Mit Deep Learning (DL) hat das maschinelle Lernen in den letzten Jahren einen rasanten Aufschwung genommen. Bild- und Sprachverarbeitung oder Autonomes Fahren stießen damit in neue Dimensionen vor und haben mittlerweile auch Einfluss auf unser Alltagsleben. Auch die Wissenschaft nutzt DL vermehrt zur Datenanalyse. Eine Grundlage von DL ist die Verarbeitung großer Datenmengen, vor allem beim Lernen. Durch die Komplexität der Algorithmen ist eine parallele Verarbeitung jedoch schwierig – der Lernprozess kann deshalb oft Tage oder gar Wochen dauern. Im BMBF-Projekt „High Performance Deep Learning Framework“ (HP-DLF) sollen deshalb ab November 2017 Methoden und ein Framework zur skalierbaren, dynamischen und auf die Hardware angepassten Autoparallelisierung entwickelt werden. Grundlage sind existierende DL-Bibliotheken und das Autoparallelisierungswerkzeug GPI-Space des Fraunhofer ITWM. Weitere Partner des für drei Jahre geförderten Projektes sind das Visual Learning Lab der Universität Heidelberg, das Deutsche Forschungszentrum für Künstliche Intelligenz und das ZIH der TU Dresden.