Weitere Informationen finden Sie unter:
https://kisski.gwdg.de/
KISSKI-MED
Ein hochverfügbares KI-Servicezentrum für sensible und kritische Infrastrukturen
Contact
Project partners
Das Konsortium setzt sich auf Partnern an den Standorten Göttingen, Hannover und Kassel zusammen:
- Georg-August-Universität Göttingen (UGOE)
- Campus-Institut Data Science (CIDAS)
- Forschungszentrum L3S der Leibniz Universität Hannover (LUH)
- Gesellschaft für wissenschaftliche Datenverarbeitung Göttingen (GWDG)
- Leibniz Universität IT Services (LUIS)
- Medizinische Hochschule Hannover (MHH)
- Universitätsmedizin Göttingen (UMG)
- aQua-Institut
- Fraunhofer-Institut für Energiewirtschaft und Energietechnik (IEE)
- Leibniz Forschungszentrum Energie (LiFE)
Funding
Richtlinie zur Förderung zum Aufbau von KI-Servicezentren
Summary
Das Projekt KISSKI konzentriert sich auf die Forschung und Bereitstellung von KI-Methoden in einem hochverfügbaren KI-Servicezentrum für kritische und sensible Infrastrukturen. Insbesondere in den Bereichen Medizin und Energie, die zu den Zukunftsfeldern der angewandten KI-Forschung in Deutschland gehören, bietet die steigende Komplexität der Aufgaben und die Verfügbarkeit umfangreicherer Datenmengen großes Potenzial für den Einsatz von KI. KISSKI zielt darauf ab, kleinen und mittelständischen Unternehmen einen effektiven Zugang zu KI-Infrastruktur, -Methoden und -Expertise zu ermöglichen.
Da sowohl Energie als auch Medizin kritische und sensible Infrastrukturen darstellen, sind hohe Anforderungen an den Einsatz von KI-Methoden zu erfüllen. KISSKI möchte herausfinden, wie KI-Modelle effektiv in solch anspruchsvolle Umgebungen integriert werden können.
Die Forschungsarbeiten innerhalb von KISSKI dienen der Effizienzsteigerung bei der Nutzung der Infrastruktur des Servicezentrums und der Stärkung der Anwender bei der Anwendung von KI. Die Forschungsthemen umfassen skalierbares KI-Training und hochverfügbare Inferenz für sensible Daten, teilautomatische Skalierung von KI-Modellen, Nutzung heterogener Hardware für KI-Modelle sowie sicheres und effizientes Datenmanagement. Erfolgreiche Forschungsergebnisse werden in Prototypen umgesetzt und in die Services integriert, um diese weiter zu verbessern.
Der Fokus des PLRI liegt auf der Bereitstellung des Domänenwissens Medizin und definiert sich durch folgende Aufgabenbereiche:
- Entwickeln von Usecases, Best Practices und Benchmarking-Protokollen für den Bereich Medizin, sowie Schnittstellen zur retrospektiven Analyse medizinischer Fallbeschreibungen.
- Services zur anwendungs- und datenspezifischen Model-Selection und dem Model-Tuning im medizinischen Bereich.
The KISSKI project focuses on the research and deployment of AI methods in a highly available AI service center for critical and sensitive infrastructures. Especially in the fields of medicine and energy, which are among the future fields of applied AI research in Germany, the increasing complexity of tasks and the availability of more extensive amounts of data offer great potential for the use of AI. KISSKI aims to provide small and medium-sized enterprises with effective access to AI infrastructure, methods, and expertise.
Since both energy and medicine are critical and sensitive infrastructures, there are high requirements for the use of AI methods. KISSKI aims to discover how AI models can be effectively integrated into such challenging environments.
Research within KISSKI aims to increase efficiency in the use of the service center's infrastructure and empower users in the application of AI. Research topics include scalable AI training and highly available inference for sensitive data, semi-automatic scaling of AI models, use of heterogeneous hardware for AI models, and secure and efficient data management. Successful research results are prototyped and integrated into services to further improve them.
The focus of the PLRI is on providing domain knowledge of medicine and is defined by the following task areas:
- Developing use cases, best practices, and benchmarking protocols for the domain of medicine, as well as interfaces for retrospective analysis of medical case descriptions.
- Services for application and data-specific model selection and model tuning in the medical domain.
Duration
10/2022 - 12/2025