{"id":35015,"date":"2026-03-27T13:33:21","date_gmt":"2026-03-27T13:33:21","guid":{"rendered":"https:\/\/lamarr-institute.org\/?p=35015"},"modified":"2026-03-31T13:35:22","modified_gmt":"2026-03-31T13:35:22","slug":"marvin-pokal-river-mamba","status":"publish","type":"post","link":"https:\/\/lamarr-institute.org\/de\/news\/marvin-pokal-river-mamba\/","title":{"rendered":"MARVIN-Pokal f\u00fcr Prof. Dr. J\u00fcrgen Gall und seine Arbeitsgruppe"},"content":{"rendered":"\n

Das Team um Prof. Dr. J\u00fcrgen Gall<\/a><\/strong>, Principal Investigator am Lamarr-Institut f\u00fcr Maschinelles Lernen und K\u00fcnstliche Intelligenz<\/strong> und Leiter der Arbeitsgruppe Computer Vision<\/strong> an der Universit\u00e4t Bonn<\/strong> ist mit dem MARVIN-Pokal<\/strong> ausgezeichnet worden. Pr\u00e4miert wurde das Projekt \u201eRiverMamba\u201c, das Ans\u00e4tze zur effizienten Modellierung und Verarbeitung gro\u00dfer, heterogener Zeitreihendaten entwickelt, mit Anwendung in der Hochwasserprognose. \u201eDie Veranstaltung hat wieder einmal gezeigt, dass die HPC-Infrastruktur und Marvin eine Grundvoraussetzung f\u00fcr exzellente Forschung an der Universit\u00e4t Bonn sind. Der transdisziplin\u00e4re Charakter der Veranstaltung hat mir sehr gefallen\u201c, sagt Prof. Dr. J\u00fcrgen Gall. Die Auszeichnung w\u00fcrdigt Arbeiten, die das Potenzial moderner KI-Infrastrukturen f\u00fcr skalierbare und zugleich ressourceneffiziente Modelle besonders \u00fcberzeugend nutzen.<\/p>\n\n\n\n

MARVIN: Infrastruktur und Ma\u00dfstab f\u00fcr skalierbare KI<\/strong><\/p>\n\n\n\n

MARVIN<\/a><\/strong> ist die zentrale Hochleistungsrecheninfrastruktur f\u00fcr KI-Forschung an der Universit\u00e4t Bonn. Sie erm\u00f6gliche skalierbare Experimente, sowie die Entwicklung und Evaluation neuer Modellans\u00e4tze unter realit\u00e4tsnahen Bedingungen. Als speziell auf daten- und rechenintensive Verfahren des maschinellen Lernens ausgelegte HPC-Umgebung unterst\u00fctzt MARVIN insbesondere das Training und die Evaluation gro\u00dfer Modelle sowie die Verarbeitung umfangreicher Datens\u00e4tze. \u201eSeit zwei Jahren ist Marvin ein Innovationsmotor f\u00fcr unsere Forschung an der Universit\u00e4t Bonn. [\u2026] Marvin er\u00f6ffnet unseren Forscherinnen und Forschern M\u00f6glichkeiten, die vor zwei Jahren noch nicht absehbar waren\u201c, sagt Prof. Dr. Maren Bennewitz<\/a><\/strong>.<\/p>\n\n\n\n

Mit wachsender Modellkomplexit\u00e4t und Datenmenge wird spezialisierte Recheninfrastruktur zum limitierenden Faktor wissenschaftlicher Erkenntnis. Insbesondere beim Training moderner Sequenzmodelle und beim Umgang mit kontinuierlichen Sensordaten st\u00f6\u00dft konventionelle Infrastruktur schnell an Grenzen. \u201eMarvin steht f\u00fcr unseren Anspruch, Hochleistungsrechnen in der Forschung wirklich nutzbar zu machen. [\u2026] Die Projekte [\u2026] zeigen eindrucksvoll, welches wissenschaftliche Potenzial in dieser Infrastruktur steckt\u201c, erg\u00e4nzt Prof. Dr. Petra Mutzel<\/a><\/strong>. Der MARVIN-Pokal zeichnet Projekte aus, die diese Infrastruktur besonders innovativ und wirkungsvoll einsetzen.<\/p>\n\n\n\n

Effiziente Modellarchitekturen f\u00fcr reale Anwendungen<\/strong><\/p>\n\n\n\n

Das ausgezeichnete Projekt \u201eRiverMamba\u201c adressiert eine zentrale Herausforderung aktueller KI-Forschung: die effiziente Verarbeitung gro\u00dfer und komplexer Zeitreihendaten. Aufbauend auf neuartigen Modellarchitekturen \u2013 insbesondere der Mamba-Klasse \u2013 erm\u00f6glicht der Ansatz, lange Datenfolgen mit deutlich reduziertem Rechenaufwand zu analysieren, ohne an Leistungsf\u00e4higkeit einzub\u00fc\u00dfen. Im Unterschied zu klassischen Transformer-Architekturen skaliert der Ansatz g\u00fcnstiger mit der Sequenzl\u00e4nge und er\u00f6ffnet damit neue M\u00f6glichkeiten f\u00fcr datenintensive Anwendungen.<\/p>\n\n\n\n

Damit steht RiverMamba exemplarisch f\u00fcr eine aktuelle Verschiebung im Feld: Statt prim\u00e4r auf immer gr\u00f6\u00dfere Modelle zu setzen, r\u00fcckt die Entwicklung effizienter, skalierbarer Architekturen in den Fokus, die unter realen Einsatzbedingungen praktikabel sind. Anwendungen wie die Hochwasserprognose profitieren unmittelbar von dieser Entwicklung, da sie kontinuierlich gro\u00dfe Datenstr\u00f6me integrieren m\u00fcssen. Das Projekt wurde bereits im Herbst auf der NeurIPS<\/strong><\/a> vorgestellt und verbindet methodische Innovation mit konkreter Anwendungsperspektive. Im Rahmen der Bonner Wissenschaftsnacht 2026<\/strong><\/a> wird RiverMamba<\/a> zudem im KI-Zelt des Lamarr-Instituts einer breiteren \u00d6ffentlichkeit vorgestellt.<\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Prof. Dr. J\u00fcrgen Galls Arbeitsgruppe erh\u00e4lt den MARVIN-Pokal f\u00fcr RiverMamba, ein Projekt zur Entwicklung ressourceneffizienter KI-Modelle f\u00fcr komplexe Zeitreihen. Die Auszeichnung unterstreicht die zentrale Rolle von Hochleistungsrechnen f\u00fcr skalierbare und anwendungsnahe KI.<\/p>\n","protected":false},"author":28,"featured_media":35012,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[174,176,175],"tags":[736,743],"class_list":["post-35015","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pressemitteilungen","category-wirtschaft","category-wissenschaft","tag-auszeichnung","tag-wettbewerb"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts\/35015","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/28"}],"replies":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/comments?post=35015"}],"version-history":[{"count":3,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts\/35015\/revisions"}],"predecessor-version":[{"id":35022,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts\/35015\/revisions\/35022"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/35012"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=35015"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/categories?post=35015"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/tags?post=35015"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}