Motivation
KI ist längst Teil unseres Alltags. Meist cloudbasiert und proprietär bringt ihr Einsatz einige Herausforderungen für KMU mit sich: Datenschutz und -hoheit, Abhängigkeit von geschlossenen Formaten und Plattformen, Lizenzmodelle mit hohen Kosten und aufwändige, manuelle Integration in Geschäftsprozesse. Hinzu kommen gesellschaftliche Kosten des Energieverbrauchs von Rechenzentren. Hierzu werden im Projekt offene Modelle mit aufeinander abgestimmter, stromsparender Soft- und Hardware erforscht. Diese werden insbesondere zur medialen Transformation von Daten in Veranstaltungen eingesetzt.
Ziele und Vorgehen
Die LiquidInfo-Box soll eine optimierte Bibliothek von Modellen des maschinellen Lernens mit stromsparender Hardware verknüpfen und damit die Prozesse soweit verschlanken, dass sie lokal und ohne Cloud-Anbindung eingesetzt werden kann. Da die Datenverarbeitung auf dem jeweiligen Gerät erfolgt, wird die Datenhoheit gewahrt, Abhängigkeiten und Energieaufwand werden reduziert sowie Einrichtung und Integration vereinfacht. Verschiedene Analysen, Zusammenfassungen und Übersetzungen von Daten in Meetings, Präsentationen und anderen Veranstaltungen sollen mit einer einfachen Benutzeroberfläche ad hoc generiert und barrierearm in beliebige Medienformate ausgespielt werden können. Zunächst sollen passende Ansätze und Trainingsparadigmen zur Modell-Synthetisierung identifiziert werden. Anschließend werden multimodale Nutzerinterfaces und eine Metadaten-Ebene für Schnittstellen zur Übersetzung realisiert. Hinsichtlich ihrer Bedienbarkeit und Praxistauglichkeit wird die prototypische Box anhand realer Nutzungsszenarien assoziierter Partner evaluiert.
Innovationen und Perspektiven
Die angestrebte Lösung ermöglicht in Form einer Box in Veranstaltungen und Meetings, Informationen datensouverän und barrierefrei zur medialen Aufbereitung, Protokollierung und Übersetzung vor Ort zu verarbeiten. Auf Basis der zu entwickelnden Ansätze sollen auch neue Apps und Service-Angebote realisiert werden können. Damit können die Ergebnisse maßgeblich zu einer Open-Source-Schlüsseltechnologie für KI-Fragen zur Datensouveränität und Selbstwirksamkeit beitragen und einen weniger energieintensiven KI-Einsatz ermöglichen.