Skalierbare Softwaresysteme

Projekte

Wir forschen zusammen mit renommierten Partnern in Wirtschaft, Politik und Wissenschaft. Auf den dargestellten Unterseiten finden sich weitere Details zu unseren aktuellen Projekten.

SimRa: Sicherheit im Radverkehr

Wie andere Metropolen weltweit versucht Berlin seit einiger Zeit im Sinne eines modernen, urbanen Verkehrskonzeptes, den Radverkehr zu fördern und auszubauen. Umfragen zeigen jedoch, dass insbesondere das (berechtigte) Gefühl mangelnder Sicherheit viele Menschen davon abhält, vom Auto auf das Fahrrad umzusteigen. Gleichzeitig ist es sehr schwierig, einen Überblick über Gefahrenpunkte in der Stadt oder die Häufung bestimmter Gefährdungen zu bekommen, da Unfallstatistiken keine „Beinahe-Unfälle“ erfassen und Fahrräder im Gegensatz zu Autos typischerweise nicht mit Sensoren ausgestattet sind, die solche Daten für eine Zweitverwertung liefern könnten.

Im Projekt SimRa sammeln wir – auf datenschutzkompatible Art und Weise – Daten darüber, wo es in der Stadt für Radfahrende zu Gefahrenhäufungen kommt, welcher Art diese sind, ob diese zeitlich oder lokal gehäuft auftreten und wo sich die Hauptverkehrsflüsse auf dem Rad bewegen. Hierfür wurde im Projekt eine Smartphone-App entwickelt, die mittels GPS-Daten Fahrtrouten aufzeichnet und dabei Beschleunigungssensoren zum Detektieren von Gefahrensituationen nutzt – bspw. plötzliches Bremsen, Ausweichen oder gar einen Sturz. Im Anschluss an die Fahrt werden Radfahrende gebeten, diese detektierten Gefahrensituationen zu kategorisieren und zu annotieren, etwaige nicht detektierte Gefahrensituationen zu ergänzen und einen Upload auf die Projektserver frei zu geben. 

Um den Teilnehmenden zu jedem Zeitpunkt volle Kontrolle über ihre Daten zu geben, werden alle Daten zunächst nur lokal in der App erfasst. Erst im Anschluss an die Fahrt können Teilnehmende die erfassten Daten einsehen und pro Fahrt einzeln pseudonymisiert zum Upload freigeben. Mit Hilfe dieser Daten wird es möglich, einen umfassenden Überblick über Radverkehr in Berlin sowie dabei auftretende Gefahrensituationen zu gewinnen. Zusätzlich können ungünstige Verkehrsflüsse oder Ampelschaltungen erkannt und optimiert werden, sodass die Fahrradnutzung mittelfristig attraktiver und sicherer wird. Die im Projekt gewonnenen Daten werden gemeinsam mit Partnern aus anderen Fachbereichen wie bspw. Stadt- und Regionalplanung aber auch unter Einbeziehung interessierter Bürger ausgewertet, um mit Hilfe der Berliner Senatsverwaltung für Umwelt, Verkehr und Klimaschutz nachhaltige Veränderungen zu erreichen.

Das Projekt wird im Rahmen der Citizen-Science-Initiative der TU Berlin gefördert. Weitere Kooperationspartner sind willkommen. Insbesondere können auch andere Städte mitmachen. Hierfür benötigen wir einen Ansprechpartner vor Ort (eine Person oder Verein), die (i) Teilnehmende in der Stadt für das Projekt anwirbt und (ii) die von uns vorausgewerteten Daten nutzt, um bspw. identifizierte Gefahrenschwerpunkte vor Ort zu besichtigen und mit Hilfe der jeweiligen Verwaltung die Situation zu entschärfen.

Aktuell ist die App verfügbar für Android (6.0+) und IOS.

Aktuelle Statistiken & Ergebnisse

Weitere Informationen befinden sich auch

SimRa ist Preisträger des Deutschen Fahrradpreises 2022 in der Kategorie Service & Kommunikation:

Bitte beachten Sie: Sobald Sie sich das Video ansehen, werden Informationen darüber an YouTube/Google übermittelt. Weitere Informationen dazu finden Sie unter Google Privacy.

6G_NeXt: 6G Native Extensions for XR Technologies

Künftige 6G-Dienste und -Anwendungen werden für Industrie, Medien und Privatanwender eine nie dagewesene Menge an Daten erzeugen, die in einer Geschwindigkeit und Zuverlässigkeit übertragen werden müssen, welche heutige mobile Netze nicht erreichen würden. Das Fördervorhaben "6G Native Extensions for XR Technologies" 6G_NeXt) hat sich zum Ziel gesetzt, eine Infrastruktur zu entwickeln, deren integrierte Netzwerk- und Software-Schicht neue Verarbeitungsgeschwindigkeiten ermöglicht, sowie die dynamische Verteilung von komplexen Rechenaufgaben (Split Computing) umsetzt. Neueste Softwaretechnologien vereinen dabei Computing und Konnektivität zu einem Gesamtsystem, dessen Möglichkeiten über die aus 5G bekannte Edge-Cloud weit hinaus gehen.

Im Projekt hat unser Fachgebiet zwei Hauptaufgaben. Zum einen entwickeln wir eine Softwareplattform für eine "Serverless Edge Cloud", die als Laufzeitumgebung für neuartige 6G-Anwendungen dienen kann. Zum anderen unterstützen wir die Implementierung eines Usecases, in dem ein neuartiges Anti-Kollisionssystem für die Luftfahrt am Beispiel von Drohnen an Flughäfen exemplarisch auf unserer Softwareplattform umgesetzt wird.

Das Projekt wird im Rahmen des Calls "6G-Industrieprojekte zur Erforschung von ganzheitlichen Systemen und Teiltechnologien für den Mobilfunk der 6. Generation" durch das Bundesministerium für Bildung und Forschung für 3 Jahre gefördert.

https://6gnext.de/

GeoVER: Geowarnungen für den Verkehrsbereich mittels Extended Reality im Anwendungsbereich Luftverkehr

Während heutzutage im Verkehrssektor eine Vielzahl an Sensoren und damit verbunden Datenquellen existiert, stehen diese Daten für Anwendungen meist nicht direkt zur Verfügung. Insbesondere gibt es in allen Verkehrsbereichen den Bedarf, Verkehrsteilnehmer a) vor Ereignissen wie bspw. Drohnen in einer Flughafeneinflugschneise zu warnen und b) über weitere Ereignisse und Zustände wie bspw. Verkehrsflussstörungen zu informieren. Dies sollte zielgruppengenau, geographisch präzise lokalisiert und in Echtzeit erfolgen.

Ziel dieser Vorstudie ist es, ein erweiterbares IT-System zu entwickeln, das flexibel für alle Verkehrsbereiche einsetzbar ist und in der Lage ist, Daten aus unterschiedlichen Datenquellen zielgruppengenau basierend auf Geofences in Echtzeit an unterschiedlichste Empfänger zu verteilen. Hierbei geht es insbesondere um Geowarnungen. Dies soll in einem Luftverkehrsanwendungsfall exemplarisch umgesetzt und evaluiert werden. Als Beispiel soll eine XR-Anwendung zur Datenvisualisierung entwickelt werden.

Im Rahmen des Projektes werden zunächst konkrete Anforderungen aus dem Anwendungsfall Flughafen erfasst und in Relation zu Anforderungen aus anderen Verkehrsbereichen gesetzt. Anschließend wird auf Basis von Ergebnissen aus der Informatik-Grundlagenforschung ein IT-System für den konkreten Anwendungsfall Luftverkehr entwickelt und dieses in Kooperation mit dem Verkehrslandeplatz Schönhagen in Brandenburg evaluiert.

Das Projekt wird in Kooperation mit der Deutschen Telekom und dem Flugplatz Schönhagen durchgeführt und wird im Rahmen der Förderlinie mFUND durch das Bundesministerium für Digitales und Verkehr für 1 Jahr gefördert.

OptiFaaS: Optimale und adaptive Allokation von FaaS-Ressourcen

Function-as-a-Service (FaaS) ist die neuste Inkarnation cloudbasierter Computedienste. Ein wesentlicher Vorteil von FaaS ist, wie einfach es die Anwendungsentwicklung gemacht hat: Entwickler schreiben lediglich kleine zustandslose Funktionen, die mit Plattformdiensten wie bspw. Datenbanken oder Messaging interagieren – der Betrieb wird dem FaaS-Anbieter überlassen. Aufgrund der Attraktivität des Programmiermodells sowie der klaren Trennung von Zustands- und Funktionsmanagement ist FaaS auch ein vielversprechender Kandidat für Edge-Computing. Heutiges FaaS hat jedoch auch einige Probleme: Erstens berücksichtigt das Function-Placement in der Regel nicht Dateneingabe und -ausgabe, was dazu führt, dass FaaS-Plattformen dazu neigen, eine „Data-Shipping“-Architektur umzusetzen. Zweitens verursacht das Cold-Start-Problem, das auftritt, wenn ein Request keine freie Funktionsinstanz findet, Latenzausreißer, die sich gerade in Workflows mit mehreren Funktionen summieren. In geografisch verteilten Fog-Umgebungen ist dies noch gravierender, da der Funktionscode zuerst von einem (geo-)entfernten Server abgerufen werden muss, was die Cold-Start-Latenz weiter erhöht. Drittens werden im bestehenden FaaS-Programmiermodell Funktionen durch einzelne Events ausgelöst. Für moderne Anwendungen, insbesondere im Internet der Dinge, wäre jedoch ein mächtigereres Ereignismodell, das Funktionen auf Basis mehrerer Events auslösen kann, sehr nützlich und würde zudem die Wiederverwendbarkeit von Funktionen durch lose Kopplung von Funktionen erhöhen sowie dazu beitragen, die Paradigmenlücke zwischen FaaS und Stream-Processing-Systemen zu schließen. Viertens sind bestehende Kompositionsframeworks providerspezifisch und unterstützen keine Multi-Provider-Workflows, was aber für Cloud/Edge/Fog-Workflows entscheidend ist. Außerdem setzen sie meist auf Orchestrierung, was zum sogenannten „Double-Billing“ führt.

In OptiFaaS werden wir eine FaaS-Plattform für Cloud/Edge/Fog-Umgebungen erforschen und entwickeln, die oben genannten Probleme adressiert. Insbesondere werden wir
(i) eine neue FaaS-Plattform entwickeln, die föderiert über Cloud/Edge/Fog laufen kann und dabei bestehende FaaS-Anbieter integriert,
(ii) einen neuartigen Multi-Event-Trigger designen, der durch Complex-Event-Processing inspiriert ist,
(iii) ein plattformübergreifendes FaaS-Choreography-Framework entwerfen,
(iv) einen intelligenten Ansatz für Function-Placement und -Schedulung entwickeln, der das Placement zur Laufzeit in Hinblick auf Quality-of-Service-Ziele optimiert und anpasst.
Der Ansatz wird dabei Dateneingabe und -ausgabe sowie bereits deployte Funktionen, Ressourcenauslastung von FaaS-Systemen, Cold-Starts, Kosten und Constraints wie bspw. Privacy berücksichtigen. Hierfür werden wir Ansätze aus Model-Predictive-Control und Distributed-Decision-Making weiterentwickeln und für die Domäne FaaS anpassen.

Das Projekt wird in Kooperation mit der TU Dortmund (Prof. Dr. Sergio Lucia) durchgeführt und wird durch die DFG für 3 Jahre gefördert.

FogStore – Eine Datenmanagementplattform für geo-verteilte Fogumgebungen

Moderne Anwendungen sind heute typischerweise cloudbasiert. Gleichzeitig bietet das neue Paradigma Fog-Computing, d.h. die gleichzeitige Nutzung von Cloud- und Edge-Computing sowie potentiell weiterer kleinerer Rechenzentren im Netzwerk zwischen Edge und Cloud, weitere Vorteile in Form von Systemqualität (QoS) für einige Anwendungen. Insbesondere neue Anwendungsdomänen wie das Internet der Dinge, autonomes Fahren, 5G-Netzwerke oder eHealth können von diesen Vorteilen profitieren oder benötigen diese sogar zwingend. Der größere Grad an Geoverteilung im Fog-Computing erfordert es jedoch, System- und Anwendungsarchitekturen zu überdenken. Insbesondere Datenmanagement - egal ob relational oder auf NoSQL-Art - kann mit diesem Grad an Geoverteilung und den Fogcharakteristika schlecht umgehen. Dies bedeutet insbesondere, dass typische Datenmanagementaufgaben aktuell auf Anwendungsebene implementiert werden müssen.

Im Projekt FogStore wollen wir diese Lücke schließen und dabei insbesondere folgende Kernergebnisse erzielen:

  1. Ein Datenmanagementsystem, das beliebige, dynamisch veränderbare Datenverteilungsstrategien unterstützt, die von Anwendungen definiert werden, und dabei QoS-Anforderungen und Fehlersituationen beachtet.
  2. Eine anwendungsseitige Middlewarekomponente, die mittels leichtgewichtigem Monitoring für sich bewegende Anwendungsklienten automatisch das jeweils nächste Datenreplika auswählt.
  3. Einen Manager für Predictive-Replica-Placement, der zukünftige Anwendungszugriffe vorhersagt und darauf basierend proaktiv Daten an einen für die Anwendung günstigereren Ort bewegt. Hierfür werden vergangene Zugriffsmuster analysiert und anwendungsspezifisches Wissen in Kombination mit Zeitreihenanalyse und maschinellem Lernen genutzt. Dies erlaubt, Daten rechtzeitig am vorhergesagten Ort bereitzustellen.
  4. Ein neues Benchmarkingframework, das speziell für die koordinierte Ausführung mehrerer paralleler Workloads in geoverteilten Umgebungen designed ist. Dieses Framework wird in FogStore genutzt, um Performance und andere Qualitätseigenschaften des entwickelten Fogdatenmanagementsystemen experimentell zu untersuchen. Es kann jedoch auch für Benchmarking allgemeiner geoverteilter Systeme, wie bspw. im Bereich Cloud-Federation, eingesetzt werden.

Das Projekt wird von der DFG für drei Jahre finanziert, es startete am 1.9.2019.

Fog4IoT: Fog Data Management for IoT Applications

Typische IoT-Anwendungen nutzen Sensordaten, um das Verhalten von Smart-Devices zu steuern. Bspw. können Wetter- und Helligkeitssensoren genutzt werden, um Jalousien zu steuern. Alternativ könnten im Rahmen einer Smart-Factory Vibrationssensoren und Audiosignale genutzt werden, um Fehler in Werkzeugmaschinen frühzeitig zu erkennen und diese rechtzeitig abzuschalten und zu warten, bevor es zu größeren bleibenden Schäden kommt. 

In beiden Beispielen werden Daten verarbeitet und darauf basierend entweder am Edge oder in der Cloud Entscheidungen getroffen. Darüber hinaus gibt es meist mögliche Zweitverwertungen für Daten, wofür meist Cloudsysteme verwendet werden. Für IoT-Anwendungen haben dabei sowohl Cloud als auch Edge Vor- und Nachteile: Die Cloud bietet hohe Skalierbarkeit sehr günstig aber mit meist höheren Latenzen, wohingegen am Edge geringe Antwortzeiten mit sehr limitierten Rechenressourcen zusammenkommen. Darüber hinaus gibt es häufig datenschutzrechtliche Einschränkungen für den Transfer von personenbezogenen Daten in die Cloud und Firmen behalten insbesondere kritische und vertrauliche Betriebsdaten gerne in ihren eigenen Rechenzentren. Der beste Ansatz ist, die Stärken beider Ansätze im Rahmen des sogenannten Fog-Computings zu nutzen, bei dem Teile von Anwendungen jeweils am Edge, in der Cloud oder auch möglichen kleineren Rechenzentren im Netzwerk dazwischen laufen.

In diesem Projekt erforschen wir neuartige Techniken für Datenmanagement und –verteilung, die spezielle auf die Bedürfnisse von IoT-Anwendungen abgestimmt sind. Wichtig hierbei ist, Daten effizient zwischen Cloud und Edge zu verteilen und die Komplexität hiervon vor den Anwendungen weitgehend zu verbergen. Eine besondere Herausforderung liegt hierbei darin, dass abhängig vom Usecase sowohl eventbasierte Functions (‘serverless‘) aber auch Streamingsysteme für IoT-Anwendungen in Frage kommen. Ebenso gibt es Anwendungsfälle, in denen pub/sub-Systeme mehr Flexibilität als direkte Kommunikation bieten. Ziel des Projektes ist es daher auch, diese Ansätze zu integrieren, um Anwendungsentwicklern mehr als zwei Auswahloptionen zu bieten.

Die ersten vier Jahre dieses Projektes werden durch die Einstein-Stiftung finanziert, das Projekt startete im Januar 2018.