Lieferung einer Deep-Learning Infrastruktur

Die UniBw M hat am 11.08.2020 ein neues "Zentrum für Digitalisierung- und Technologieforschung der Bundeswehr" (kurz DTEC.Bw) gegründet. DTEC.Bw ist Bestandteil des Konjunkturprogrammes der Bundesregierung zur Überwindung der COVID-19 Krise und wird über das Bundesministerium der Verteidigung (BMVg) mit Forschungsmitteln aus dem Konjunkturprogramm ausgestattet. Das Projekt MissionLab wird durch DTEC.bw gefördert.

Für das Projekt MissionLab beabsichtigt die UniBw M, eine Deep-Learning Infrastruktur, bestehend aus einem Deep-Learning Cluster sowie sechs Deep-Learning Grafikkarten, zu erwerben.

Auftragsgegenstand ist die Lieferung, Installation und Inbetriebnahme eines Deep-Learning Clusters sowie die Lieferung von sechs Deep-Learning Grafikkarten.

Der Auftragnehmer muss zudem Serviceleistungen für fünf Jahre ab Abnahme des Deep-Learning Clusters erbringen.

Hauptort der Ausführung: Universität der Bundeswehr München (UniBw M) Werner-Heisenberg-Weg 39 85577 Neubiberg

In Zukunft wird die Leistungsfähigkeit militärischer Luftfahrzeuge in erheblichem Maß durch den Einsatz von Missionstechnologien bestimmt. Traditionell üben fast ausschließlich 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 Luftfahrzeugen und der steigenden Verfügbarkeit von Methoden und Algorithmen zur Abbildung menschlicher kognitiver Leistungen durch Künstliche Intelligenz (KI) auf Bord-rechnern (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.

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 Projekt MissionLab beabsichtigt die UniBw M, eine Deep-Learning Infrastruktur, bestehend aus einem Deep-Learning Cluster sowie sechs Deep-Learning Grafikkarten, zu erwerben.

Im Rahmen des Projektes Mission Lab muss die UniBw M den bereits an der UniBw M bestehenden Deep-Learning Cluster zum Anlernen bzw. Trainieren von neuronalen Netzen sowie zur Simulation aufrüsten.

Auftragsgegenstand ist die Lieferung, Installation und Inbetriebnahme eines Deep-Learning Clusters sowie die Lieferung von sechs Deep-Learning Grafikkarten. Zudem muss der Auftragnehmer Serviceleistungen für fünf Jahre ab Abnahme des Deep-Learning Clusters erbringen.

Der Auftragnehmer muss die sechs Grafikkarten bis zum 31.01.2023 liefern und den Deep-Learning Cluster bis zum 31.03.2023 liefern, installieren und in Betrieb nehmen.

Um bestehende Forschungsergebnisse und Software und Implementierung nutzen zu können, muss einerseits Kompatibilität zur bestehenden Serverinfrastruktur und zur Arbeitsplatzausstattung der Mitarbeiter der UniBw M gegeben sein. Um Systemkompatibilität zu gewährleisten, muss die UniBw M das Nachfolgesystem NVIDIA DGX H100 (Hopper) der bestehenden Deep-Learning Cluster NVIDIA DGX A100 (LT-218) anschaffen.

Zudem dauert das Lernen bzw. Trainieren sowie die Simulation von Sensoren und Flugzeugen bzw. Flugumgebungen sehr lange. Dies kann durch den Einsatz von speziell auf parallele Recheneinheiten (Deep-Learning Grafikkarten) abgestimmte Softwaremodule (Bibliotheken) erheblich beschleunigt werden (Faktor > 20-50). Der Einsatz dieser freien und kommerziellen Bibliotheken ist an die Grafikkarten von NVIDIA gebunden. Alternative Grafikkarten können hierbei nicht genutzt (u.a. von Intel, AMD) werden.

Für das Lernen von Multi-Task neuronalen Netzen sowie zur Verbesserung der Erkennungsleistung im Allgemeinen muss der Grafikkarten-Speicher pro Grafikkarte mindestens 80GB betragen.

Neben dem DGX-System muss die UniBw M bestehende Grafikkarten (LT-226, NVIDIA Quadro A6000) aufrüsten, um große Neuronale-Netze (CNNs) performant ausführen zu können. Hierbei müssen neben Geschwindigkeitsverbesserung (Kompatibilität zur NVIDIA Hopper Architektur, mindestens 5x Geschwindigkeit der A6000) auch jeweils ein Grafikkartenspeicher von mindestes 80GB pro Grafikkarte vorhanden sein. Des Weiteren müssen die Grafikkarten über PCI-Express 5.0 anschließbar sein. Die zum neu anzuschaffende Deep-Learning Cluster NVIDIA DGX H100 kompatible Grafikkarte ist die NVIDIA H100, 80GB, PCI-Express 5.0.

Bekanntmachungs-ID: CXP4YVC6CJY

Genaue Angaben zu den Fristen für die Einlegung von Rechtsbehelfen: