28. September 2023 - NFDI4Ing Konferenz: Using a new HPMC sub-ontology within the Metadata4Ing framework: classification and extraction of data for engineering applications (Slides)
Die Autorinnen und Autoren dieser Unterlagen möchten sich bei Bund, Ländern und bei der Gemeinsamen Wissenschaftskonferenz (GWK) für die Förderung und Unterstützung im Rahmen des Konsortiums NFDI4Ing bedanken. Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 442146713.
In der Nationalen Forschungsdateninfrastruktur (NFDI) werden Datenbestände von Wissenschaft und Forschung für das gesamte deutsche Wissenschaftssystem systematisch erschlossen, vernetzt und nachhaltig sowie qualitativ nutzbar gemacht. Im Vordergrund steht die Etablierung eines Forschungsdatenmanagements nach den FAIR-Prinzipien:
Findable (auffindbar)
Accessible (zugänglich)
Interoperable (interoperabel)
Reusable (wiederverwertbar)
Eines der durch die DFG geförderten Fachkonsortien ist NFDI4Ing. Hier werden methodenorientierte und nutzerzentrierte Lösungskonzepte für ein effizientes und FAIRes Forschungsdatenmanagement in den Ingenieurwissenschaften entwickelt.
Archetyp DORIS: High-performance measurement and computation with very large data
Um die unterschiedlichen Bedürfnisse im Forschungsdatenmanagement der Ingenieurwissenschaften zu strukturieren, teilt sich NFDI4Ing in mehrere idealtypische Vertreter, die sogenannten Archetypen. Der Lehrstuhl für Aerodynamik und Strömungsmechanik koordiniert dabei den Archetyp DORIS: Forschung auf Höchstleistungsrechnern (HPC) mit sehr großen Datenmengen.
Ziel ist es, Forschungsdaten aus HPC für andere Forschungsgruppen auffindbar, zugänglich, interoperabel und nutzbar zu machen. Aufgrund der Größe (hunderte TB bis PB) bzw. der Immobilität der Daten, sind hier individuelle und passgenaue Softwarelösungen zu entwickeln. Hauptziele sind dabei:
Lösungen für die Auffindbarkeit, Datensicherheit und Datenhoheit für HPC-Daten sowie Entwicklung eines Berechtigungsmodells .
Unterstützung von Drittnutzern, Training & Schulungen sowie Bereitstellung von Modulen zur Nachbereitung für HPC-Daten.
Entwicklung von Definitionen und Terminologien für HPC-Metadaten.
Lösungen zur Speicherung und Archivierung großer Datensätze.
Möglichkeiten zur Reproduzierbarkeit von HPC-Daten.
NFDI4Ing Archetypen und Task Areas (NFDI4Ing).
Speicher, Performance und Koplexität in CFD (Selent et al. 2019).
Beispielinstanzen eines Datensatzes (Schembera et al. 2019).
Objektmodel für ingenieurwissenschaftliche Metadaten (Selent et al. 2019).
Arndt, Susanne; Farnbacher, Benjamin; Fuhrmans, Marc; Hachinger, Stephan; Hickmann, Johanna; Hoppe, Nils; Horsch, Martin Thomas; Iglezakis, Dorothea; Karmacharya, Ashish; Lanza, Giacomo; Leimer, Sophia; Munke, Johannes; Terzijska, Džulia; Theissen-Lipp, Johannes; Wiljes, Cord: Metadata4Ing: An ontology for describing the generation of research data within a scientific activity. Zenodo, 2022 mehr…BibTeX
Volltext (
DOI
)
Konferenzbeiträge
Giuseppe Chiapparino , Benjamin Farnbacher , Christian Stemmer: Metadata Crawling for (HPMC) Simulations. NFDI4Ing Conference 2022 (online), 2022 mehr…BibTeX
Volltext (
DOI
)