Ein Jahr GAIA-X 4 KI – das Projekt geht in die Praxisphase

Erste Demonstratoren und Anbindung an GAIA-X vorbereitet

©DLRMittels KI kann das Fahrzeug seine Umgebung segmentieren, klassifizieren und interpretieren. So kann es andere Verkehrsteilnehmende, die Fahrbahn, parkende Fahrzeuge, Verkehrszeichen und Personen erkennen und darauf reagieren.

Bereits nach einem Jahr Laufzeit kann das Projekt GAIA-X 4 KI erste Ergebnisse beim Aufbau verteilter Systemstrukturen für Anwendungen mit Künstlicher Intelligenz (KI) im Automotive-Bereich vorweisen. Dazu gehören erste Demonstratoren, anhand derer das Deutsche Zentrum für Luft- und Raumfahrt (DLR) gemeinsam mit den 13 beteiligten Unternehmen und Forschungseinrichtungen die Anwendung der offenen IT-Infrastruktur Gaia-X zeigen kann. Außerdem hat das Projektteam Anforderungen und Komponenten für die weitere Projektarbeit identifiziert, wie die Festlegung eines rechtlich-regulatorischen Rahmens für den Umgang mit großen Datenmengen und automatisierten Fahrfunktionen im Kontext von Gaia-X. Weiterhin haben die Forschenden Schnittstellen und Architekturen konzipiert, um die Anbindung der entwickelten KI-Anwendungen an die europäische Dateninfrastruktur Gaia-X sicherzustellen.

Projektkoordinator Dr. Sascha Knake-Langhorst vom DLR-Institut für Verkehrssystemtechnik fasst zusammen: „Nach einem Jahr Projektlaufzeit haben wir nun ein besseres Verständnis davon, wie Gaia-X das automatisierte Fahren und die Fertigungsprozesse voranbringen kann. Damit hat das Projekt den Grundstein gelegt, um in den nächsten zwei Jahren sein Ziel zu erreichen: den Aufbau eines Daten- und Dienste-Ökosystems für das Trainieren und Validieren von KI für das automatisierte Fahren und die Fahrzeugfertigung.“

Verknüpfung von großen Datenmengen mit Softwareservices

Das Projekt GAIA-X 4 KI hat im vergangenen Jahr zwei sogenannte Minimal Examples in den Themenfeldern Produktion und automatisiertes vernetztes Fahren entwickelt. Minimal Examples – übersetzt Minimalbeispiele – besitzen eine reduzierte Komplexität im Vergleich zu den darauf aufbauenden späteren Anwendungsfällen. Sie dienen dazu, ein Grundverständnis über die Anforderungen, Prozesse und Methoden zu entwickeln, die eine Gaia-X-basierte KI-Dateninfrastruktur benötigt.

Das Minimal Example „CARLA“ hat das Ziel, ein Fahrzeug-Automationsframework an das Open-Source-Simulationsframework CARLA anzubinden, welches Anwendungsszenarien für die Automationsentwicklung virtuell darstellt. Damit können die Forschenden große Datenmengen mit komplexen Softwareservices verknüpfen, um anbieterübergreifende Dienstleistungen mit Gaia-X zu demonstrieren.

Im zweiten Minimal Example namens „KI Training Pipeline“ wird eine Prozesskette für das Trainieren von KI-Funktionen aufgebaut und auf Cloud-Systemen integriert. Dieser Dienst kann nach Fertigstellung im Projekt anwendungsübergreifend genutzt werden und bietet damit ein sehr gutes Beispiel für die Erforschung der Anforderungen an eine offene Daten- und Dienste-Infrastruktur, wie sie Gaia-X ermöglicht.

„Mit Hilfe der zwei Minimal Examples konnten wir erfolgreich die Grundlagen für den Umgang mit Daten und Diensten in einem Gaia-X-basiertem Ökosystem erarbeiten und bereits erste prototypische Anwendungen implementieren“, resümiert Knake-Langhorst. Durch die gezielte Auswahl und Integration weiterer Gaia-X-Kernkomponenten, deren Entwicklung derzeit europaweit vorangetrieben wird, kann das Projektkonsortium in den nächsten zwei Jahren die Minimal Examples um weitere Funktionen erweitern und an den Data Space anbinden. Das erworbene Wissen nutzen die Forschenden für die Anwendungsfälle im Projekt, die parallel zu den geschilderten Aktivitäten weiterentwickelt werden.

Konzeption von Schnittstellen, Architekturen und der Einbindung von GAIA-X

Neben der gemeinschaftlichen Arbeit an den Minimal Examples hat das GAIA-X 4 KI-Team die technischen Grundlagen erforscht und entwickelt. Dazu gehörte die Konzeptionierung und Entwicklung von Infrastrukturlösungen für die Implementierung von Gaia-X-konformen Funktionen und Diensten. In diesem Rahmen richteten die Projektbeteiligten zum Beispiel ein Cloud System ein, auf dem die oben beschriebenen Minimal Examples implementiert und getestet werden können. Darüber hinaus entwickeln die Forschenden derzeit einen Gaia-X-konformen Datenraum, welcher die Basis für die unterschiedlichen Anwendungsbeispiele im Projekt bilden wird.

Auch über Projektgrenzen hinaus wirkt das Konsortium bei der Entwicklung notwendiger technischer Gaia-X-Hauptkomponenten mit. Beispiele dafür sind die Gaia-X Federation Services und der Eclipse Dataspace Konnektor. Dafür sind die Projektbeteiligten aktiv in die entsprechenden Initiativen eingebunden und bringen die im Projekt ermittelten Anforderungen direkt in die Entwicklungsaktivitäten mit ein.

Rechtliche und regulatorische Voraussetzungen zur Datennutzung

Sowohl die Erhebung großer Daten durch KI-Anwendungen als auch die Entwicklung automatisierter Fahrfunktionen im Rahmen des Gaia-X-Ökosystems bringen besondere rechtliche Anforderungen mit sich. Daher untersuchen die Projektbeteiligten von GAIA-X 4 KI die sich aus dem Projekt ergebenen rechtlich-regulatorischen Fragestellungen und entwickeln passende Konzepte.

Anlehnend an die geplanten Anwendungsfälle und die Software-Entwicklungen haben die Forschenden bereits konkrete rechtliche Anforderungen ermittelt und IT-Sicherheits- und Cyber-Security-Konzepte erstellt. Die gewonnenen Erkenntnisse sollen den Projektbeteiligten bei der Entwicklung sowie konkreten Implementierung und Umsetzung der Demonstratoren im Daten-Ökosystem als Orientierung dienen. Darüber hinaus will das Projekt einen Überblick über die grundsätzlichen Anforderungen der genannten Rechtsgebiete darstellen.

Über das Projekt Gaia-X 4 KI

Das Projekt GAIA-X 4 KI ist im Juni 2021 gestartet und war damit das erste aus der Projektfamilie GAIA-X 4 Future Mobility in der Domäne Mobilität. 14 Unternehmen und Forschungseinrichtungen arbeiten in dem Projekt zusammen. Es läuft bis Mitte 2024, hat ein Budget von 18 Millionen Euro und wird durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert.