Ein spezialisiertes, auf Supercomputern trainiertes Sprachmodell für Geodaten
Im Rahmen eines EU-Forschungsprojekts haben wir ein proprietäres LLM trainiert, das geografische Informationen aus externen Datenquellen präzise erkennt, extrahiert und aufbereitet – auf einem der größten Supercomputer Europas.
Ausgangssituation
Allgemeine Large Language Models (LLMs) sind exzellent im Verständnis natürlicher Sprache. Allerdings stoßen sie an Grenzen, wenn es um geografische Daten und räumliche Zusammenhänge geht – insbesondere, weil diese Informationen in den Trainingsdaten typischer Modelle oft nicht in geeigneter textueller Form vorliegen.
Das führt dazu, dass generische LLMs relevante geografische Daten nicht zuverlässig finden, extrahieren oder interpretieren können. Im Rahmen eines EU-Forschungsprojekts sollte daher ein spezialisiertes LLM entwickelt werden, das geografische Informationen aus externen Datenquellen automatisch erkennen, extrahieren und für Analysen aufbereiten kann.
Unsere Lösung
Wir trainierten ein proprietäres Modell auf dem CINECA Leonardo – einem der leistungsstärksten Supercomputer-Cluster Europas – im Rahmen der EuroHPC Joint Undertaking-Initiative:
-
Kuratierte & synthetische Trainingsdaten
Identifikation und Erstellung hunderttausender hochspezifischer Trainingsdatensätze mit geografischem Fokus, teilweise synthetisch generiert.
-
Supercomputer-Infrastruktur
Training auf CINECA Leonardo (EuroHPC JU) – Optimierung für Hochleistungs-Cluster-Infrastruktur für maximale Trainingseffizienz.
-
Eigene Evaluationskriterien
Entwicklung spezialisierter Bewertungsmetriken kombiniert mit Weights & Biases zur Steuerung und Qualitätsmessung des Trainings.
-
Forschungskooperation
Zusammenarbeit mit führenden Forschungseinrichtungen zur Verbesserung von LLM-Trainingsmethoden und Hardwareanpassungen.
Einblick in die Umsetzung
Neben der konzeptionellen Darstellung oben zeigen diese Materialien den tatsächlichen Projektstand — von Workshops über Prototypen bis zu produktiven Oberflächen.
Verwandte Cases
KI-Agent findet und prüft passende Geodaten per natürlicher Sprache
Rechercheaufwand von Stunden auf wenige Sekunden – mit Transparenz und Datenqualität.
Case ansehenOpen-Source-MCP-Server bindet Echtzeitdaten der Bahn ohne Programmierung ein
Erster vollumfänglicher MCP-Server für DB-Dienste – als Open Source bereitgestellt.
Case ansehen