Der Cluster macht’s möglich

Mehr Rechenleistung für Studierende der FH Münster / Abschlussarbeiten zu Künstlicher Intelligenz


Münster/Steinfurt (4. Februar 2019). Manchmal muss es eben ein bisschen mehr sein. Vor allem, wenn massig Daten im Spiel sind – und herkömmliche Laptops und Computer mit denen nicht mehr klarkommen. So ging es Yves-Noel Weweler und Marc Dangschat in ihren Masterarbeiten zu Spracherkennung und Sprachsynthese, und auch Sven Könning in seiner Bachelorarbeit über Künstliche Intelligenz in der Architektur. Zwei Welten, ein Nenner: Die Studenten der FH Münster griffen auf den Steinfurter Campus Cluster (SCC) zurück, einen Linux-Rechnerverbund und gleichzeitige Workstation für wissenschaftliches Rechnen und offenen Datenaustausch. Der Cluster stellt Professoren, Lehrenden, Doktoranden und Studierenden genügend Speicherplatz für ihre Vorhaben zur Verfügung und beinhaltet zusätzlich freie Software für Simulationsrechnungen, Messdatenverarbeitung und zum Erstellen von wissenschaftlichen Publikationen.

„Zuletzt haben wir für 40.000 Euro neue Grafikkarten angeschafft, um den Studierenden und Wissenschaftlern den Einstieg in Big Data und Machine Learning zu ermöglichen“, sagt Markus Gilbert, Physiker am Fachbereich Physikalische Technik, der den Cluster verwaltet. Und diese Grafikkarten kamen für Weweler und Dangschat vom Fachbereich Elektrotechnik und Informatik gerade recht. Weweler hat sich mit Sprachsynthese beschäftigt: Dabei gibt man Text in ein Programm hinein und Sprache kommt heraus. Bei Dangschat war es genau anders herum: Er liefert gesprochene Sprache, die Software den Text dazu. „Dahinter stecken ein neuronales Netz und mehrere Monate digitale Trainingszeit“, erklärt Dangschat. „Dank des Clusters konnten wir die aber innerhalb einer Woche durchlaufen.“

Für ihre Software haben die zwei verschiedene neuronale Netzwerkkomponenten kombiniert und modelliert, und herausgekommen sind Ende-zu-Ende trainierte Systeme. Diese Systeme lernen Text und Sprache umzuwandeln, ohne die einzelnen Laute, Wörter oder Phrasen im Text den Positionen in der Sprache zuzuordnen. Sie betrachten und verarbeiten Sprache als Einheit und geben auch Einheiten an Sprache und Text aus. „Das ist ein relativ neues Konzept im Bereich der Spracherkennung“, berichtet Weweler. „Und es ist so aktuell, dass es von Industriegrößen verwendet und verkauft wird.“

Ganz anders ist Sven Könning an seine Arbeit herangegangen. Er studiert am Fachbereich Architektur, der Münster School of Architecture (MSA). „Es wäre ja spannend, wenn der Computer Muster auf Bildern erkennen und direkt Merkmale extrahieren könnte, zum Beispiel Holz, Klinker oder Putz an der Fassade unterscheidet oder spezielle Fensterbögen und Ornamente erkennt“, sagt der 26-Jährige. Und das Ganze im nächsten Schritt dann sogar einer Epoche, einem Stil oder gar einem renommierten Architekten zuordnet.

Könning machte sich ans Werk und trug dafür Deep-Learning-Methoden zusammen, konfigurierte die Betriebssysteme und schrieb hier und da ein Skript um – wohlgemerkt als angehender Architekt. „Das Interesse an Technik war bei mir aber auch schon immer da“, erzählt Könning, der vor Open Source-Software und Data Science nicht zurückschreckt. „Und ich möchte Umwälzungen in die Architektur bringen. Künstliche Intelligenz könnte langweilige, repetitive Arbeitsschritte übernehmen oder schneller mehrere Varianten, Optionen und Möglichkeiten eines Entwurfs erzeugen als bisher.“ Auch bei ihm hat der Cluster die entscheidende Infrastruktur für die vielen Berechnungen gestellt.

Zum Thema:
Machine Learning sind mathematische Techniken, mit denen Maschinen und Systeme selbstständig Wissen aus Erfahrung generieren können, also selbstständig lernen können. Das Deep Learning beschreibt eine Methode innerhalb des Machine Learnings. Es arbeitet mit neuronalen Netzen, ähnlich wie das menschliche Gehirn. Maschinen können damit nicht nur aus ihren Erfahrungen lernen, sondern darin auch noch Strukturen und Muster erkennen und sich somit selbstständig reflektieren und verbessern. Beide Methoden lassen sich der Künstlichen Intelligenz (KI) zuordnen.

 


Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Weitere Informationen und die Möglichkeit zum Widerruf finden Sie in unserer Datenschutzerklärung.
Seite drucken