Schnellere Hardware und weniger Server
Die ACM DEBS-Konferenz war dieses Jahr in Darmstadt und wurde maßgeblich von KOM um das Team von Dr. Boris Koldehofe ausgerichtet. 2019 ging es vor allem um Computersysteme zur Datenanalyse, die verteilt und in „Echtzeit“ Erkenntnisse aus einer Vielzahl von Datenquellen ableiten können. Top-Wissenschaftler aus Academia und Industrie trafen auf der DEBS 2019 zusammen, um neue Lösungen für effiziente und adaptive Computersysteme zu finden.
Grundlagenforschung für zuverlässige Anwendungen
Die zentralen Themen der Konferenz drehten sich auf der Meta-Ebene um das Zusammenführen, Erkennen, Verarbeiten von Daten, die Computersystemen ermöglichen, auf Ereignisse der realen Welt zu reagieren. Das klingt abstrakt, wobei die Beispiele für Anwendungsfelder äußerst vielfältig und konkret sind. Denn zuverlässige, effiziente Computersysteme, die sich aufgrund solcher Ereignisse dynamisch anpassen, sind überall gefragt: im Internet der Dinge, in Sensornetzwerken, sozialen Netzwerken, im Finanz- und Gesundheitswesen oder der Logistik. Die Ziele und entscheidenden Kriterien sind die zeitnahe und zuverlässige Erkennung von Ereignissen. Ferner müssen jene Systeme schonend mit Ressourcen umgehen, um große Datenmengen effizient verarbeiten zu können.
Im Darmstadtium traf sich die Scientific Community zur Erforschung und Evaluierung eben solcher, neuer Lösungskonzepte. Wer jene Konzepte erarbeitet, braucht immer beides: Grundlage und praktische Umsetzung. Nicht umsonst waren Speaker der großen Tech-Unternehmen und der Wissenschaft geladen: Microsoft, Google und IBM trafen auf die Top-Wissenschaftler der Zunft. Forschung lebt schließlich auch davon, dass deren Erkenntnisse in der Industrie Anwendung finden.
Neues Paradigma und spezielle Hardware
Ein prominentes Thema war dabei Serverless Computing. Hier handelt es sich um ein Paradigma, wie Berechnungen über hochgradig verteilte Rechenressourcen zukünftig stattfinden können. Aufgaben werden verteilt, statt an einer zentralen Stelle verarbeitet zu werden. Die Recheneinheiten werden kleiner und man spaltet die Berechnungen in autonom verarbeitbare Tasks auf. Diese Tasks werden dann zu einem entsprechenden Service geschickt, der für deren Erledigung Ressourcen bereitstellt und danach wieder freigibt. So können Aufgaben äußerst effizient und flexibel berechnet werden. Hier waren besonders interessant die Keynotes von Tyler Akidau, Karthik Ramasamy, Donald Kossmann und Olivier Tardieu.
Spannend für die Forschung bei KOM war der Trend zur Hardware-Beschleunigung und der Frage, wie entsprechende Datenanalysen in Hardware übersetzt werden können, um die gestellten Aufgaben möglichst schnell und effektiv zu verarbeiten. Nicht zuletzt der Sonderforschungsbereich MAKI braucht dieses Forschungsthema zur Zusammenstellung geeigneter Hardware-Komponenten für die Netzwerk-Analyse und deren Beschleunigung. Darüber sprach auf der Konferenz unter anderem Gustavo Alonso.
Eine Community braucht Nachwuchs
Hervorgehoben wurde die Summer School zum Thema Machine Learning mit etwa sechzig Teilnehmerinnen und Teilnehmern. Machine Learning ist von besonderer Bedeutung in vielen Anwendungsfeldern, in denen kontextbezogen Adaptionsentscheidungen getroffen werden. Beispielsweise beim Videostreaming kann durch künstliche Intelligenz erlernt werden, was für den Nutzer interessant ist. Das ermöglicht beispielsweise passgenaue Adaptionen bei der Optimierung der Datenraten durch die Skalierung der Qualität der übertragenen Bilder. Die Idee hinter einer solchen Summer School ist neben einer interessanten thematischen Fokussierung auch immer, eine jüngere Community aufzubauen. Diese Vitalität war auf der DEBS 2019 sowohl in der eingeschworenen Community sowie bei Neuzugängen deutlich spürbar.
