Socio-Physical Advanced Research Cloud Infrastructure

Über das Projekt

Die „Socio-Physical Advanced Research Cloud Infrastructure“ (SPARCI) ist ein von der DFG gefördertes Großgerät am Campus der Universität Koblenz, das einen leistungsstarken Computercluster mit einer angeschlossenen Long-Range-Wide-Area-Network-Infrastruktur (LoRaWAN-Infrastruktur) für Forschende und Lehrende zur Verfügung stellt. Die leistungsstarke Infrastruktur ermöglicht umfangreiche Forschungsvorhaben zur Gewinnung, Speicherung, Analyse und Nutzung großer Datenmengen (Big Data) in soziotechnischen (Mensch-Maschine) und cyberphysischen (mechanische und elektronische Dinge) Systemen. Datenquellen und Datenempfänger stammen aus der Forschung zu Informationssystemen in Unternehmen, in der öffentlichen Verwaltung und dem öffentlichen World Wide Web. Das Projekt stößt in neue Gebiete der intelligenten Verknüpfung von realen und physischen Objekten mit ihrer virtuellen Umgebung und deren Nutzung in den vorgenannten Domänen vor.

Die angestrebte Forschung hat einen sehr hohen Bedarf an Rechenleistung und Speicherkapazität, die für die Erforschung wachsender Datensätze und die Ausführung von Methoden der künstlichen Intelligenz und des Maschinellen Lernens erforderlich sind. Insbesondere die Entwicklung von Deep-Learning-Algorithmen und neuronalen Netzen führen zu einem neuen Bedarf an GPU-basierter Rechenleistung, mit der sich die benötigten Rechenzeiten für die Verarbeitung der existierenden und wachsenden Datensätze auf ein nutzbares Maß reduzieren lassen.

Zum Sammeln von Sensordaten beinhaltet das Großgerät eine LoRaWAN-Infrastruktur, die sowohl stationär am Campus der Universität installiert wird, als auch in Forschungsprojekten außerhalb des Universitätsgeländes nutzbar sein wird. Diese Infrastruktur ermöglicht eine drahtlose, energieeffiziente, bidirektionale Übertragung von beispielsweise Sensordaten über Entfernungen von mehreren Kilometern und erlaubt zudem eine Geolokation der Sender mittels Multilateration und Time-Difference-of-Arrival-Verfahren über die Ankunftszeiten der Datenpakete an mehreren Empfangsgeräten.

Die involvierten Forschungsgruppen verfügen über umfangreiche Vorarbeiten in den Bereichen Maschinelles Lernen, innovative Ansätze der Web Science, Kollaborationssysteme, Internet of Things und IT-Konzepte in der öffentlichen Verwaltung. Die spezielle Kombination der Spezialisierungen der beteiligten Forschungsgruppen ermöglicht den notwendigen interdisziplinären, holistischen Ansatz. Zur Wahrung von Compliance-Aspekten, wird im Rahmen des Projekts ein Konzept zur Speicherung großer Mengen heterogener Sensordaten unter Berücksichtigung von Aspekten zum Datenschutz, Datensicherheit und der Privatsphäre von Personen entwickelt. Bei der Erhebung jeglicher Sensordaten wird sowohl technisch als auch konzeptionell darauf geachtet, dass Rückschlüsse auf die Identität oder das Bewegungsprofil einzelner Personen ausgeschlossen sind.