Lieferung einer Deep-Learning Infrastruktur

Kurze Beschreibung

Die UniBw M hat am 11.08.2020 ein neues "Zentrum für Digitalisierung- und Technologieforschung der Bundeswehr" (kurz DTEC.Bw) gegründet. DTEC.Bw ist Bestandteil des Konjunkturprogrammes der Bundesregierung zur Überwindung der COVID-19 Krise und wird über das Bundesministerium der Verteidigung (BMVg) mit Forschungsmitteln aus dem Konjunkturprogramm ausgestattet. Das Projekt MissionLab wird durch DTEC.bw gefördert.
Für das Projekt MissionLab beabsichtigt die UniBw M, eine Deep-Learning Infrastruktur, bestehend aus einem Deep-Learning Cluster sowie sechs Deep-Learning Grafikkarten, zu erwerben.
Auftragsgegenstand ist die Lieferung, Installation und Inbetriebnahme eines Deep-Learning Clusters sowie die Lieferung von sechs Deep-Learning Grafikkarten.
Der Auftragnehmer muss zudem Serviceleistungen für fünf Jahre ab Abnahme des Deep-Learning Clusters erbringen.

Beschreibung der Beschaffung

In Zukunft wird die Leistungsfähigkeit militärischer Luftfahrzeuge in erheblichem Maß durch den Einsatz von Missionstechnologien bestimmt. Traditionell üben fast ausschließlich Menschen missionsspezifische Funktionen wie die Situationsanalyse, die Entscheidungsfindung und die Planung des Einsatzes aus. Sie greifen schon heute etwa mit Sensoren, Selbstschutzeinrichtungen und Wirkmitteln auf verschiedene technologische Hilfsmittel zurück, die bisher jedoch weit überwiegend eine dienende Funktion einnehmen. Mit der fortschreitenden Digitalisierung und Vernetzung von Luftfahrzeugen und der steigenden Verfügbarkeit von Methoden und Algorithmen zur Abbildung menschlicher kognitiver Leistungen durch Künstliche Intelligenz (KI) auf Bord-rechnern (z.B. wahrnehmen, analysieren, entscheiden, planen, kommunizieren, lernen), werden künftig immer mehr Missionsaufgaben automatisiert. Menschen müssen jedoch insbesondere aus ethischen Gründen auch in Zukunft die zentralen Entscheidungen treffen.
Mit dem Projekt MissionLab leistet die UniBw M einen Beitrag dazu, die nationale Analyse-, Beurteilungs- und Entscheidungsfähigkeit der Bundeswehr aufzubauen, zu stärken und mittel- bis langfristig zu erhalten.
Durch das Projekt MissionLab schafft die UniBw M eine integrierte, über die beteiligten Institute verteilte Infrastruktur und Experimentalumgebung, mit der sie Missionstechnologien und entsprechende Konzepte zur Automatisierung, zur Mensch-Maschine-Integration und zur Ausbildung von Nutzern durchgängig von Constructive-Umgebungen (Rechner-Modelle) über Virtual Umgebungen (Simulator-Cockpits) bis hin zu Live-Umgebungen (Flugversuchsträger) untersuchen kann. Sie will Forschungsergebnisse anhand von Funktionsprototypen für Missionssysteme durchgängig und nahtlos von niedrigen Technologiereifegraden bis hin zu Flugversuchen in realen Umgebungen erzielen.
Für das Projekt MissionLab beabsichtigt die UniBw M, eine Deep-Learning Infrastruktur, bestehend aus einem Deep-Learning Cluster sowie sechs Deep-Learning Grafikkarten, zu erwerben.
Im Rahmen des Projektes Mission Lab muss die UniBw M den bereits an der UniBw M bestehenden Deep-Learning Cluster zum Anlernen bzw. Trainieren von neuronalen Netzen sowie zur Simulation aufrüsten.
Auftragsgegenstand ist die Lieferung, Installation und Inbetriebnahme eines Deep-Learning Clusters sowie die Lieferung von sechs Deep-Learning Grafikkarten. Zudem muss der Auftragnehmer Serviceleistungen für fünf Jahre ab Abnahme des Deep-Learning Clusters erbringen.
Der Auftragnehmer muss die sechs Grafikkarten bis zum 31.01.2023 liefern und den Deep-Learning Cluster bis zum 31.03.2023 liefern, installieren und in Betrieb nehmen.
Um bestehende Forschungsergebnisse und Software und Implementierung nutzen zu können, muss einerseits Kompatibilität zur bestehenden Serverinfrastruktur und zur Arbeitsplatzausstattung der Mitarbeiter der UniBw M gegeben sein. Um Systemkompatibilität zu gewährleisten, muss die UniBw M das Nachfolgesystem NVIDIA DGX H100 (Hopper) der bestehenden Deep-Learning Cluster NVIDIA DGX A100 (LT-218) anschaffen.
Zudem dauert das Lernen bzw. Trainieren sowie die Simulation von Sensoren und Flugzeugen bzw. Flugumgebungen sehr lange. Dies kann durch den Einsatz von speziell auf parallele Recheneinheiten (Deep-Learning Grafikkarten) abgestimmte Softwaremodule (Bibliotheken) erheblich beschleunigt werden (Faktor > 20-50). Der Einsatz dieser freien und kommerziellen Bibliotheken ist an die Grafikkarten von NVIDIA gebunden. Alternative Grafikkarten können hierbei nicht genutzt (u.a. von Intel, AMD) werden.
Für das Lernen von Multi-Task neuronalen Netzen sowie zur Verbesserung der Erkennungsleistung im Allgemeinen muss der Grafikkarten-Speicher pro Grafikkarte mindestens 80GB betragen.
Neben dem DGX-System muss die UniBw M bestehende Grafikkarten (LT-226, NVIDIA Quadro A6000) aufrüsten, um große Neuronale-Netze (CNNs) performant ausführen zu können. Hierbei müssen neben Geschwindigkeitsverbesserung (Kompatibilität zur NVIDIA Hopper Architektur, mindestens 5x Geschwindigkeit der A6000) auch jeweils ein Grafikkartenspeicher von mindestes 80GB pro Grafikkarte vorhanden sein. Des Weiteren müssen die Grafikkarten über PCI-Express 5.0 anschließbar sein. Die zum neu anzuschaffende Deep-Learning Cluster NVIDIA DGX H100 kompatible Grafikkarte ist die NVIDIA H100, 80GB, PCI-Express 5.0.
Der UniBw M steht für sämtliche Leistungen ein Budget in Höhe von maximal EUR 450.000,00 (netto) zur Verfügung. Die UniBw M behält sich vor, Angebote, die diesen Kostenrahmen überschreiten vom Verfahren auszuschließen sowie das Verfahren aufzuheben, sollten ausschließlich Angebote oberhalb des Kostenrahmens eingehen.
Einzelheiten ergeben sich aus der Leistungsbeschreibung, die den Vergabeunterlagen als Anlage beigefügt ist.

Liste und kurze Beschreibung der Bedingungen

Mit dem Angebot sollen die Bieter möglichst folgende Unterlagen vorlegen (bei Bietergemeinschaften von
jedem Mitglied):
a) Formlose Eigenerklärung, aus der hervorgeht,
- dass keine Ausschlussgründe im Sinne der §§ 123, 124 GWB vorliegen bzw. erfolgreiche
Selbstreinigungsmaßnahmen im Sinne des § 125 GWB durchgeführt worden sind;
- dass der Bieter in das einschlägige Berufsregister (Handelsregister oder Handwerksrolle) oder ein
vergleichbares Register (Standeskammern etc.) des Herkunftslandes eingetragen ist sowie für seine
Berufshaftpflichtversicherung, seine Krankenkasse(n) und seiner Berufsgenossenschaft rückstandslos Beiträge
entrichtet hat sowie seinen steuerlichen Verpflichtungen nachgekommen ist;
- dass der Bieter / das Mitglied der Bietergemeinschaft nicht zu den in Artikel 5 k) Absatz 1 der Verordnung (EU)
Nr. 833/2014 in der Fassung des Art. 1 Ziff. 23 der Verordnung (EU) 2022/576 des Rates vom 8. April 2022
über restriktive Maßnahmen angesichts der Handlungen Russlands, die die Lage in der Ukraine destabilisieren,
genannten Personen oder Unternehmen gehören, die einen Bezug zu Russland im Sinne der Vorschrift
aufweisen, und die am Auftrag als Unterauftragnehmer, Lieferanten oder Unternehmen, deren Kapazitäten
im Zusammenhang mit der Erbringung des Eignungsnachweises in Anspruch genommen werden, beteiligten
Unternehmen, auf die mehr als 10 % des Auftragswerts entfällt, ebenfalls nicht zu dem in der Vorschrift
genannten Personenkreis mit einem Bezug zu Russland im Sinne der Vorschrift gehören, und bestätigt und
sichergestellt wird, dass auch während der Vertragslaufzeit keine Unterauftragnehmer, Lieferanten oder
Unternehmen, deren Kapazitäten im Zusammenhang mit der Erbringung des Eignungsnachweises in Anspruch
genommen werden, eingesetzt werden, auf die mehr als 10 % des Auftragswerts entfällt, welche zu dem in der
Vorschrift genannten Personenkreis mit einem Bezug zu Russland im Sinne der Vorschrift gehören.
b) Bietergemeinschaften sollen zusätzlich eine Erklärung abgeben, aus der hervorgeht, dass kein Verstoß
gegen Kartellrecht vorliegt, und dass keine unzulässigen wettbewerbsbeschränkenden Absprachen getroffen
wurden.
Bieter sollen die auf der in Ziffer I.3. genannten Website hinterlegten Vordrucke verwenden. Der Auftraggeber behält sich vor, Unterlagen im Rahmen des § 56 Abs. 2 VgV nachzufordern. Hierauf besteht kein
Rechtsanspruch.

Liste und kurze Beschreibung der Auswahlkriterien

Mit dem Angebot sollen die Bieter möglichst folgende Unterlagen vorlegen (bei Bietergemeinschaften
mindestens von einem Mitglied):
a) Angabe der Gesamtumsätze der letzten bis zu 3 abgeschlossenen Geschäftsjahre, möglichst durch Jahresabschlüsse und Prüfberichte belegt, sowie die Angabe der Umsätze der letzten 3 Geschäftsjahre
mit Leistungen, die mit dem vorliegenden Auftragsgegenstand (Lieferung einer Deep-Learning Infrastruktur) vergleichbar sind.
b) Bestätigung, dass der Bieter eine Berufs-/Betriebshaftpflichtversicherung mit einer Deckungssumme von mindestens Euro 1,5 Millionen pro Schadensfall, 2-fach maximiert, unterhält oder im Falle der Auftragserteilung
abschließen wird.
Für den Fall, dass ein Bieter einzelne Unternehmen als Nachunternehmer einsetzen möchte, wird auf
die Möglichkeit der Eignungsleihe und die in § 47 VgV genannten Voraussetzungen hingewiesen. Wenn und soweit sich der Bieter auf die Eignung eines anderen Unternehmens beruft, ist mit dem Angebot
insbesondere eine Verpflichtungserklärung des anderen Unternehmens einzureichen, dass dieses seine Ressourcen und Kapazitäten dem Bieter im Auftragsfall zur Verfügung stellt. Bei der Eignungsprüfung werden Bietergemeinschaften als Ganzes betrachtet.
Bieter sollten die auf der in Ziffer I.3) genannten Website hinterlegten Vordrucke verwenden. Der Auftraggeber behält sich vor, Unterlagen im Rahmen des § 56 Abs. 2 VgV nachzufordern. Hierauf besteht kein
Rechtsanspruch.

Liste und kurze Beschreibung der Auswahlkriterien

Mit dem Angebot sollen die Bieter möglichst folgende Unterlagen vorlegen (bei Bietergemeinschaften von mindestens einem Mitglied):
a) Angabe der Anzahl der in den letzten bis zu 3 abgeschlossenen Geschäftsjahren durchschnittlich jährlich beschäftigten Arbeitskräfte insgesamt und gesondert ausgewiesen das technische Leitungspersonal.
b) Vorlage von Referenzen, also Liste der vom Bieter in den letzten 3 Jahren erbrachten Leistungen, die mit der zu vergebenden Leistung (Lieferung einer Deep-Learning Infrastruktur) vergleichbar sind, unter Angabe des genauen Auftrags, der Auftragssumme, des Auftraggebers, der Leistungsart und Leistungszeiträume, Ansprechpartner beim Auftraggeber inkl. Kontaktdaten.
c) Formlose Eigenerklärung, in der der Bieter erklärt, ob und welche Teilleistungen des ausgeschriebenen Auftrags er durch Nachunternehmer ausführen lassen wird unter Benennung des Nachunternehmers.
Für den Fall, dass ein Bieter einzelne Unternehmen als Nachunternehmer einsetzen möchte, wird auf
die Möglichkeit der Eignungsleihe und die in § 47 VgV genannten Voraussetzungen hingewiesen. Wenn und soweit sich der Bieter auf die Eignung eines anderen Unternehmens beruft, ist mit dem Angebot
insbesondere eine Verpflichtungserklärung des anderen Unternehmens einzureichen, dass dieses seine
Ressourcen und Kapazitäten dem Bieter im Auftragsfall zur Verfügung stellt. Bei der Eignungsprüfung werden
Bietergemeinschaften als Ganzes betrachtet.
Bieter sollen die auf der in Ziffer I.3) genannten Website hinterlegten Vordrucke verwenden. Der Auftraggeber behält sich vor, Unterlagen im Rahmen des § 56 Abs. 2 VgV nachzufordern. Hierauf besteht kein
Rechtsanspruch.

1) Die Angebote sind elektronisch in Textform (§ 126b BGB) über das in Ziffer I.3) genannte Vergabeportal einzureichen. Nähere Informationen stehen auf der Startseite des in Ziffer I.3) genannten Vergabeportals zur Verfügung.
2) Die gesamte Kommunikation zwischen Auftraggeber und Bietern (auch Rückfragen zum Angebot) findet ausschließlich über das in Ziffer I.3) genannte Vergabeportal statt. Der Auftraggeber wird alle Fragen und Antworten auf dem in Ziffer I.3) genannten Vergabeportal anonymisiert zur Verfügung stellen.
3) Die Bildung von Bietergemeinschaften (BG) ist nur bis zur Abgabe des Angebots möglich. Die Angaben zur Zusammensetzung der BG sind grundsätzlich bindend. Ein Austausch einzelner Mitglieder der BG vor Auftragsvergabe bedarf der Zustimmung des Auftraggebers. Die Abgabe von Angeboten durch BG ist nur bei
gesamtschuldnerischer Haftung mit bevollmächtigtem Vertreter möglich. Hierzu ist eine von allen Mitgliedern unterschriebene Vollmacht mittels einer Bietergemeinschaftserklärung vorzulegen. Außerdem haben sämtliche Mitglieder der BG namentlich mit Anschrift einen bevollmächtigten Vertreter für das Vergabeverfahren sowie den Abschluss und die Durchführung des Vertrages
zu bezeichnen. Der Auftraggeber behält sich ausdrücklich vor, diese Angaben nachzufordern. Bei der Eignungsprüfung wird die BG als Ganzes beurteilt.
4) Mehrfachbewerbungen, als Einzelbieter sowie als Mitglied einer/mehrerer BG, sind nicht zulässig. Soweit mehrere Unternehmen im Rahmen der Vergabe miteinander kooperieren (z. B. über ein gemeinsames Tochterunternehmen, als Nachunternehmer oder im Rahmen einer BG), behält sich der Auftraggeber vor,
Nachweise dafür zu fordern, dass die Kooperation als Ganzes sowie die Teilnahme der einzelnen Unternehmen an der Kooperation zulässig ist, insbesondere keine unzulässige wettbewerbsbeschränkende Abrede getroffen wurde. Für jeden Teilnehmer der Kooperation wäre dann zu begründen, inwieweit sein Entschluss zur Teilnahme an der Kooperation eine im Rahmen von zweckmäßigen und kaufmännisch vernünftigen Handelns liegende Entscheidung ist, z. B. weil der jeweilige Teilnehmer zur Zeit der Bildung der Kooperation überhaupt nicht oder jedenfalls zu dieser Zeit nicht über die erforderliche Kapazität zur Durchführung des hier
ausgeschriebenen Auftrages verfügt oder aus anderen Gründen erst die Kooperation den jeweiligen Teilnehmer in die Lage versetzt, ein erfolgversprechendes Angebot abzugeben.
5) Für den Fall, dass ein Bieter einzelne Unternehmen als Nachunternehmer einsetzen möchte, wird auf die Möglichkeit der Eignungsleihe und die in § 47 VgV genannten Voraussetzungen hingewiesen. Wenn und soweit sich der Bieter auf die Eignung des Nachunternehmers beruft, ist mit dem Angebot insbesondere eine
Verpflichtungserklärung des Nachunternehmers einzureichen, dass dieser seine Ressourcen und Kapazitäten dem Bieter im Auftragsfall zur Verfügung stellt.
6) Bieter sollen die auf der in Ziffer I.3) genannten Website hinterlegten Vordrucke verwenden. Der Auftraggeber behält sich vor, Unterlagen im Rahmen des § 56 Abs. 2 VgV nachzufordern. Hierauf besteht kein Rechtsanspruch.
Bekanntmachungs-ID: CXP4YVC65VC

Genaue Informationen über Fristen für Überprüfungsverfahren

Das Verfahren für Verstöße gegen diese Vergabe richtet sich nach den Vorschriften der §§ 160 ff. des Gesetzes gegen Wettbewerbsbeschränkungen (GWB). Zur Wahrung der Fristen wird auf die §§ 160 ff. GWB verwiesen.
Insbesondere weisen wir darauf hin, dass der Nachprüfungsantrag gemäß § 160 Abs. 3 Satz 1 Nr. 4 GWB spätestens 15 Kalendertage nach Eingang der Mitteilung des Auftraggebers, einer Rüge nicht abhelfen zu wollen, zu stellen ist. Vergabeverstöße sind nach § 160 Abs. 3 Satz 1 Nr. 1 GWB vor Einreichen des Nachprüfungsantrags innerhalb von 10 Kalendertagen, nachdem der Bieter den Verstoß erkannt hat, beim Auftraggeber zu rügen. Vergabeverstöße, die aufgrund der Bekanntmachung erkennbar sind, sind gemäß § 160
Abs. 3 Satz 1 Nr. 2 GWB spätestens bis zum Ablauf der Angebotsfrist bei dem Auftraggeber zu rügen.

Beschreibung der Beschaffung

In Zukunft wird die Leistungsfähigkeit militärischer Luftfahrzeuge in erheblichem Maß durch den Einsatz von Missionstechnologien bestimmt. Traditionell üben fast ausschließlich Menschen missionsspezifische Funktionen wie die Situationsanalyse, die Entscheidungsfindung und die Planung des Einsatzes aus. Sie greifen schon heute etwa mit Sensoren, Selbstschutzeinrichtungen und Wirkmitteln auf verschiedene technologische Hilfsmittel zurück, die bisher jedoch weit überwiegend eine dienende Funktion einnehmen. Mit der fortschreitenden Digitalisierung und Vernetzung von Luftfahrzeugen und der steigenden Verfügbarkeit von Methoden und Algorithmen zur Abbildung menschlicher kognitiver Leistungen durch Künstliche Intelligenz (KI) auf Bord-rechnern (z.B. wahrnehmen, analysieren, entscheiden, planen, kommunizieren, lernen), werden künftig immer mehr Missionsaufgaben automatisiert. Menschen müssen jedoch insbesondere aus ethischen Gründen auch in Zukunft die zentralen Entscheidungen treffen.
Mit dem Projekt MissionLab leistet die UniBw M einen Beitrag dazu, die nationale Analyse-, Beurteilungs- und Entscheidungsfähigkeit der Bundeswehr aufzubauen, zu stärken und mittel- bis langfristig zu erhalten.
Durch das Projekt MissionLab schafft die UniBw M eine integrierte, über die beteiligten Institute verteilte Infrastruktur und Experimentalumgebung, mit der sie Missionstechnologien und entsprechende Konzepte zur Automatisierung, zur Mensch-Maschine-Integration und zur Ausbildung von Nutzern durchgängig von Constructive-Umgebungen (Rechner-Modelle) über Virtual Umgebungen (Simulator-Cockpits) bis hin zu Live-Umgebungen (Flugversuchsträger) untersuchen kann. Sie will Forschungsergebnisse anhand von Funktionsprototypen für Missionssysteme durchgängig und nahtlos von niedrigen Technologiereifegraden bis hin zu Flugversuchen in realen Umgebungen erzielen.
Für das Projekt MissionLab beabsichtigt die UniBw M, eine Deep-Learning Infrastruktur, bestehend aus einem Deep-Learning Cluster sowie sechs Deep-Learning Grafikkarten, zu erwerben.
Im Rahmen des Projektes Mission Lab muss die UniBw M den bereits an der UniBw M bestehenden Deep-Learning Cluster zum Anlernen bzw. Trainieren von neuronalen Netzen sowie zur Simulation aufrüsten.
Auftragsgegenstand ist die Lieferung, Installation und Inbetriebnahme eines Deep-Learning Clusters sowie die Lieferung von sechs Deep-Learning Grafikkarten. Zudem muss der Auftragnehmer Serviceleistungen für fünf Jahre ab Abnahme des Deep-Learning Clusters erbringen.
Der Auftragnehmer muss die sechs Grafikkarten bis zum 31.01.2023 liefern und den Deep-Learning Cluster bis zum 31.03.2023 liefern, installieren und in Betrieb nehmen.
Um bestehende Forschungsergebnisse und Software und Implementierung nutzen zu können, muss einerseits Kompatibilität zur bestehenden Serverinfrastruktur und zur Arbeitsplatzausstattung der Mitarbeiter der UniBw M gegeben sein. Um Systemkompatibilität zu gewährleisten, muss die UniBw M das Nachfolgesystem NVIDIA DGX H100 (Hopper) der bestehenden Deep-Learning Cluster NVIDIA DGX A100 (LT-218) anschaffen.
Zudem dauert das Lernen bzw. Trainieren sowie die Simulation von Sensoren und Flugzeugen bzw. Flugumgebungen sehr lange. Dies kann durch den Einsatz von speziell auf parallele Recheneinheiten (Deep-Learning Grafikkarten) abgestimmte Softwaremodule (Bibliotheken) erheblich beschleunigt werden (Faktor > 20-50). Der Einsatz dieser freien und kommerziellen Bibliotheken ist an die Grafikkarten von NVIDIA gebunden. Alternative Grafikkarten können hierbei nicht genutzt (u.a. von Intel, AMD) werden.
Für das Lernen von Multi-Task neuronalen Netzen sowie zur Verbesserung der Erkennungsleistung im Allgemeinen muss der Grafikkarten-Speicher pro Grafikkarte mindestens 80GB betragen.
Neben dem DGX-System muss die UniBw M bestehende Grafikkarten (LT-226, NVIDIA Quadro A6000) aufrüsten, um große Neuronale-Netze (CNNs) performant ausführen zu können. Hierbei müssen neben Geschwindigkeitsverbesserung (Kompatibilität zur NVIDIA Hopper Architektur, mindestens 5x Geschwindigkeit der A6000) auch jeweils ein Grafikkartenspeicher von mindestes 80GB pro Grafikkarte vorhanden sein. Des Weiteren müssen die Grafikkarten über PCI-Express 5.0 anschließbar sein. Die zum neu anzuschaffende Deep-Learning Cluster NVIDIA DGX H100 kompatible Grafikkarte ist die NVIDIA H100, 80GB, PCI-Express 5.0.

Genaue Informationen über Fristen für Überprüfungsverfahren

Die Einlegung von Rechtsbehelfen richtet sich nach den Vorschriften des vierten Teils des Gesetzes gegen Wettbewerbsbeschränkungen (GWB). Zur Wahrung der Fristen wird auf §§ 160 ff. GWB sowie, da es sich hier um die Bekanntmachung eines vergebenen Auftrags handelt, insbesondere auf § 135 Abs. 1 und 2 GWB hingewiesen.