The ever-increasing need for more computing and data processing power demands for a continuous and rapid growth of power-hungry data center capacities all over the world. As a first study in 2008 revealed, energy consumption of such data centers is becoming a critical problem, since their power consumption is about to double every 5 years. However, a recently (2016) released follow-up study points out that this threatening trend was dramatically throttled within the past years, due to the increased energy efficiency actions taken by data center operators. Furthermore, the authors of the study emphasize that making and keeping data centers energy-efficient is a continuous task, because more and more computing power is demanded from the same or an even lower energy budget, and that this threatening energy consumption trend will resume as soon as energy efficiency research efforts and its market adoption are reduced. An important class of applications running in data centers are data management systems, which are a fundamental component of nearly every application stack. While those systems were traditionally designed as disk-based databases that are optimized for keeping disk accesses as low a possible, modern state-of-the-art database systems are main memory-centric and store the entire data pool in the main memory, which replaces the disk as main bottleneck. To scale up such in-memory database systems, non-uniform memory access (NUMA) hardware architectures are employed that face a decreased bandwidth and an increased latency when accessing remote memory compared to the local memory. In this thesis, we investigate energy awareness aspects of large scale-up NUMA systems in the context of in-memory data management systems. To do so, we pick up the idea of a fine-grained data-oriented architecture and improve the concept in a way that it keeps pace with increased absolute performance numbers of a pure in-memory DBMS and scales up on NUMA systems in the large scale. To achieve this goal, we design and build ERIS, the first scale-up in-memory data management system that is designed from scratch to implement a data-oriented architecture. With the help of the ERIS platform, we explore our novel core concept for energy awareness, which is Energy Awareness by Adaptivity. The concept describes that software and especially database systems have to quickly respond to environmental changes (i.e., workload changes) by adapting themselves to enter a state of low energy consumption. We present the hierarchically organized Energy-Control Loop (ECL), which is a reactive control loop and provides two concrete implementations of our Energy Awareness by Adaptivity concept, namely the hardware-centric Resource Adaptivity and the software-centric Storage Adaptivity. Finally, we will give an exhaustive evaluation regarding the scalability of ERIS as well as our adaptivity facilities.

Die gezielte Unterstützung universitärer Forschung ist für Universitätsbibliotheken keine neue Herausforderung, denn die bedarfsgerechte Erwerbung und Erschließung relevanter Fachinformationen sowie die Gewährleistung des Zugangs zu den benötigten Medien sind ihre zentralen Aufgaben. Neu an dieser Herausforderung sind die schier unerschöpflichen Möglichkeiten der Informationsversorgung, die aus der digitalen Medienrevolution und der rasanten Entwicklung der Informationstechnologie erwachsen. Die Wissenschaftler/-innen erwarten einen umfassenden, schnellen, komfortablen und jederzeit störungsfreien Zugang zu den Informationsquellen. Der direkte Weg vom bibliographischen Nachweis aus Katalogen und Datenbanken zum elektronisch verfügbaren Volltext wird – mindestens bei den MINT-Fächern (Mathematik, Informatik, Naturwissenschaften, Technik) – mittlerweile als Standard angesehen. Bibliothekarische Angebote wie Schulungen zur Förderung der Informations- und Medienkompetenz, Literaturverwaltung, Publikationsserver haben das bibliothekarische Portfolio in den letzten Jahren erweitert und zählen inzwischen zum bibliothekarischen Alltagsgeschäft.

Der Europäische Fonds für Regionale Entwicklung (EFRE) ist ein seit 1975 bestehendes, zentrales Förderinstrument der Europäischen Union. Ziel des EFRE ist die Stärkung des wirtschaftlichen und sozialen Zusammenhalts durch Abbau von Ungleichheiten zwischen den einzelnen europäischen Regionen. Nachdem die wissenschaftlichen Bibliotheken in Sachsen bereits in der Förderperiode 2007 bis 2013 die Chance erhalten hatten, systematisch ihre Leistungen zu verbessern, soll nach dem Programmvorschlag des Freistaats die Entwicklung der Informationsinfrastruktur bis 2020 weiter durch EFRE-Mittel unterstützt werden.

Der Europäische Fonds für Regionale Entwicklung (EFRE) ist ein seit 1975 bestehendes, zentrales Förderinstrument der Europäischen Union. Ziel des EFRE ist die Stärkung des wirtschaftlichen und sozialen Zusammenhalts durch Abbau von Ungleichheiten zwischen den einzelnen europäischen Regionen. Nachdem die wissenschaftlichen Bibliotheken in Sachsen bereits in der Förderperiode 2007 bis 2013 die Chance erhalten hatten, systematisch ihre Leistungen zu verbessern, soll nach dem Programmvorschlag des Freistaats die Entwicklung der Informationsinfrastruktur bis 2020 weiter durch EFRE-Mittel unterstützt werden.

Systembibliothekarin, TYPO3-Entwickler, Open Access-Referentin, Grafikdesigner, Social Media Beauftragte – Bibliotheken entwickeln neue Aufgabengebiete, denn die Arbeitswelt erfordert schon jetzt eine Öffnung gegenüber anderen Branchen, Menschen mit Informationsexpertise und Quereinsteigern. Mit dieser Ausgabe des BIS endet die 2014 begonnene Interviewreihe „Neue Berufe in Bibliotheken“ mit den beiden Bibliometrie-Expertinnen der SLUB Dresden, Michaele Adam und Jutta Musiat.

Das Forschungsvorhaben "Bildung eines vernetzten Logistik- und Simulationszentrums" (DFG-gefördertes Innovationskolleg) wurde an der TU Chemnitz von 1996-2000 erfolgreich bearbeitet. Erklärtes Ziel war der Aufbau eines Kompetenz- und Dienstleistungszentrums für Logistik und Simulation zur Realisierung eines an den Erfordernissen von KMU ausgerichteten, ganzheitlich integrierten und um die Einbeziehung von Humanpotentialen erweiterten Planungs-, Produktions- und Steuerungsansatzes. In den Teilprojekten: - Integriertes vernetztes Datenmanagement (Prof. Förster) - Simulationsgestützte integrierte Fabrikplanung (Prof. Wirth) - Simulationsgestützte integrierte Steuerung des Fabrikbetriebes (Prof. Petermann, Prof. Stanek) - Humanpotentialintegrierte Fabrikplanung und -steuerung (Prof. Enderlein) - Integration von Simulationssystemen zur Fabrikplanung und -steuerung (Prof. Köchel) wurden die Zielsetzungen 1. Aufbau und prototypische Realisierung eines Planungs-, Steuerungs- und Simulationssoftwarepools als Kern des Kompetenzzentrums 2. Auskopplung und Integration von Softwaresystemen und -komponenten zu Low-cost-Lösungen für typische Planungs- und Betreiberaufgaben bearbeitet und erfolgreich realisiert.

Since its launch in October 2014, the Competence Center for Scalable Data Services and Solutions (ScaDS) Dresden/Leipzig carries out collaborative research on Big Data methods and their use in challenging data science applications of different domains, leading to both general, and application-specific solutions and services. In this article, we give an overview about the structure of the competence center, its primary goals and research directions. Furthermore, we outline selected research results on scalable data platforms, distributed graph analytics, data augmentation and integration and visual analytics. We also briefly report on planned activities for the second funding period (2018-2021) of the center.

Managing and efficiently analysing the vast amounts of data produced by a huge variety of data sources is one of the big challenges in computer science. The development and implementation of algorithms and applications that can extract information diamonds from these ultra-large, and often distributed, databases is a key challenge for the design of future data management infrastructures. Today’s data-intensive applications often suffer from performance problems and an inability to scale to high numbers of distributed data sources. Therefore, distributed and parallel databases have a key part to play in overcoming resource bottlenecks, achieving guaranteed quality of service and providing system scalability. The increased availability of distributed architectures, clusters, Grids and P2P systems, supported by high performance networks and intelligent middleware provides parallel and distributed databases and digital repositories with a great opportunity to cost-effectively support key everyday applications. Further, there is the prospect of data mining and knowledge discovery tools adding value to these vast new data resources by automatically extracting useful information from them.

Die sog. FAIR-Prinzipien haben sich mittlerweile als Standard-Anforderung im Forschungsdatenmanagement etabliert. In Förderanträgen und -berichten müssen Wissenschaftler:innen darlegen, wie sie Forschungsdaten gemäß den FAIR-Prinzipien verwalten und veröffentlichen. Auch immer mehr Fachzeitschriften bzw. Verlage fordern von ihren Autor:innen, dass sie ihre Forschungsdaten gemäß den FAIR-Prinzipien teilen, um die Reproduzierbarkeit und Überprüfbarkeit ihrer Ergebnisse zu gewährleisten. Was das Akronym FAIR eigentlich bedeutet und worauf Forschende in diesem Zusammenhang achten sollten, fasst dieser Beitrag kurz zusammen.

Am 28. November 2023 hat der Senat der TU Bergakademie Freiberg eine institutionelle Forschungsdaten-Policy verabschiedet. Aus diesem Anlass widmen wir die erste Ausgabe des Open-Science-Snacks im neuen Jahr (2024) diesem Thema.