GENESIS

Das Vorhaben zielt darauf ab, die nächste Generation generativer KI-Systeme zu erforschen, die über die Fähigkeiten herkömmlicher Sprachgenerierung hinausgehen. Ziel ist die Entwicklung eines nachhaltigen KI-Agenten, der beispielsweise in digitalen Assistenten eingesetzt werden kann. Dieser Agent basiert auf einem multimodalen KI-System, das Nutzereingaben interpretiert, in konkrete Handlungsanweisungen umsetzt und diese eigenständig ausführt. Ein zentrales Merkmal des Agenten ist seine Fähigkeit, semantische Strukturen und Zusammenhänge in Daten zu erkennen und in präzise Steuerungsbefehle zu überführen. Dadurch kann er spezifische Aufgaben erlernen und automatisiert ausführen. Besonders die Steuerung von Systemen auf Basis multimodaler Nutzereingaben eröffnet ein breites Anwendungsspektrum – von der Robotik bis hin zu virtuellen Assistenten. Neben dem Training generativer KI-Modelle erfordert auch die Inferenz erhebliche Rechenressourcen. Daher wird erforscht, wie generative Modelle, Verfahren und Methoden der Künstlichen Intelligenz möglichst effizient und ressourcenschonend angewendet werden können. Ein besonderer Fokus liegt dabei auf der Optimierung für lokale Hardware mit begrenzten Kapazitäten, um eine hohe Leistungsfähigkeit auch bei eingeschränkten Rechenressourcen sicherzustellen. Die Nachvollziehbarkeit generativer KI-Modelle stellt aufgrund ihrer Komplexität eine Herausforderung dar. Um die Entscheidungsprozesse des Systems möglichst transparent zu gestalten, wird gezielt an der Verbesserung der Interpretierbarkeit geforscht. Dies soll helfen, fehlerhafte oder unerwünschte Ergebnisse frühzeitig zu erkennen und zu korrigieren. Aufgrund der Autonomie des zu entwickelten Systems muss sichergestellt werden, dass es im Interesse der Nutzer agiert. Daher werden gezielte Maßnahmen zur Validierung, Optimierung und Anpassung des KI-Systems entwickelt.