bwGPUL

Projektbeschreibung

Ausgelöst durch die steigende Nachfrage nach schnell und einfach nutzbaren GPU-Ressourcen in der Lehre läuft das Projekt bwGPUL seit März 2020 als Kooperationsprojekt der Hochschulen Offenburg und Furtwangen sowie der Universität Freiburg. Dabei sollen die verschiedenen Bedürfnisse der Anwender (Lehrende, Administration) erfasst und diverse Ansätze untersucht und umgesetzt werden.

Viele aktuelle Themen in der Industrie und Forschung drehen sich um Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Beispiele wie autonomes Fahren oder Bild- bzw. Videoerkennung sind nur zwei populäre Teilgebiete, die in den letzten Jahren großes Interesse wecken. In der Industrie gängige Vorgehensweisen, wie das Bündeln von Rechenkapazität in einem zentralen Cluster, sind in der Lehre häufig nicht praktikabel oder schlicht zu teuer. Dabei gibt es in Form von üppig ausgestatteten Workstations oder Einzelplatzrechnern durchaus Kapazitäten. Diese, in Randzeiten häufig brachliegenden Ressourcen, sollen im Projekt bwGPUL flexibel für die Lehre nutzbar gemacht werden.

Ziele

Es sollen zeitnah Lösungsansätze für nachhaltige und kostengünstige GPU-Ressourcen für die Lehre im Land entwickelt und prototypisch umgesetzt werden. Dabei soll möglichst auf bestehender Infrastruktur aufgebaut und Synergien mit Anwendungen jenseits der KI wie z.B. CAD, MATLAB oder Simulationsumgebungen genutzt werden:

• Erweiterung von bwLehrpool für GPU-Anwendungen (derzeit können GPU Rechenressourcen nicht adäquat eingebunden werden).
• Erstellen von prototypischen KI/ML/CAD/MATLAB-Lehrumgebungen in bwLehrpool (Bereitstellung von Images für Vorlesungen und Laborübungen).
• Erweiterung von bwLehrpool um Remote-Zugänge, so dass leistungsfähige und damit entsprechend teure GPU-Hardware auch außerhalb der Öffnungszeiten der PC-Pools für Hausaufgaben, Projekte und Thesen genutzt werden kann.
• Erarbeitung eines Hardwarekonzepts für eine bwGPU-Workstation für die vielerorts anstehende Erneuerung von (CAD-)Pools unter Berücksichtigung von:
  • Synergien mit anderen Nutzergruppen wie z.B. CAD, Simulation, Medienproduktion oder Spieleentwicklung
  • der Evaluation günstiger GPU Hardware Alternativen (zum teuren Marktführer NVIDIA)
• Konzeption einer Schnittstelle zwischen bwLehrpool und bwCloud, so dass Lehrumgebungen aus lokalen PC-Pools nahtlos im Landesdienst bwCloud verwendet werden können, um den Studierenden erweiterte Rechenkapazitäten anzubieten.
• Automatisches Scheduling von ML-/Rendering-Jobs auf die unterschiedlichen, zur Verfügung stehenden Ressourcen an den Hochschulen.