Helmholtz investiert 23 Millionen Euro in Forschung zu KI-Grundlagenmodellen

Foundation Models sind KI-Anwendungen, die auf der Grundlage einer sehr breiten Wissensbasis in der Lage sind, eine Reihe von komplexen Problemen zu lösen. Sie sind damit deutlich leistungsstärker und flexibler als herkömmliche KI-Modelle und eignen sich somit auch für die Wissenschaft. Durch gezieltes Training mit umfangreichen Datenmengen und die Nutzung von generativer KI sind sie in der Lage, komplexe Zusammenhänge auf der Grundlage erlernter Muster zu verstehen, neue Zusammenhänge zu generieren sowie Prognosen zu erstellen. Dadurch lassen sich zum Beispiel weltweite Klimadaten stärker vernetzen oder medizinische Diagnosen fundamental verbessern. „Wir sind davon überzeugt, dass wir mit Foundation Models die Grenzen der Wissenschaft verschieben können. Helmholtz bringt dafür nicht nur herausradenge Talente und umfassende Datensätze aus verschiedenen Forschungsbereichen, sondern auch eine einzigartige Computer-Infrastruktur zusammen,“ sagt Otmar Wiestler, der Präsident der Helmholtz-Gemeinschaft. 

Ziel der auf drei Jahre angelegten Helmholtz Foundation Model Initiative (HFMI) ist es, voll funktionsfähige Modelle zu entwickeln. Dafür wurden vier Pilotprojekte ausgewählt, an denen Wissenschaftlerinnen und Wissenschaftler aus zwölf Helmholtz-Zentren arbeiten. Über einen Zeitraum von drei Jahren erhalten die Projekte eine Förderung in Höhe von 11 Millionen Euro. Weitere 12 Millionen werden in den Ausbau von nötiger Infrastruktur investiert. Eine Synergy Unit forscht zudem an disziplinübergreifenden Fragestellungen, fördert den Wissensaustausch zwischen den einzelnen Projekten und übernimmt übergreifende Aktivitäten. Die geförderten Projekte sollen nicht nur einen klaren Mehrwert für die Wissenschaft bieten, sondern die finalen Ergebnisse auch als Open Source der Gesellschaft zur Verfügung stellen – vom Code über die Trainingsdaten bis hin zu den trainierten Modellen.

HClimRep: Wechselwirkungen zwischen Atmosphäre, Ozean und Meereis in einem neuartigen Klimamodell erfassen

Was wäre, wenn wir Vorhersagen über das zukünftige Klima noch genauer und viel schneller und effizienter treffen könnten? Könnten wir die Ursachen des Klimawandels dadurch besser bekämpfen und seine Folgen abmildern? Könnten wir die Auswirkungen der Erderwärmung dadurch für alle eindrücklich sichtbar machen? Das Projekt HClimRep hat sich zum Ziel gesetzt, genau solche Fragen zu beantworten. Mit dem Bau eines der ersten KI-Foundation Models für die Klimaforschung, das Daten aus der Atmosphäre, dem Ozean und dem Meereis miteinander kombiniert, entwickeln Forschende eines der präzisesten Wetter- und Klimamodelle der Welt. Dieses Deep-Learning-Modell mit mehreren Milliarden von Parametern wird dank umfangreichen Trainings auf Europas erstem Exascale Computer in der Lage sein, komplexe „Was-wäre-wenn“-Experimente sowie andere Modellierungsaufgaben des Ozeans und der Atmosphäre durchzuführen.

Beteiligte Helmholtz-Zentren: Forschungszentrum Jülich, Alfred-Wegener-Institut, Helmholtz-Zentrum für Polar- und Meeresforschung, Karlsruher Institut für Technologie und Helmholtz-Zentrum Hereon.

 „The Human Radiome Project“: 3D-Radiologiedaten zum fundamental besseren Verständnis von Anatomie und Pathologie       

Je genauer Tumore lokalisiert und markiert werden können, desto erfolgreicher fällt eine Strahlentherapie aus. Allerdings stieß die Medizin genau in diesem Punkt bisher an ihre Grenzen, weil es bislang sehr aufwendig war, Ergebnisse verschiedener Bildgebungsverfahren ins Verhältnis zueinander zu setzen und im dreidimensionalen Format auszuspielen. Die genaue Lokalisierung und Markierung von Tumoren ist eins von vielen Verfahren, die das „Human Radiome Project“ im Bereich der medizinischen Bildgebung verbessern können wird. Es vereint die weltweit umfangreichste und vielfältigste Sammlung von 3D-radiologischen Bildern, wie MRT- und CT-Scans, in einem Foundation Model. Dadurch erhalten Forschende tiefe Einblicke in die menschliche Anatomie und Pathologie sowie eine Übersicht über das gesamte Spektrum an radiologischen Informationen. Das „Human Radiome Project“ verbessert nicht nur die personalisierte Medizin, sondern auch die Effizienz der Diagnostik, indem es die Notwendigkeit manueller Beschriftungen von komplexen medizinischen Bildern verringert. 

Beteiligte Helmholtz-Zentren: Deutsches Krebsforschungszentrum, Deutsches Zentrum für Neurodegenerative Erkrankungen und Max Delbrück Center.

SOL-AI: Entwicklung und Optimierung von Photovoltaikmaterialien 

Photovoltaik ist eine Schlüsseltechnologie für die Energiewende. Für den notwendigen Zuwachs der weltweiten Nutzung von kostengünstigem Sonnenstrom müssen innovative Solarzellkonzepte schneller umgesetzt werden. Die Aktivitäten in Forschung und Entwicklung hierzu nehmen rasant zu und führen zu einer Fülle an wissenschaftlichen Publikationen. Doch durch die schiere Menge an Daten kommt es zu Grenzen bei der Umsetzung der neuesten Erkenntnisse. Mit SOL-AI wird ein Foundation Model geschaffen, das die Materialinformatik auf diesem Gebiet grundlegend reformieren soll. Es ist in der Lage, die Vielfalt der experimentellen Daten und Ergebnisse im Bereich der Forschung zu Photovoltaikmaterialien zusammenzuführen, um Innovationen in verschiedenen Bereichen voranzutreiben: angefangen bei der beschleunigten Bauteilentwicklung und -optimierung bis hin zur Entdeckung neuer Solarmaterialien. SOL-AI soll Lösungsansätze entwickeln, die praktische Relevanz für Forschung und Industrie besitzen werden.

Beteiligte Helmholtz-Zentren: Forschungszentrum Jülich, Karlsruher Institut für Technologie, Helmholtz-Zentrum Berlin für Materialien und Energie und Helmholtz-Zentrum Hereon.

3D-ABC: Berechnung und Visualisierung des globalen Kohlenstoffbudgets von Vegetation und Böden

Um die Folgen des weltweiten Klimawandels einzudämmen, benötigen wir fundiertes Wissen über das globale Kohlenstoffbudget, das sich aus CO2-Quellen und CO2-Speichern, wie Mooren, Wäldern oder Permafrostböden, zusammensetzt. Bislang konnten Forschende schwer beziffern, wie Veränderungen von Landflächen, Vegetationen oder Böden den Kohlenstoffkreislauf beeinflussen, da die Daten zu heterogen und verstreut waren. Das Foundation Model 3D-ABC wird Daten unterschiedlichster Quellen, wie z.B. von Satelliten, Drohnen oder lokalen CO2-Auffangstationen, zusammenbringen und modellieren. Auf diese Weise können Schlüsselparameter des globalen Kohlenstoffkreislaufs der Vegetation und der Böden mit hoher räumlicher Auflösung erfasst, quantifiziert und charakterisiert werden. 

Beteiligte Helmholtz-Zentren: Alfred-Wegener-Institut, Helmholtz-Zentrum für Polar- und Meeresforschung, Forschungszentrum Jülich, Helmholtz-Zentrum Potsdam – Deutsches GeoForschungsZentrum, Helmholtz-Zentrum Dresden-Rossendorf, Helmholtz-Zentrum für Umweltforschung und Deutsches Zentrum für Luft- und Raumfahrt.

Synergy Unit: Foundation Models entwickeln, bereitstellen und vernetzen 

Während sich die einzelnen Projekte auf ihre jeweils spezifischen Problemstellungen konzentrieren, fokussiert sich eine Synergy Unit auf übergeordnete Fragestellungen, die für alle teilnehmenden Projekte von Relevanz sind. Beispielsweise beschäftigt sie sich mit Fragen, die die Skalierbarkeit der Modelle oder das Training mit den Datensätzen betreffen. Dabei geht es jedoch nicht einfach nur um den Austausch von Lösungsansätzen, sondern ganz zentral um die Frage, wie die Forschung zu Foundation Models über Disziplingrenzen hinweg möglichst schnell vorangetrieben werden kann. Somit sichert die Synergy Unit eine langfristige Wirkung der Helmholtz Foundation Model Initiative zum Wohle der Allgemeinheit. 

Beteiligte Forschungszentren: Deutsches Krebsforschungszentrum, Helmholtz Munich, Forschungszentrum Jülich und Max Delbrück Center.