portal. Über dieses Portal können Anwender für ihre Untersuchungen über Virtuelle Maschinen bereitgestellte Analyse-Applikationen auf OpenGL-Basis flexibel und standortunabhängig nutzen.

Mehr

RADAR - Research Data Repository

Kontakt: Prof. Dr. Bernhard Neumair
Förderung: DFG
Laufzeit: 01.09.2013 - 31.08.2016
Projektseite: www.radar-service.eu

Im Projekt RADAR wird ein entsprechender Service aufgebaut, der in erster Linie Forschenden, Institutionen und Verlagen eine Infrastruktur für die Archivierung und Publikation von Forschungsdaten bietet.

Mehr

intelligent Zero Emission Urban System – iZEUS

Kontakt: Prof. Dr. Hannes Hartenstein
Förderung: BMWI
Laufzeit: 01.01.2012 - 30.06.2014

iZeus (intelligent Zero Emission Urban System) bildet das Nachfolgeprojekt des Forschungsprojekts MeRegioMobil. Es hat zum Ziel, die Aspekte SmartGrid und SmartTraffic im Kontext des zunehmenden Bedeutung der Elektromobilität durch akademische Forschung und praxisnahe Feldtests weiter voranzutreiben.

Mehr