Wie kausable mit leistungsfähigen GPU-Ressourcen adaptive KI-Modelle erforscht
Mechanismen verstehen statt ständig neu zu trainieren
Viele heutige KI-Modelle lernen vor allem, Muster aus großen Trainingsdatensätzen wiederzuerkennen. kausable verfolgt einen anderen Ansatz: Das Unternehmen erforscht Modelle, die strukturelle und kausale Zusammenhänge dynamischer Systeme erfassen und neue Evidenz zur Inferenzzeit einbeziehen sollen. Ziel ist, dass solche Systeme auch mit veränderten oder bislang unbekannten Situationen umgehen können, ohne für jede neue Situation vollständig neu trainiert werden zu müssen.
Ein Beispiel aus der aktuellen Forschung ist TipPFN, ein Modell zur Vorhersage kritischer Übergänge in komplexen dynamischen Systemen. kausable berichtet, den Ansatz über 14 Domänen untersucht zu haben; öffentlich genannte Beispiele stammen unter anderem aus Medizin, Energiewirtschaft und Ökologie. Diese Arbeiten sind ein Schritt auf dem Weg zur langfristigen Vision eines breit einsetzbaren Weltmodells.Die Entwicklung solcher Modelle erfordert erhebliche Rechenleistung. kausable suchte daher eine Infrastrukturplattform, die leistungsfähige GPU-Ressourcen flexibel bereitstellt, rechenintensive Experimente planbar macht und sich ohne hohe Anfangsinvestitionen nutzen lässt.
Über kausable
Die kausable GmbH wurde von CEO Johannes Haux, CTO Dr. Benjamin Herdeanu und COO Gregor Ramien gegründet. Das Forschungs- und Entwicklungsteam arbeitet an KI-Modellen, die strukturelle und kausale Zusammenhänge in komplexen dynamischen Systemen erfassen und aus wenigen Hinweisen auf bislang unbekannte Situationen schließen sollen.
Die aktuelle Forschung des Unternhemens konzentriert sich auf komplexe dynamische Systeme. Mit TipPFN untersucht kausable beispielsweise die Vorhersage kritischer Übergänge; öffentlich beschriebene Tests umfassen Anwendungen aus Medizin, Energiewirtschaft und Ökologie. Langfristig verfolgt das Unternehmen die Vision eines breit einsetzbaren Weltmodells, das neue Evidenz aufnehmen und auf unbekannte Situationen übertragen soll.
Skalierbare Höchstleistung nach Plan
Die technische Umsetzung
kausable nutzt vorkonfigurierte H200-Instanzen von IONOS CLOUD für rechenintensive Trainings- und Evaluationsworkloads. Die leistungsfähige und flexibel bereitstellbare Infrastruktur ermöglicht es dem Team, rechenintensive Experimente planbar durchzuführen und seine Forschungs- und Entwicklungsarbeit effizient zu skalieren. Je nach Bedarf stellt das Team Instanzen mit einer, zwei oder vier GPUs über die IONOS CLOUD API bereit und kombiniert sie mit den erforderlichen vCPU-, Netzwerk- und Storage-Ressourcen. Dadurch lassen sich unterschiedliche Experimente flexibel konfigurieren und mehrere Trainings- oder Evaluationsläufe parallel ausführen. Nach Abschluss eines Workloads können Ressourcen wieder freigegeben werden, sodass die Infrastruktur an den jeweiligen Bedarf angepasst bleibt.
Automatisierte Infrastruktur in einer europäischen Cloud-Umgebung
- Flexible H200-GPU-Instanzen mit einer, zwei oder vier GPUs
- Bedarfsgerechte Bereitstellung für Training und Evaluation
- Automatisierung über die IONOS CLOUD API
- Planbare Infrastrukturkosten ohne eigene GPU-Investitionen
- Förderung und technische Begleitung durch das IONOS CLOUD Startup-Programm
- Betrieb in deutschen Rechenzentren
- Direkte technische Ansprechpartner
„Für ein forschungszentriertes KI-Unternehmen sind verlässlich verfügbare GPU-Ressourcen, planbare Infrastrukturkosten und direkte technische Ansprechpartner entscheidend. Mit IONOS CLOUD können wir rechenintensive Trainings- und Evaluationsworkloads flexibel betreiben und behalten zugleich einen klaren europäischen Rahmen für unsere Forschungsmodelle und unser geistiges Eigentum.“
Johannes Haux, CEO kausable GmbH
Warum kausable auf die IONOS CLOUD setzt
Das Training moderner neuronaler Netze ist stark parallelisierbar und profitiert daher besonders von leistungsfähigen GPUs. IONOS CLOUD stellt dafür vorkonfigurierte H200-Instanzen bereit, die sich flexibel provisionieren und an unterschiedliche Experimente anpassen lassen. So kann das Research-Team rechenintensive Workloads schneller starten, Modellvarianten effizienter vergleichen und Entwicklungszyklen verkürzen.
Für kausable ist vor allem die planbare, bedarfsgerechte Bereitstellung der GPU-Ressourcen relevant. Instanzen können für konkrete Trainings- und Evaluationsworkloads provisioniert und nach Abschluss wieder freigegeben werden. Dadurch lassen sich Infrastrukturkosten projektbezogen planen, ohne eigene GPU-Hardware vorhalten zu müssen.
Bei technischen oder operativen Fragen kann sich das kausable-Team direkt an technische Ansprechpartner bei IONOS CLOUD wenden. Für ein kleines, forschungsorientiertes Team verkürzt das Abstimmungswege und unterstützt dabei, Infrastrukturfragen rund um laufende Experimente zügig zu klären.
kausable provisioniert Compute-, Netzwerk- und Storage-Ressourcen über die IONOS CLOUD API und integriert sie damit in seine bestehenden Entwicklungsprozesse. Die automatisierte Bereitstellung erleichtert es dem Team, Infrastrukturkonfigurationen reproduzierbar aufzusetzen und unterschiedliche Forschungsworkloads flexibel zu betreiben.
kausable beschreibt seine aktuelle Modellforschung als synthetisch und kausal trainiert; auch in der öffentlichen Berichterstattung wird synthetisches Training hervorgehoben. Für das Unternehmen steht daher insbesondere der Schutz von Modellen, Forschungsergebnissen und geistigem Eigentum im Vordergrund. Das Hosting in deutschen Rechenzentren und die europäische Anbieterstruktur von IONOS CLOUD geben kausable dabei einen klar definierten infrastrukturellen und rechtlichen Rahmen.
Erfahren Sie mehr über Cloud GPU VM
Einleitung & Erste Schritte
API-Schnittstelle
In wenigen Minuten startklar
- Registrieren Sie sich für die IONOS Public Cloud
- Erhalten Sie vollen Zugriff auf IONOS CLOUD GPU VM
Direkt starten
1
Schnell registrieren
2
Einfach einrichten
3
