Berlin Big Data Center Phase II

© BBDC team

Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte und 2014 gestartete BBDC ist ein nationales Big-Data-Kompetenzzentrum, welches unter der Leitung der Technischen Universität Berlin (TUB) ist. 2018 startete BBDC in eine anschließende Dreijahresphase aufgrund einer zusätzlichen Förderungszusage vom BMBF. mehr zu: Berlin Big Data Center Phase II

Berliner Zentrum für Maschinelles Lernen

Das Berliner Zentrum für Maschinelles Lernen (BZML) erforscht Methoden des Maschinellen Lernens (ML) im Detail, neue, komplexe Modelle und mathematische Grundlagen. mehr zu: Berliner Zentrum für Maschinelles Lernen

NebulaStream - Data Management for the Internet of Things

© NebulaStream project

NebulaStream ein gemeinsames Forschungsprojekt zwischen der DIMA-Gruppe an der TU Berlin und der IAM-Gruppe des DFKI. Es erforscht das erste Mehrzwecksystem für "end-to-end"-Datenmanagement im Internet of Things. mehr zu: NebulaStream - Data Management for the Internet of Things

FogGuru - Training the Next Generation of European Fog Computing Experts

© FogGuru project

FogGuru contributes to the rapidly emerging domain of fog computing with technologies for managing application resources, middlewares for easing the development of mehr zu: FogGuru - Training the Next Generation of European Fog Computing Experts

Hawk - A Hardware Adaptive Query Compiler

© CoGaDB Team

The performance of modern processors is primarily bound by a fixed energy budget. This power wall forces processor vendors to specialize their processors to certain applications to provide the speedups users expect. mehr zu: Hawk - A Hardware Adaptive Query Compiler

ADAM - Approximative Analyse massiver Datenströme durch moderne Hardware

© M. Kiefer

Das Software Campus Projekt ADAM verbindet die approximative Analyse von Datenströmen mit den Vorteilen moderner Hardware. mehr zu: ADAM - Approximative Analyse massiver Datenströme durch moderne Hardware

LAPSE - Systemarchitektur für eine effiziente Kommunikation im verteilten Maschinellen Lernen

© DIMA/Renz-Wieland

Das Software Campus Projekt LAPSE zielt darauf ab, eine Softwarearchitektur zu entwickeln, die Kommunikationskosten in Anwendungen verteilten Maschinellen Lernens niedrig hält. mehr zu: LAPSE - Systemarchitektur für eine effiziente Kommunikation im verteilten Maschinellen Lernen

moreEVS

Das moreEVS Projekt ist Teil einer bilateralen Initiative für gemeinsame deutsch-chinesische Forschungsprojekte. Die Anzahl an Elektrofahrzeugen (english: electric vehicle, EV) in städtischen Gebieten wird in naher Zukunft rasch ansteigen und damit auch der Bedarf an Ladestationen. DIMA will sich der Herausforderung stellen, die Analyse großer Datenmengen effizient einzusetzen, zur Vereinfachung von Ladevorgängen bei Elektrofahrzeugen. mehr zu: moreEVS

Rhino

The Rhino Software Campus project addresses scalable data stream processing and analytics challenges arising in Big Data, Cloud Computing, Industry 4.0, and IoT (Internet of Things) applications. Rhino also aims to develop a novel state management solution for scalable (i.e., low-latency, high-throughput) stream processing that enables fine-grained fault-tolerance, on-demand resource scaling, and load balancing in the presence of very large (e.g., hundreds of GBs) distributed state. In the end the objective is to develop a technological framework that seamlessly provides fault-tolerance, resource-scaling with zero downtime, and offers high-resource efficiency, lower operational costs, and reduced time-to-knowledge to end-users working on large-scale data applications. mehr zu: Rhino

EDADS Software Campus Project

Im EDADS-Software-Campus-Projekt (EDADS - Efficient Data Analysis Based on Data Summaries) besteht unser Hauptziel darin, Sketch-Algorithmen für Streaming- Daten in modernen Datenstrom-Engines zu entwerfen und zu implementieren. Dies soll dazu beitragen, die Größe der Datenströme zu reduzieren. Darüber hinaus könnte die Skizze im Gegensatz zur Untersuchung des gesamten Datensatzes dann für die Datenanalyse (z.B. zur Anomalie-Erkennung) verwendet werden und dadurch die Ausführungszeit der Datenanalyse verkürzen. mehr zu: EDADS Software Campus Project

ExDRa

Die Idee des ExDRa Projekts ist es geeignete Systemunterstützung für den explorativen Data Science Prozess über heterogene und verteilte Rohdatenquellen zu untersuchen und im Rahmen eines Prototypen für reale Anwendungsfälle bereitzustellen. mehr zu: ExDRa