SFB 876:  Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung

• Fachliche Zuordnung: Informatik, System- und Elektrotechnik ; Biologie ; Maschinenbau und Produktionstechnik ; Mathematik ; Medizin ; Physik
• Förderung: Förderung von 2011 bis 2022
• Webseite: Zur Homepage
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 124020371

Der Sonderforschungsbereich 876 bringt die Forschungsgebiete der Datenanalyse (Big Data Analytics, Data Mining, maschinelles Lernen, Statistik) und der eingebetteten Systeme (Cyber-Physical Systems) zusammen und erweitert sie derart, dass Information aus verteilten, dynamischen Datenmassen realzeitlich für Entscheidungen vor Ort verfügbar wird.Das Datenvolumen, die Heterogenität und Verteiltheit der Daten sowie ihr oft hoher Durchsatz sind im Verhältnis zu den jeweils gegebenen Rechnern zu sehen. Fallen die Ressourcenbeschränkungen bei kleinen, ubiquitären Systemen sofort auf, gelten sie bei besonders großen, hochdimensionalen, dynamischen Daten sogar auch für große Rechenanlagen. Während die Beachtung der Laufzeit Standard ist, rückt der Forschungsbedarf bei darüber hinaus gehenden Ressourcen wie Speicher, Energie und Kommunikation jetzt deutlicher in den Vordergrund. Hier ist der SFB 876 weiterhin Vorreiter. Die Analysealgorithmen werden für bestimmte Programmiermodelle (etwa für Datenströme oder MapReduce für große Datenmengen) und Ausführungsplattformen (beispielsweise FPGA oder GPU) bezüglich ihres Ressourcenbedarfs untersucht.In den B-Projekten sind die Herausforderungen durch lokale, mobile, ubiquitäre Systeme gegeben, beispielsweise verteilte Systeme oder kleine Virenscanner. Im C-Bereich ergeben sich die Ressourcenbeschränkungen durch hohe Dimension, Dynamik und Volumen der Daten, beispielsweise bei der Astro- oder der Teilchenphysik. Beide Säulen werden durch die übergreifenden Projekte im A-Bereich zusammengeführt.

• DFG-Verfahren: Sonderforschungsbereiche

Abgeschlossene Projekte

• A01 - Data Mining für ubiquitäre Systemsoftware (Teilprojektleiterinnen / Teilprojektleiter Chen, Jian-Jia ;  Morik, Katharina ;  Spinczyk, Olaf )
• A02 - Algorithmik von Lernverfahren in eingebetteten Systemen (Teilprojektleiter Schubert, Erich ;  Sohler, Christian ;  Teubner, Jens ;  Vahrenhold, Jan )
• A03 - Methoden der Effizienten Ressourcennutzung in Algorithmen des Maschinellen Lernens (Teilprojektleiter Chen, Jian-Jia ;  Marwedel, Peter ;  Rahnenführer, Jörg )
• A04 - Ressourceneffiziente und verteilte Plattformen zur integrativen Datenanalyse (Teilprojektleiter ten Hompel, Michael ;  Marwedel, Peter ;  Spinczyk, Olaf ;  Wietfeld, Christian )
• A05 - Austausch und Fusion von Information unter Verfügbarkeits- und Vertraulichkeitsanforderungen in Multiagentensystemen (Teilprojektleiterinnen / Teilprojektleiter Biskup, Joachim ;  Kern-Isberner, Gabriele )
• A06 - Ressourceneffiziente Analyse von Graphen (Teilprojektleiterinnen / Teilprojektleiter Fischer, Johannes Christian ;  Kersting, Kristian ;  Kriege, Nils ;  Mutzel, Petra ;  Sohler, Christian ;  Weichert, Frank )
• B01 - Ressourcen-beschränkte Analyse von Spektrometriedaten (Teilprojektleiter Rahmann, Sven ;  Rahnenführer, Jörg )
• B02 - Ressourcenoptimierte Echtzeitanalyse stark Artefakt-behafteter Bildsequenzen zur Detektion von Nanoobjekten (Teilprojektleiter Chen, Jian-Jia ;  Hergenröder, Roland ;  Marwedel, Peter ;  Müller, Heinrich ;  Weichert, Frank ;  Zybin, Alexander )
• B03 - Data Mining in Sensordaten automatisierter Prozesse (Teilprojektleiterinnen / Teilprojektleiter Deuse, Jochen ;  Morik, Katharina ;  Wiederkehr, Petra )
• B04 - Analyse und Kommunikation für die dynamische Verkehrsprognose (Teilprojektleiter Kersting, Kristian ;  Liebig, Thomas ;  Schreckenberg, Michael ;  Wietfeld, Christian )
• C01 - Merkmalsselektion in hochdimensionalen Daten am Beispiel der Risikoprognose in der Onkologie (Teilprojektleiterinnen / Teilprojektleiter Köster, Johannes ;  Lee, Sangkyun ;  Morik, Katharina ;  Rahmann, Sven ;  Schramm, Alexander )
• C03 - Mehrstufige statistische Analyse von hochfrequenten räumlich-zeitlichen Prozessdaten (Teilprojektleiterinnen / Teilprojektleiter Fried, Roland ;  Morik, Katharina ;  Rhode, Wolfgang ;  Ruhe, Tim )
• C04 - Regressionsverfahren für sehr große, hochdimensionale Daten (Teilprojektleiterinnen / Teilprojektleiter Ickstadt, Katja ;  Munteanu, Alexander ;  Sohler, Christian )
• C05 - Echtzeitanalyse und Speicherung für hochvolumige Daten aus der Teilchenphysik (Teilprojektleiter Albrecht, Johannes ;  Spaan, Bernhard ;  Teubner, Jens )
• MGK - Integriertes Graduiertenkolleg (Teilprojektleiter Rhode, Wolfgang )
• Z - Zentrale Aufgaben des Sonderforschungsbereichs (Teilprojektleiterin Morik, Katharina )

• Antragstellende Institution: Technische Universität Dortmund
• Unternehmen: ARTES Biotechnology GmbH
• Beteiligte Institution: Leibniz-Institut für Analytische Wissenschaften -ISAS- e.V.; Paul-Ehrlich-Institut; Bundesinstitut für Impfstoffe und biomedizinische Arzneimittel
• Beteiligte Hochschule: Universität Duisburg-Essen
• Sprecherin: Professorin Dr. Katharina Morik