Ausschreibungsdetails
Auftragsbekanntmachung
Öffentliche Ausschreibung nach Haushaltsrecht
Liefer- / Dienstleistungsauftrag
1.
Öffentlicher Auftraggeber (Vergabestelle)
a)
Hauptauftraggeber (zur Angebotsabgabe auffordernde Stelle)
Name:Umweltbundesamt
Straße, Hausnummer:Wörlitzer Platz 1
Postleitzahl (PLZ):06844
Ort:Dessau-Roßlau
E-Mail: refoplan@uba.de
b)
Zuschlag erteilende Stelle
Wie Hauptauftraggeber siehe a)
2.
Angaben zum Verfahren
a)
Verfahrensart
Öffentliche Ausschreibung nach Haushaltsrecht
b)
Vertragsart
Liefer- / Dienstleistungsauftrag
c)
Geschäftszeichen
FKZ 3723 11 602 0 / AZ 09 302/005
3.
Angaben zu Angeboten
a)
Form der Angebote
- elektronisch
- ohne elektronische Signatur (Textform)
- mit fortgeschrittener elektronischer Signatur / fortgeschrittenem elektronischen Siegel
- mit qualifizierter elektronischer Signatur / qualifiziertem elektronischen Siegel
b)
Fristen
Ablauf der Angebotsfrist
27.10.2023 - 10:00 Uhr
Ablauf der Bindefrist
16.02.2024
c)
Sprache
Deutsch
4.
Angaben zu Vergabeunterlagen
a)
Vertraulichkeit
Die Vergabeunterlagen stehen für einen uneingeschränkten und vollständigen direkten Zugang gebührenfrei zur Verfügung unter
https://www.evergabe-online.de/tenderdetails.html?id=536750
https://www.evergabe-online.de/tenderdetails.html?id=536750
b)
Zugriff auf die Vergabeunterlagen
Vergabeunterlagen werden nur elektronisch zur Verfügung gestellt
c)
Zuständige Stelle
Hauptauftraggeber siehe 1.a)
d)
Anforderungsfrist
27.10.2023 - 10:00 Uhr
5.
Angaben zur Leistung
a)
Art und Umfang der Leistung
„Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannota-tionen für Machine Learning (ML)-Modelle“
In vielerlei Hinsicht besitzt Maschinelles Lernen (ML) großes Potential für die Erreichung der Pariser Nachhaltigkeitsziele. Insbesondere Supervised Machine Learning erfordert jedoch die Aufbereitung von Rohdaten in Form von Annotationen und die damit verbundene Zusammenstellung von nutzbaren Datensätzen. Dieser Prozess ist, vor allem mit Blick auf manuelle Annotationen großer und komplexer Datenmengen, besonders zeit- und arbeitsintensiv und kreiert häufig eine Lücke zwischen verfügbaren Rohdaten und der tatsächlichen Anwendung.
Das Vorhaben soll einen wichtigen Beitrag zur Zurverfügungstellung von qualitativ hochwertigen Umweltdaten bzw. umweltrelevanten Daten nach den „FAIR“-Prinzipien leisten, um moderne Verfahren des maschinellen Lernens besser sowohl für Belange des Umweltressorts als auch für Akteure aus Forschung, Wirtschaft/ Industrie sowie der Zivilgesellschaft nutzbar zu machen. Der datenzentrierte Ansatz ergänzt hierbei aus KI-Sicht die bereits laufenden Bereitstellungsmaßnahmen von Umweltdaten (z. B. zentrales Portal für Umwelt- und Naturschutzinformationen umwelt.info | Umweltbundesamt, Green Deal Dataspace (green-deal-dataspace.eu), ChatClimate / ClimateBert). Das Vorhaben soll helfen, die besonderen Potenziale von KI im Umweltbereich zu entfalten und Lücken zwischen technisch notwendigen Grundlagen und Anwendungsbereichen für den Umwelt- und Ressourcenschutz zu schließen.
Mit dem Anwendungslabor für Künstliche Intelligenz und Big Data im Umweltbundesamt (KI-Lab) besitzt das Umweltressort zudem ein Eigeninteresse an der Aufbereitung von Umweltdaten für Verfahren des maschinellen Lernens, um zukunftsorientierte, digitale Technologien wirksam und wertschöpfend sowie mit direktem Nachhaltigkeitsbezug und im Sinne einer sozial-ökologischen Transformation für die Aufgabenwahrnehmung einsetzen zu können.
Zu diesem Zweck sollen im Forschungsvorhaben zunächst eine Potential- und Wirkungsanalyse von Datenannotationen im Bereich von Umweltdaten und umweltrelevanten Daten unter Einbeziehung verschiedener Sektoren (z. B. Energie, Kreislaufwirtschaft, Landwirtschaft, Mobilität, Biodiversität) durchgeführt und besonders für die Bereitstellung annotierter Datensets geeignete Bereiche ausgewiesen werden. Darauf aufbauend sollen mögliche Maßnahmen der Bundesregierung diskutiert werden, welche sowohl den Zugang öffentlicher und privater Akteure zu Umweltdaten und umweltrelevanten Daten als auch deren Austausch und gemeinsame Nutzung über Sektoren hinweg fördern und verbessern können. Schließlich sollen strategische Empfehlungen für Annotationsmethoden und die sektorübergreifende Bereitstellung entsprechender Datensets für Verfahren des maschinellen Lernens entwickelt und am Beispiel von zwei Datensets prototypisch umgesetzt werden.
In vielerlei Hinsicht besitzt Maschinelles Lernen (ML) großes Potential für die Erreichung der Pariser Nachhaltigkeitsziele. Insbesondere Supervised Machine Learning erfordert jedoch die Aufbereitung von Rohdaten in Form von Annotationen und die damit verbundene Zusammenstellung von nutzbaren Datensätzen. Dieser Prozess ist, vor allem mit Blick auf manuelle Annotationen großer und komplexer Datenmengen, besonders zeit- und arbeitsintensiv und kreiert häufig eine Lücke zwischen verfügbaren Rohdaten und der tatsächlichen Anwendung.
Das Vorhaben soll einen wichtigen Beitrag zur Zurverfügungstellung von qualitativ hochwertigen Umweltdaten bzw. umweltrelevanten Daten nach den „FAIR“-Prinzipien leisten, um moderne Verfahren des maschinellen Lernens besser sowohl für Belange des Umweltressorts als auch für Akteure aus Forschung, Wirtschaft/ Industrie sowie der Zivilgesellschaft nutzbar zu machen. Der datenzentrierte Ansatz ergänzt hierbei aus KI-Sicht die bereits laufenden Bereitstellungsmaßnahmen von Umweltdaten (z. B. zentrales Portal für Umwelt- und Naturschutzinformationen umwelt.info | Umweltbundesamt, Green Deal Dataspace (green-deal-dataspace.eu), ChatClimate / ClimateBert). Das Vorhaben soll helfen, die besonderen Potenziale von KI im Umweltbereich zu entfalten und Lücken zwischen technisch notwendigen Grundlagen und Anwendungsbereichen für den Umwelt- und Ressourcenschutz zu schließen.
Mit dem Anwendungslabor für Künstliche Intelligenz und Big Data im Umweltbundesamt (KI-Lab) besitzt das Umweltressort zudem ein Eigeninteresse an der Aufbereitung von Umweltdaten für Verfahren des maschinellen Lernens, um zukunftsorientierte, digitale Technologien wirksam und wertschöpfend sowie mit direktem Nachhaltigkeitsbezug und im Sinne einer sozial-ökologischen Transformation für die Aufgabenwahrnehmung einsetzen zu können.
Zu diesem Zweck sollen im Forschungsvorhaben zunächst eine Potential- und Wirkungsanalyse von Datenannotationen im Bereich von Umweltdaten und umweltrelevanten Daten unter Einbeziehung verschiedener Sektoren (z. B. Energie, Kreislaufwirtschaft, Landwirtschaft, Mobilität, Biodiversität) durchgeführt und besonders für die Bereitstellung annotierter Datensets geeignete Bereiche ausgewiesen werden. Darauf aufbauend sollen mögliche Maßnahmen der Bundesregierung diskutiert werden, welche sowohl den Zugang öffentlicher und privater Akteure zu Umweltdaten und umweltrelevanten Daten als auch deren Austausch und gemeinsame Nutzung über Sektoren hinweg fördern und verbessern können. Schließlich sollen strategische Empfehlungen für Annotationsmethoden und die sektorübergreifende Bereitstellung entsprechender Datensets für Verfahren des maschinellen Lernens entwickelt und am Beispiel von zwei Datensets prototypisch umgesetzt werden.
c)
Ort der Leistungserbringung
Ort der Leistungserbringung ist Dessau-Roßlau.
6.
Angaben zu Losen
a)
Anzahl, Größe und Art der Lose
Die Gesamtleistung bildet ein Los.
7.
Zulassung von Nebenangeboten
Nein
8.
Bestimmungen über die Ausführungsfrist
Das Vorhaben hat eine Laufzeit von 12 Monaten und beginnt unmittelbar nach Zuschlagserteilung.
10.
Wesentliche Zahlungsbedingungen
Abschlags- und Schlusszahlungen im Rahmen der Vergabe- und Vertragsordnung für Leistungen Teil B (VOL/B)
11.
Unterlagen und Anforderungen zur Beurteilung der Eignung des Bieters und des Nichtvorliegens von Ausschlussgründen
Dazu gehören Kurzinformationen über einschlägige erfolgreich abgeschlossene Projekte, Arbeitsschwerpunkte, Veröffentlichungen oder sonstige Aktivitäten der Auftrag-nehmerin*des Auftragnehmers und gegebenenfalls seiner Kooperationspartnerinnen und -partner entsprechend den nachfolgend formulierten Anforderungen sowie eine kurze Vorstellung der am Vorhaben beteiligten Institutionen und natürlichen Personen sowie der von ihnen im Rahmen des Forschungsvorhabens wahrgenommenen Aufgabe (möglichst Benennung der Bearbeiterinnen*Bearbeiter).
- ausgewiesene Expertise im Bereich der aktuellen konzeptionellen und technologischen Entwicklungen auf dem Gebiet der Künstlichen Intelligenz, insbesondere des überwachten und teilüberwachten maschinellen Lernens und der dabei eingesetzten Datenannotationsmethoden, nachzuweisen durch drei Projektreferenzen sowie drei wissenschaftliche Veröffentlichungen (mit Peer-Review-Verfahren) (jeweils nicht älter als vier Jahre)
- sehr gute Kenntnisse der aktuellen rechtlichen und technischen Rahmen-bedingungen zum Datenmanagement in Verbindung mit der Entwicklung von KI-Anwendungen, idealerweise auch im Umwelt- und Nachhaltigkeitskontext, sowie der wesentlichen strategischen und politischen Aktivitäten auf nationaler, europäischer und internationaler Ebene (z. B. Schaffung gemeinsamer Datenräume und -austauschmodelle), nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von Tätigkeitsprofilen der im Vorhaben eingesetzten Personen und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren) und / oder Konferenzbeiträgen
fundierte Kenntnisse der aktuellen politischen, privatwirtschaftlichen, zivilgesellschaftlichen und wissenschaftlichen Diskurse im Bereich der Digitalisierung, künstlichen Intelligenz und Datenwissenschaften, nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von Tätigkeitsprofilen der im Vorhaben eingesetzten Personen und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren) und / oder Konferenzbeiträgen
Erfahrung in mindestens zwei der folgenden drei Bereiche: innovative Wissenschaftskommunikation, kreativer Wissens- und Praxistransfer komplexer wissenschaftlicher Sachverhalte und Forschungsergebnisse, wissenschaftliche Politikberatung, nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von erfolgreich abgeschlossenen Projekten, erfolgreich durchgeführten Formaten und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren)
- umfangreiche Erfahrungen im agilen und / oder hybriden Projektmanagement, vorzugsweise in Forschungsprojekten mit Fokus auf Digitalisierungs-, Daten- und / oder KI-Thematiken, nachzuweisen durch drei Referenzen in Form erfolgreich abgeschlossener Projekte (jeweils nicht älter als fünf Jahre)
Die Zuverlässigkeit ist durch Unterzeichnung der beigefügten Eigenerklärung zu bestätigen.
Der Anbietende bestätigt mit Abgabe seines Angebotes, dass er über die erforderliche Leistungsfähigkeit verfügt, um das Vorhaben vertragsgemäß bearbeiten zu können.
- ausgewiesene Expertise im Bereich der aktuellen konzeptionellen und technologischen Entwicklungen auf dem Gebiet der Künstlichen Intelligenz, insbesondere des überwachten und teilüberwachten maschinellen Lernens und der dabei eingesetzten Datenannotationsmethoden, nachzuweisen durch drei Projektreferenzen sowie drei wissenschaftliche Veröffentlichungen (mit Peer-Review-Verfahren) (jeweils nicht älter als vier Jahre)
- sehr gute Kenntnisse der aktuellen rechtlichen und technischen Rahmen-bedingungen zum Datenmanagement in Verbindung mit der Entwicklung von KI-Anwendungen, idealerweise auch im Umwelt- und Nachhaltigkeitskontext, sowie der wesentlichen strategischen und politischen Aktivitäten auf nationaler, europäischer und internationaler Ebene (z. B. Schaffung gemeinsamer Datenräume und -austauschmodelle), nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von Tätigkeitsprofilen der im Vorhaben eingesetzten Personen und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren) und / oder Konferenzbeiträgen
fundierte Kenntnisse der aktuellen politischen, privatwirtschaftlichen, zivilgesellschaftlichen und wissenschaftlichen Diskurse im Bereich der Digitalisierung, künstlichen Intelligenz und Datenwissenschaften, nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von Tätigkeitsprofilen der im Vorhaben eingesetzten Personen und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren) und / oder Konferenzbeiträgen
Erfahrung in mindestens zwei der folgenden drei Bereiche: innovative Wissenschaftskommunikation, kreativer Wissens- und Praxistransfer komplexer wissenschaftlicher Sachverhalte und Forschungsergebnisse, wissenschaftliche Politikberatung, nachzuweisen durch drei Referenzen (jeweils nicht älter als vier Jahre), z. B. in Form von erfolgreich abgeschlossenen Projekten, erfolgreich durchgeführten Formaten und / oder wissenschaftlichen Veröffentlichungen (mit Peer-Review-Verfahren)
- umfangreiche Erfahrungen im agilen und / oder hybriden Projektmanagement, vorzugsweise in Forschungsprojekten mit Fokus auf Digitalisierungs-, Daten- und / oder KI-Thematiken, nachzuweisen durch drei Referenzen in Form erfolgreich abgeschlossener Projekte (jeweils nicht älter als fünf Jahre)
Die Zuverlässigkeit ist durch Unterzeichnung der beigefügten Eigenerklärung zu bestätigen.
Der Anbietende bestätigt mit Abgabe seines Angebotes, dass er über die erforderliche Leistungsfähigkeit verfügt, um das Vorhaben vertragsgemäß bearbeiten zu können.
12.
Zuschlagskriterien
Die Zuschlagskriterien sind abschließend in der Leistungsbeschreibung benannt.
Versionsverlauf
Untenstehend wird der Versionsverlauf der Bekanntmachungen angezeigt. Die Sortierung erfolgt absteigend.
662f7dbf-9c28-4254-8873-aaf172f61647