Course No.: 848184
Teaching: Marjan Colletti & Tom Kovac
With José A. Alfano and David Zvedeniuk
DESIGN FUTURES. AI Intelligence Campus; Pilot 01 / Inn Valley Systems Testbed
Lernergebnis:
KI-Infrastruktur als territoriales, energetisches und materielles System verstehen und entwerfen – nicht als reines Stil- oder Repräsentationsmittel
Durchgängige, nachvollziehbare Forschungskette anwenden können: Evidence → Data → Systems Model → Simulation → Prototype → Verification
Territoriale Wissensgraphen und Digital Twins aufbauen und in architektonische/räumliche Vorschläge übersetzen
Multi-Objective-Optimierung über mehrere Maßstäbe (Territory → Network → Building → Interface → Component) durchführen
Zwischen sieben Evidenzebenen unterscheiden können: Observed, Measured, Calculated, Simulated, AI-Inferred, Human-Interpreted, Speculative
Performance-Kriterien (Energie, Compute, Thermik, Wasser, Territorium, Umwelt) definieren und anwenden
Eigene Entwurfsentscheidungen gegenüber technischer, ökologischer und architektonischer Evidenz verantworten können.
Inhalt:
Der Workshop ist explizit auf das Inn Valley fokussiert. Er bildet die vorbereitende Forschungs- und Design-Ebene für einen möglichen späteren physischen Demonstrator (100–500 kW KI-Infrastruktur) mit Fokus auf Direct-Liquid-Cooling, energiebewusstem Workload-Scheduling, Energiespeicherung, Abwärmenutzung, Digital-Twin-Orchestrierung, Wassereffizienz und Umweltmonitoring.
Ziel ist kein konventionelles Rechenzentrum, sondern ein integriertes Intelligenz-Infrastruktur-Testfeld für das Inn Valley
* Das Inn Valley als lebendiges Systemtestfeld: KI-Compute, Energie/Wasserkraft, Hydrologie, Thermik/Abwärme, Ökologie, Mobilität, Forschungseinrichtungen, Industrie, Siedlung, öffentlicher Raum
* Zentrale Forschungsfrage: Wie kann KI-Infrastruktur materiell, energetisch und territorial in das Inn Valley integriert werden – statt als isoliertes technisches Objekt zu bestehen?
Vierwöchige Struktur:
* Woche 1 – Observe + Structure: Baseline-Charakterisierung; Kartierung von Stromnetz/Erneuerbaren, Wasserkraft, Glasfaser, Hydrologie/Hochwasser, Mikroklima, Mobilität, Forschungs-/Industrieflächen, ökologischen Korridoren, Wärmebedarf. Deliverable: Inn Valley Evidence Atlas (georeferenzierte, datierte, quellenverifizierte GIS-Datensätze)
* Woche 2 – Graph + Model: Territorialer Knowledge Graph und Digital/Future Twin; Verknüpfung von Compute, Energie, Wasser, Wärme, Mobilität, Ökologie, Industrie, Forschung, Siedlung; Abbildung von Abhängigkeiten und Feedback-Schleifen (z. B. KI-Workload → Strombedarf → Kühlbedarf → Abwärme → neue territoriale Nutzung)
* Woche 3 – Simulate + Materialise: Szenarientests gegen messbare Kriterien (Compute-Intensität, erneuerbare Verfügbarkeit, Wärmerückgewinnung, Wasserbedarf, Ökologie, Zugänglichkeit, Flächeneffizienz, Mobilität, Resilienz); Entwurf möglicher Typologien: verteilte Compute-Knoten, Forschungscampus, Flussrand-Infrastruktur, Wärmetauschsysteme, produktive Landschaften, öffentliche KI-Einrichtungen, Mobilitäts-Hubs, adaptive Gebäudehüllen
* Woche 4 – Verify + Synthesise: Abgleich der finalen Vorschläge mit dem Evidenz- und Performance-Rahmen; klare Kennzeichnung, was gemessen, berechnet, simuliert, KI-inferiert, architektonisch interpretiert oder spekulativ ist.
Methoden:
KI + Digitale Werkzeuge: GIS, Grasshopper, Python, Houdini, Netzwerkanalyse, agentenbasierte Modellierung, Umwelt-/Klimasimulation
Aufbau eines Territorial Knowledge Graph / Future Twin zur Simulation von Flüssen, Schwellenwerten, Abhängigkeiten, Ressourcenaustausch und Ausfallbedingungen
Sechsstufige Forschungsmethodik: Baseline → Integrate → Model → Simulate → Prototype → Verify
Evidence-Tagging jedes Datums/Modells mit einem der sieben Codes: [OBS] [MEA] [CAL] [SIM] [INF] [INT] [SPE]*
Entwurfsarbeit über fünf Maßstäbe hinweg: Territory → Network → Building → Interface → Component
* Die sieben Stufen des Verifikations-/Evidenzrahmens aus dem Brief – jedes Datum, Modell oder jede Entwurfsaussage wird mit einem dieser Codes gekennzeichnet, um Herkunft und Verlässlichkeit nachvollziehbar zu machen:
* [OBS] Observed — direkt dokumentierte physische Gegebenheiten (z. B. vor Ort beobachtet/fotografiert)
* [MEA] Measured — empirische Datensätze, Sensordaten
* [CAL] Calculated — deterministische technische Berechnung
* [SIM] Simulated — computationale/umweltbezogene Modellierung
* [INF] AI-Inferred — Vorhersagen oder Klassifikationen durch maschinelles Lernen
* [INT] Human-Interpreted — architektonisches Urteil, Übersetzung, Interpretation
* [SPE] Speculative — projizierte, zukünftige Szenarien
Abschlusspräsentationen: 29.–30. Oktober
Literatur:
Wird zu Kursbeginn bereitgestellt; Ausgangsbasis bilden expArch-Forschungsmethodik sowie EU-Horizon-Forschungs- und Evaluierungslogik (u. a. im Kontext künftiger Calls wie AI4Creatives)
Anmerkungen:
In Kooperation mit URBANETIC/José Alfano (Singapore) und CityX/Tom Kovac (London-Ljubliana, Melbourne) sowie David Zvedeniuk (London).
