Fraunhofer-Institut für Software- und Systemtechnik ISSTMit der zunehmenden Vernetzung, Digitalisierung und Datenintensität steigen die Anforderungen an verteilte und parallele Rechensysteme in Unternehmen und Organisationen. Die effiziente Verarbeitung großer Datenmengen in Echtzeit, die flexible Skalierung von Ressourcen und die Sicherstellung von Performance und Energieeffizienz sind zentrale Herausforderungen, denen herkömmliche IT-Infrastrukturen oft nicht gewachsen sind.
Verteilte Systeme und Parallel Computing
Forschung zu Edge-Cloud-Kontinuum, verteiltem Lernen und skalierbaren Computing-Umgebungen.
Unser Forschungsbereich entwickelt innovative Ansätze für das Edge-Cloud-Continuum, die eine nahtlose Verteilung und Verarbeitung von Daten und Workloads über verschiedene Standorte und Infrastrukturen hinweg ermöglichen. Im Fokus stehen dynamisches Ressourcenmanagement, energieeffiziente Parallelisierung, die Entwicklung skalierbarer Architekturen für industrielle Anwendungen sowie die Integration von KI- und Datenmanagement-Tools in verteilte Systeme. Wir unterstützen Unternehmen bei der Implementierung moderner, verteilter Systeme, die eine flexible und effiziente Nutzung von Rechenressourcen ermöglichen und gleichzeitig die Betriebskosten senken. Unsere Forschung umfasst die Entwicklung neuer Algorithmen, Frameworks und Werkzeuge für das Management und die Optimierung verteilter Systeme, die Durchführung von Performance-Analysen und die Begleitung von Pilotprojekten in verschiedenen Branchen. Durch praxisnahe Forschung und die enge Zusammenarbeit mit Partnern aus Industrie und Wissenschaft tragen wir dazu bei, digitale Infrastrukturen zukunftssicher, nachhaltig und leistungsfähig zu gestalten.
Unsere Lösungen ermöglichen es Unternehmen, die Potenziale der Digitalisierung voll auszuschöpfen, innovative datengetriebene Geschäftsmodelle zu realisieren und sich im Wettbewerb erfolgreich zu positionieren. Die Ergebnisse unserer Arbeit zeigen, dass durch den Einsatz moderner verteilter Systeme die Skalierbarkeit, Zuverlässigkeit und Energieeffizienz signifikant verbessert werden kann.
Letzte Veröffentlichungen
| Jahr Year | Titel/Autor:in Title/Author | Publikationstyp Publication Type |
|---|---|---|
| 2025 | Enhancing Data Governance in Data Trustees Through ODRL-Based End-of-Life Policies Steinert, Michael; Tebernum, Daniel |
Konferenzbeitrag Conference Paper |
| 2025 | Correction: MBFair: a model-based verification methodology for detecting violations of individual fairness Ramadan, Qusai; Konersmann, Marco; Ahmadian, Amir Shayan; Jürjens, Jan; Staab, Steffen |
Zeitschriftenaufsatz Journal Article |
| 2025 | Tensions in implementing a circular economy - Empirical insights from the automotive industry Hoppe, Christoph; Schoormann, Thorsten; Winkelmann, Stephanie; Möller, Frederik |
Zeitschriftenaufsatz Journal Article |
| 2025 | Proposing an Integrated Process Model for Designing Clinical Decision Support Tools Wolf, Eduard; Morisse, Karsten; Meister, Sven |
Konferenzbeitrag Conference Paper |
| 2025 | Evaluation of a large language model to simplify discharge summaries and provide cardiological lifestyle recommendations Rust, Paul; Frings, Julian; Meister, Sven; Fehring, Leonard |
Zeitschriftenaufsatz Journal Article |
| 2025 | A Delimitation of Data Sovereignty From Privacy Pampus, Julia; Heisel, Maritta |
Aufsatz in Buch Book Article |
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica
This list has been generated from the publication platform Fraunhofer-Publica
Beispiele aus unseren Projekten
Unsere Forschungsprojekte entstehen in enger Zusammenarbeit mit Partnern aus der Industrie. Sie sind markt- und bedarfsorientiert konzipiert mit dem Ziel, anwendbare Lösungen für das Cloud Edge Ökosystem bereitzustellen.
»ECC4P«: Optimierung von Fertigungsprozessen durch souveränen Datenaustausch und KI-gestützte Sensordatenauswertung
Das Fraunhofer-Projekt »Edge Cloud Continuum for Production« (ECC4P) nutzt Datenraum-Technologien für den souveränen Austausch von Daten zwischen Edge und Cloud zur Optimierung des Herstellungsprozesses von Werkstücken in der Produktion. Dabei überwachen Sensoren den Ablauf der Fertigung an Werkzeugmaschinen. Durch Auswertung deren Daten in einer Cloud werden spezialisierte ML-Modelle generiert, die die Steuerung der Maschinen danach optimieren. So wird die Ausschussrate maßgeblich reduziert und Maschinenstillstand so weit wie möglich verhindert. Das Parallelprojekt »SoundTrack« nutzt das gleiche Scenario innerhalb der Qualitätskontrolle von Werkstücken mittels neu entwickelter Sensoren an einem Prüfstand für Werkstücke.
IPCEI-CIS Sustainability-Focused Orchestration in the Edge Cloud Continuum
Im Projekt »IPCEI-CIS Sustainability-Focused Orchestration in the Edge Cloud Continuum« kollaborieren T-Systems International GmbH und die Fraunhofer-Gesellschaft, um Energieeffizienz in der gesamten Technologieumgebung des Edge Cloud Continuums zu integrieren. Ziel ist es, energieeffiziente Praktiken von der Infrastruktur bis zur Anwendungsentwicklung und Edge IoT-Setups zu priorisieren, um eine nachhaltige und umweltfreundliche Technologie-Landschaft zu fördern.
FEC-ARRC: Optimierung der Fraunhofer Edge Cloud mit automatischen Empfehlungen für die Ressourcenkonfiguration
ARRC optimiert die Fraunhofer Edge Cloud durch nahtlose OpenStack-Integration, erklärbare KI und automatisiertes Rightsizing per GitOps. Im Projekt FEC-ARRC integrieren wir den Automatic Recommender for Resource Configuration, kurz ARRC, in das OpenStack-Ökosystem der Fraunhofer Edge Cloud (FEC). Die FEC ist ein produktiv betriebenes Referenzsystem, das Unternehmen zeigt, wie Edge- und Cloud-Plattformen im Alltag funktionieren. ARRC nutzt erklärbare Künstliche Intelligenz, Zeitreihenanalyse und Methoden der Multiagenten-Spieltheorie. Dadurch bewertet das System fortlaufend und dezentral die Auslastung und die Konfiguration der Plattform, spricht regelkonforme Empfehlungen zur richtigen Größe von Ressourcen aus und setzt freigegebene Änderungen mithilfe des Betriebsmodells GitOps automatisiert um.