Lieferung, Installation und Vernetzung eines Deep-Learning Clusters

In Zukunft wird die Leistungsfähigkeit militärischer Luftfahrzeuge in erheblichem Maß durch den Einsatz von Missionstechnologien bestimmt. Traditionell üben fast aus-schließlich Menschen missionsspezifische Funktionen wie die Situationsanalyse, die Entscheidungsfindung und die Planung des Einsatzes aus. Sie greifen schon heute etwa mit Sensoren, Selbstschutzeinrichtungen und Wirkmitteln auf verschiedene technologische Hilfsmittel zurück, die bisher jedoch weit überwiegend eine dienende Funktion einnehmen. Mit der fortschreitenden Digitalisierung und Vernetzung von Luftfahr-zeugen und der steigenden Verfügbarkeit von Methoden und Algorithmen zur Abbildung menschlicher kognitiver Leistungen durch Künstliche Intelligenz (KI) auf Bordrechnern (z.B. wahrnehmen, analysieren, entscheiden, planen, kommunizieren, lernen), werden künftig immer mehr Missionsaufgaben automatisiert. Menschen müssen jedoch insbesondere aus ethischen Gründen auch in Zukunft die zentralen Entscheidungen treffen. Die Bundeswehr muss diesen stark steigenden Anforderungen an das effiziente und störungsfreie Zusammenwirken von Mensch und Technik Rechnung tragen. Die Bundeswehr erforschte und entwickelte die relevanten Technologien bisher in spezifischen Umgebungen, die auf die jeweilige Aufgabe zugeschnitten waren. Zukünftig wird die Bundeswehr auf neue Methoden zurückgreifen müssen, um die sich zwischen den kri-tischen Elementen Szenarien, Missionen, Nutzer und Missionstechnologien ergebenden Wechselwirkungen angemessen abzubilden. Mit dem Projekt MissionLab leistet die UniBw M einen Beitrag dazu, die nationale Analyse-, Beurteilungs- und Entscheidungsfähigkeit der Bundeswehr aufzubauen, zu stärken und mittel- bis langfristig zu erhalten. Durch das Projekt MissionLab schafft die UniBw M eine integrierte, über die beteiligten Institute verteilte Infrastruktur und Experimentalumgebung, mit der sie Missionstechnologien und entsprechende Konzepte zur Automatisierung, zur Mensch-Maschine-Integration und zur Ausbildung von Nutzern durchgängig von Constructive-Umgebungen (Rechner-Modelle) über Virtual Umgebungen (Simulator-Cockpits) bis hin zu Live-Umgebungen (Flugversuchsträger) untersuchen kann. Sie will Forschungsergebnisse anhand von Funktionsprototypen für Missionssysteme durchgängig und nahtlos von niedrigen Technologiereifegraden bis hin zu Flugversuchen in realen Umgebungen erzielen Für das dtec.bw Projekt MissionLab beschaffte die UniBw M eine Deep-Learning Infra-struktur. Der Auftragnehmer hat hierfür einen Deep-Learning Cluster geliefert, installiert und in Betrieb genommen sowie vier Deep-Learning Grafikkarten geliefert. Um die bisherige Software, einschließlich Trainings-Software-Framework, Trainingsdaten und bereits vortrainierte neuronale Netze, weiterverwenden zu können und eine gemeinsame und effiziente Nutzung der bisherigen Deep-Learning Workstation zu gewährleisten, sind weitere DGX-H100 Systeme und die entsprechende NVIDIA-Netzwerk-Infrastruktur notwendig. Auftragsgegenstand dieses Vergabeverfahrens ist die Nachrüstung und Vernetzung des bestehenden Deep-Learning Clusters. Hierfür muss der Auftragnehmer vier NVIDIA DGX H100-Systeme und die entsprechende NVIDIA-Netzwerk-Infrastruktur liefern, installieren und mit dem bestehenden System vernetzen.