KI4KMU - Verbundprojekt SCAMP: Scale-out Machine-Learning Platform

Schlussbericht

dc.date.accessioned2026-04-30T06:08:02Z
dc.date.available2026-04-30T06:08:02Z
dc.date.issued2025
dc.description.abstractZiel des Projektes SCAMP ist die Forschung an Basistechnologien für die Entwicklung von anspruchsvollen KI-Anwendungen. Als konkreter Anwendungsfall wird dabei ein datenschutzkonformer digitaler Sprachassistent für Business-Anwendungen betrachtet werden. Im Gegensatz zu den im Consumer-Bereich verbreiteten Sprachassistenten werden in SCAMP keine fremd-betriebenen Cloud-Ressourcen genutzt werden, da deren Vertrauenswürdigkeit nicht immer garantiert werden kann. Stattdessen wird die erforderliche Rechenleistung wirtschaftlich und vertrauenswürdig am eigenen Firmenstandort ("on-premise") oder in einer eigenen Unternehmens-Cloud erbracht werden können. In SCAMP wird unter anderem die fundamentale Forschungsfrage adressiert werden, wie durch geschickte Kombination von verschiedenen Recheneinheiten eine kostengünstige, energiesparende und vertrauenswürdige Plattform speziell für latenzkritische KI-Aufgaben wie den digitalen Sprachassistenten aufgebaut werden kann. Dabei müssen zum einen Aspekte der Plattformarchitektur betrachtet werden: Welche Arten von Recheneinheiten müssen auf welche Weise miteinander kombiniert werden, um die Sprachassistentenfunktionen in der gewünschten Form bereitzustellen? Wie verteilt man die vielen Teilaufgaben des Sprachassistenten auf die unterschiedlichen Komponenten? Und wie tauschen die verschiedenen Recheneinheiten Daten zwischen den Teilaufgaben aus. Ähnlich wie bei den Recheneinheiten gibt es auch bei den Kommunikationsverbindungen verschiedenste Mechanismen, die für unterschiedliche Anwendungsszenarien optimiert sind. Hier soll erforscht werden, welche der Mechanismen für die konkret benötigten Anwendungsfälle am besten geeignet sind und welche Auswirkungen ihre Nutzung auf die Qualitätsziele des Gesamtsystems haben. In SCAMP werden diese Mechanismen nicht nur erforscht, sondern ihre Komplexität wird auch in geeigneten Programmierabstraktionen gekapselt.ger
dc.description.versionpublishedVersion
dc.identifier.urihttps://oa.tib.eu/renate/handle/123456789/35822
dc.identifier.urihttps://doi.org/10.34657/34890
dc.language.isoger
dc.publisherHannover : Technische Informationsbibliothek
dc.relation.affiliationXelera Technologies GmbH
dc.rights.licenseCreative Commons Attribution-NonDerivs 3.0 Germany
dc.subject.ddc000 | Informatik, Information und Wissen, allgemeine Werke
dc.titleKI4KMU - Verbundprojekt SCAMP: Scale-out Machine-Learning Platformger
dc.title.subtitleSchlussbericht
dc.typeReport
dcterms.event.date01.06.2021 bis 31.05.2024
dcterms.extent25 Seiten
dtf.funding.funderBMFTR
dtf.funding.program01IS21007A
dtf.funding.verbundnummer01233980
tib.accessRightsopenAccess

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
BMBF01IS21007A.pdf
Size:
1.76 MB
Format:
Adobe Portable Document Format
Description: