Datenbanken und Informationssysteme

ADAM

Das Software Campus  Projekt ADAM verbindet die approximative Analyse von Datenströmen mit den Vorteilen moderner Hardwarearchitekturen.

In Zeiten des Internets der Dinge und von Industrie 4.0, wächst die Menge von Datenquellen in Form kontinuierlicher Datenströme dramatisch, ebenso wie die Geschwindigkeit, mit der die Daten eintreffen. Für aktuelle und zukünftige datengetriebenen Dienste, wie beispielsweise Fehlererkennung oder Ausfallvorhersagen, ist es essentiell die Datenanalysemethoden und Verarbeitungsalgorithmen an dieses Wachstum anzupassen.

Normalerweise wird die Analyse von Datenströmen parallelisiert auf Clustern mit Standardservern ausgeführt. Die Analyse größerer Datenmengen erfordert eine Erweiterung der Cluster, was widerum eine regelmäßige Explosion der Hardwarekosten und des Energieverbrauchs zur Folge hat. Clustervergrößerung bedeutet aber auch mehr Aufwand für Datentransfer und Koordination innerhalb der Rechencluster. Deshalb müssen die Systeme aus Hardware und Stream Processing Engines der nächsten Generation für eine maximale Kosteneffizienz und Skalierbarkeit ausgelegt sein.

Das Ziel des ADAM Projektes ist es, Operationen für approximative Analysen über Datenströmen zu identifizieren, die in Verbindung mit moderner Hardware (z. B. FPGAs, GPUs) das Potential für eine Verbesserung hinsichtlich von Kosten- und Zeitersparnis haben um daraus neue Konzepte und Architekturen für Anwendungsfälle zu entwickeln. Constraints bezüglich der Genauigkeit der approximativen Verfahren und Garantien bezüglich der maximalen zu verarbeitenden Datenrate sollen dabei Berücksichtigung finden.

Das ADAM Projekt wird als Teil des Software Campus Programms vom Bundesministerium für Bildung und Forschung gefördert und von Huawei Technologies unterstützt.

Projektdauer: 04/2018 - 12/2020

Supervisor: Prof. Dr. Volker Markl