Das Austrian-Slovenian HPC Meeting (ASHPC) ist eine jährliche Konferenz, die Nutzer:innen und Anbieter von High-Performance Computing zusammenbringt. Die Veranstaltung hat sich zu einer wachsenden regionalen Plattform für den Austausch zwischen Wissenschaft, Technik, Infrastrukturbetreibern und HPC-Anwender:innen in Europa entwickelt.
Die diesjährige Ausgabe fand von 7. bis 10. April in Wien statt und begrüßte 160 Teilnehmer:innen aus 10 Ländern. Ein zentrales Thema des Programms war die zunehmende Annäherung von High-Performance Computing und Künstlicher Intelligenz.
In den Sessions und Diskussionen ging es unter anderem um energieeffiziente HPC-KI-Infrastrukturen, großskalige Modellinferenz, reproduzierbare Machine-Learning-Workflows sowie neue hybride Ansätze unter Einbeziehung von Quantencomputing. Die Vielfalt der wissenschaftlichen Anwendungen – von Astrophysik, Klimaforschung und Life Sciences bis hin zu Ingenieurwissenschaften und Digital Humanities – machte deutlich, welche zentrale Rolle HPC für komplexe, datenintensive Forschung spielt.
In diesem Kontext war die AI Factory Austria AI:AT mit drei Beiträgen vertreten, die zentrale Herausforderungen an der Schnittstelle von KI, HPC-Infrastruktur, Workflows und Kompetenzaufbau adressierten.
Managed AI Workloads auf gemeinsamen HPC-Systemen
Ein Schwerpunkt lag auf der Integration von Machine-Learning-Workloads in klassische HPC-Umgebungen. In ihrem Vortrag zu Managed ML Inference zeigte Iulia-Georgiana Rinea, ML Engineer, wie AI:AT eine Plattform entwickelt, die Echtzeit-Inferenzdienste für mehrere Nutzergruppen auf gemeinsamer GPU-Infrastruktur unterstützt.
Im Unterschied zu klassischen Batch-Workloads laufen Inferenzsysteme kontinuierlich, sind latenzsensitiv und werden über APIs genutzt. Diese Anforderungen machen neue architektonische Ansätze notwendig. Die AI:AT-Plattform kombiniert Kubernetes-basierte Orchestrierung mit Werkzeugen wie KServe und vLLM, um Modell-Lebenszyklen zu verwalten und effiziente Inferenz im großen Maßstab zu ermöglichen.
Ein besonderer Fokus liegt auf fairer Ressourcenzuteilung, etwa durch tokenbasierte Verbrauchsmessung, sowie auf umfassender Beobachtbarkeit entlang der gesamten Inferenzpipeline. Der Vortrag beleuchtete außerdem praktische Herausforderungen wie GPU-Scheduling in heterogenen Systemen und den Umgang mit Cold-Start-Zeiten von Modellen in gemeinsam genutzten Umgebungen.
ML-Workflows für Forschende vereinfachen
Gent Rexha, Senior ML Engineer, präsentierte die AI:AT-Softwareplattform für gemanagte, mandantenfähige Machine-Learning-Workflows auf HPC-Systemen. Der Beitrag adressierte eine bekannte Lücke: HPC-Cluster bieten zwar enorme Rechenleistung, verfügen jedoch häufig nicht über die benutzerfreundlichen Werkzeuge, die in modernen Machine-Learning-Prozessen erwartet werden.
Die Plattform setzt auf eine mehrschichtige Architektur, die die Komplexität von Batch-Schedulern wie SLURM abstrahiert, Kubernetes-basierte Pipeline-Orchestrierung integriert und eine sichere Trennung verschiedener Nutzergruppen auf gemeinsamer Infrastruktur ermöglicht. Forschende können Workflows über ein Python SDK definieren und ausführen, ohne detailliertes Wissen über die zugrunde liegenden HPC-Systeme mitbringen zu müssen.
Durch die Verbindung von Reproduzierbarkeit, Skalierbarkeit und einfacher Nutzbarkeit senkt die Plattform die Einstiegshürde für Forschungsgruppen, die fortgeschrittene KI-Methoden einsetzen möchten, und erhält zugleich die Leistungsvorteile von HPC.
Kompetenzen im KI-Ökosystem aufbauen
Neben Infrastruktur und Softwarewerkzeugen bleibt der Aufbau von Kompetenzen ein zentraler Bestandteil der europäischen KI-Strategie. In diesem Zusammenhang stellte Michael Iro, Koordinator des AI:AT Learning Centre, das AI:AT Learning Center vor, das auf Training, Weiterbildung und Wissenstransfer ausgerichtet ist.
Als Teil eines breiteren europäischen Netzwerks von AI Factories trägt AI:AT dazu bei, das KI-Ökosystem zu stärken, indem Rechenressourcen, Daten und Expertise miteinander verbunden werden. Zu den Aktivitäten des Learning Centers zählen strukturierte Trainingsprogramme, Selbstlernplattformen, Curriculumentwicklung und Austauschformate. Diese Angebote richten sich an unterschiedliche Zielgruppen – von Forschenden und Studierenden bis hin zu Unternehmen und öffentlichen Organisationen.
Europäische Zusammenarbeit im Fokus
Die ASHPC 2026 unterstrich die Bedeutung europäischer Zusammenarbeit. Beiträge von Teilnehmer:innen aus ganz Europa sowie Präsentationen verschiedener EU-Initiativen zeigten, wie intensiv derzeit an einer vernetzten und interoperablen KI- und HPC-Landschaft gearbeitet wird.
Mit der nächsten Ausgabe, der ASHPC 2027, die von 6. bis 9. April 2027 in Rimske Terme stattfinden wird, setzt sich der Austausch zwischen den europäischen HPC- und KI-Communities weiter fort.
Weitere Informationen:
