Auflistung nach:
Auflistung P232 - INFORMATIK 2014 nach Titel
1 - 10 von 297
Treffer pro Seite
Sortieroptionen
- Konferenzbeitrag3D-Rekonstruktion mit der AR.Drone 2.0(Informatik 2014, 2014) Geßner, Hendrik; Weise, Matthias
- KonferenzbeitragEin abstraktes SystemC-Modell zur Analyse und Leistungsabschätzung des europäischen Zugsicherungssystems ETCS(Informatik 2014, 2014) Beichler, Benjamin; Nitsch, Alexander; Golatowski, Frank; Haubelt, ChristianIn diesem Beitrag wird ein SystemC-Modell der Geschwindigkeitsund Abstandsüberwachung aus dem European Train Control System (ETCS) vorgestellt. Dieses Modell dient als Ausgangspunkt für die frühzeitige Abschätzung der Leistungsfähigkeit des Systems und die in der Berechnung entstehenden Datenmengen. Hierfür wurde eine neuartige Methode entwickelt, welche es bei minimalen Anpassungen am Anwendungsmodell erlaubt, schnell unterschiedliche Entwurfsalternativen zu explorieren. Dabei werden SystemC- Prozesse in Abhängigkeit von Scheduling-Entscheidungen gestartet, deren Kommunikationsverhalten aufgezeichnet und anschließend Ausführungs- und Kommunikationszeiten simuliert.
- TextdokumentAdaptive Digitale Enterprise Architekturen für Big Data und Cloud-Systeme(Informatik 2014, 2014) Zimmermann, Alfred; Sandkuhl, Kurt; Schmidt, Rainer; Jugel, Dierk; Wisotzki, Matthias; Möhring, MichaelBig Data und Cloud Systeme werden zunehmend von mobilen, benutzerzentrierten und agil veränderbaren Informationssystemen im Kontext von digitalen sozialen Netzwerken genutzt. Metaphern aus der Biologie f\?r lebendige und selbstheilende Systeme und Umgebungen liefern die Basis f\?r intelligente adaptive Informationssysteme und f\?r zugehšrige serviceorientierte digitale Unternehmensarchitekturen. Wir berichten \?ber unsere Forschungsarbeiten \?ber Strukturen und Mechanismen adaptiver digitaler Unternehmensarchitekturen f\?r die Entwicklung und Evolution von serviceorientierten $\dots $kosystemen und deren Technologien wie Big Data, Services \& Cloud Computing, Web Services und Semantikunterst\?tzung. F\?r unsere aktuellen Forschungsarbeiten nutzen wir praxisrelevante SmartLife-Szenarien f\?r die Entwicklung, Wartung und Evolution zukunftsgerechter serviceorientierter Informationssysteme. Diese Systeme nutzen eine stark wachesende Zahl externer und interner Services und fokussieren auf die Besonderheiten der Weiterentwicklung der Informationssysteme f\?r integrierte Big Data und Cloud Kontexte. Unser Forschungsansatz beschŠftigt sich mit der systematischen und ganzheitlichen Modellbildung adaptiver digitaler Unternehmensarchitekturen - gemŠ{\S} standardisierter Referenzmodelle und auf Standards aufsetzenden Referenzarchitekturen, die f\?r besondere Einsatzszenarien auch bei kleineren Anwendungskontexten oder an neue Kontexte einfacher adaptiert werden kšnnen. Um Semantik-gest\?tzte Analysen zur Entscheidungsunterst\?tzung von System- und Unternehmensarchitekten zu ermšglichen, erweitern wir unser bisheriges Referenzmodell f\?r IT- Unternehmensarchitekturen ESARC {\Dj} Enterprise Services Architecture Reference Cube {\Dj} um agile Mechanismen der Adaption und Konsistenzbehandlung sowie die zugehšrigen Metamodelle und Ontologien f\?r Digitale Enterprise Architekturen um neue Aspekte wie Big Data und Cloud Kontexte. 417 Informationen, Daten und Wissen sind heute zentrale Bestandteile unserer tŠglichen AktivitŠten. Soziale Netzwerke, mobile GerŠte wie Smart Devices und intelligente Autos zeigen Aktuelle Beispiele einer allgegenwŠrtigen informationsorientierten Vision, die wir in unserem Forschungsszenario SmartLife nennen. Nach [Hs04] nennen wir die Sammlung von adaptiven Service-orientierten Unternehmensarchitekturen zusammen mit den zugehšrigen Business- und Software-Services f\?r zugehšrige Informationssysteme ein digitales $\dots $kosystem. In unserem VerstŠndnis der Vision zu digitalen $\dots $kosystemen [Ti14] sind selbstoptimierende Systeme mit selbstheilenden Eigenschaften von verteilten Service-orientierten Umgebungen mit anpassungsfŠhigen Service-orientierten Unternehmensarchitekturen fest verankert. Die Entwicklung solcher Anwendungen integriert Web-Services, Cloud Computing und Big Data Management, sowie spezifische Frameworks und Methoden der Semantik-Unterst\?tzung f\?r neue Systemund Software- Architekturen [Es13] und [Am11]. Betrachten wir zum Beispiel den Fahrer eines k\?nftigen intelligenten Autos. Ein Warnlicht auf dem Armaturenbrett zeigt wŠhrend einer Fahrt auf der Autobahn eine Ausnahmesituation an. Er wŠhlt 'untersuchen' und die SmartLife-Anwendung des Autos sucht den Fehlercode und zeigt an, welche Fahrzeugkomponente die Warnung ausgelšst hat. Das System sucht dann mehrere Online-Datenbanken ab, welche Informationen der Autohersteller als auch die Service-Historien anderer Fahrzeuge zum Ausnahmefall der signalisierten Komponente analysiert. Die SmartLife-Anwendung fasst die Ergebnisse zusammen und empfiehlt einen sofortigen Austausch der Komponente, sowie mehrere Anbieter und \?berpr\?ft deren Inventar. Der Fahrer hat die Wahl, einen Servicetermin in der Werkstatt gleich zu vereinbaren oder diese Komponente in einem Online-Shop zu erwerben und selber auszutauschen. Dieses Anwendungsszenario ist ein Beispiel f\?r eine servicebasierte und semantisch erweiterte Anwendung f\?r SmartLife, die auf neue adaptive Digitale Enterprise Architekturen, Graph-Analytik, Big Data Management, Services und Cloud-Computing aufsetzt. Die komplex miteinander verwobenen technologischen und wirtschaftlichen Dimensionen von Systemen zur Unterst\?tzung der MobilitŠt, von sozialen Netzwerken, von fallbasiertem GeschŠftsprozessmanagement und Dienstleistungen, dem Rechnen mit gro{\S}en Daten in Cloud-Umgebungen wirken sich unmittelbar auf anpassungsfŠhige Service-orientierte System- und Unternehmensarchitekturen f\?r SmartLife- $\dots $kosysteme aus. WŠhrend die fachliche Perspektive stŠrker auf intelligent bewertbare und besser steuerbare AnsŠtze und Strukturen der GeschŠftstransformation setzt, ist die technologische Perspektive moderner Informationssysteme vielfŠltiger. Wichtig ist nicht nur die FŠhigkeit leistungsgerechte, prozessintegrierte und serviceorientierte Informationssysteme effizient zu entwickeln, sondern diese FŠhigkeit auch durch kostenoptimierte Betriebsperspektiven mit Cloud-Services und Big Data zu ergŠnzen. Leistungsstarke smarte Unternehmen erweitern gegenwŠrtig ihre FŠhigkeiten, um systematisch ihr Business-Operating-Modell [Ro06] mittels digitaler System- und Unternehmensarchitekturen als Teil der architektonischen IT-Governance [We04] im Sinn optimierter Kosten und Leistungen systematisch zu bewŠltigen. In unserer aktuellen Forschung erweitern wir unsere erste Version der ESARC - Enterprise Services Architecture Reference Cube [Zi12], [Zi13b] hin zu einer adaptiven Digitalen Enterprise Architektur f\?r Big Data und Cloud Kontexte. ESARC ist eine EA- 418 Referenzarchitektur und formuliert einen ganzheitlichen Klassifikationsrahmen $(Framework)$ f\?r die Analyse (Assessments), Bewertung, Optimierung, Neugestaltung und Transformation von Service-orientierten Unternehmensarchitekturen, der zugehšrigen Systeme, der Fachlichkeit und Technologien. Unternehmensarchitekturen f\?r Services \& Cloud Computing definieren heute ein Einsatzfeld, das sich auf die Erschlie{\S}ung von Potenzialen und das Management von VerŠnderungen fokussiert, die sich durch die zunehmende Verbreitung von Big Data, Cloud- und Service-basierten Architekturen ergeben. Hier besteht verstŠrkt der Bedarf der Koordination zwischen Strategieanforderungen, neuen GeschŠftsanforderungen, technologischen VerŠnderungen und einer Landschaft von Projekten, BebauungsplŠnen und Kostenoptimierungen. Neue komplexere Produkte und Dienstleistungen erfordern eine effiziente und leistungsstarke EA-Funktion. Daf\?r passend ausgewŠhlte und parametrierte EAM-Tools sollten durch ergŠnzende methodische Instrumente und ein geeignetes Wissen \?ber Digitale Enterprise Architekturen bei allen fachlich und technologisch aufgestellten Beteiligten f\?hren. Eine EA-Referenzarchitektur kann als Grundlage dieser neuen Positionierung von EAM in Unternehmen, aber auch als Handlungsgrundlage f\?r die Weiterentwicklung von EAM-Werkzeugen und Methoden bei Herstellern und Partnern betrachtet werden. Eine derartige EA Referenzarchitektur muss konsequent auf die neuen Mšglichkeiten von Big Data, Analytics und Architekturen f\?r Services \& Cloud Computing angepasst werden. Im vorliegenden Aufsatz wird der durch theoretische Vorarbeiten und praktische Szenarien erprobte Weg zu einer adaptiven Serviceorientierten EA-Referenzarchitektur unter Ber\?cksichtigung von Services \& Cloud Computing beschrieben. Unser Hauptbeitrag umfasst einen erweiterten Ansatz f\?r EAM (Enterprise Architecture Management) durch die systematische Zusammensetzung und Integration von Architektur-Metamodellen, Ontologien, Views und Viewpoints f\?r adaptive Digitale Enterprise Architekturen - in enger Ausrichtung auf Services \& Cloud Computing und Big Data-Architekturen. Wir berichten \?ber Erweiterungen unserer Forschungsarbeiten zu ESARC [Zi12], [Zi13b], [Es13b] und zur Semantik-gest\?tzten Software-Wartung [Wi12], [Es13a] Evolution von Service-orientierten Anwendungen in Verbindung mit neuen Entwicklungen von EAM [Jo14] und Plattform- $\dots $kosystemen [Ti14]. Wir integrieren gegenwŠrtig Perspektiven der adaptiven Software-Modelle [Sh11], [He06], [Sa06], [Yo02] und [Fe10] f\?r flexibel verŠnderbare Unternehmensarchitekturen auch f\?r KMUs und f\?r die Unterst\?tzung von GeschŠftstransformationsprozessen durch EAM und erweitern diese FlexibilitŠt um Aspekte der Datenkonsistenz [Bt11] und Big Data [Br13]. ZusŠtzlich zu dem Stand der Wissenschaft integrieren wir derzeit EAM-Metamodelle von Industriepartnern und aus EA-Tools. Das folgende Kapitel 2 beschreibt unseren Ansatz f\?r eine EA-Referenzarchitektur f\?r SmartLife- $\dots $kosysteme auf Basis des erweiterten ESARC. Kapitel 3 skizziert die synergetische Basis der EA-Modellintegration, grundlegende Adaptionsmechanismen und die Konsistenzbehandlung von EA-Modellen. Kapitel 4 beschŠftigt sich mit Metamodellen und Ontologien als Grundlage einer entscheidungsunterst\?tzenden formalen Semantik f\?r die Analyse, Bewertung und Navigation zwischen den EA- Konzepten. Schlie{\S}lich fassen wir im Kapitel 5 unsere Schlussfolgerungen, wesentliche EA-Trends und PlŠne f\?r die Zukunft zusammen. 419 In Bereichen, in denen FlexibilitŠt und AgilitŠt des GeschŠfts flexibel unterst\?tzt werden sollen, ist Services Computing [Zh07] der Ansatz der Wahl, um FŠhigkeiten von verteilten Systemen zu organisieren und agil zu nutzen. Innovationsorientierte Unternehmen haben in den letzten Jahren Service-orientierten Architekturen eingef\?hrt, um die L\?cke zwischen GeschŠft und IT zu schlie{\S}en und gleichzeitig neue Potentiale wie Cloud Computing, Big Data, Analytics u. a. strategisch zu erschlie{\S}en. Die Vorteile von Service-orientierten Architekturen [Ma06] wie FlexibilitŠt, Prozessorientierung, Time-to-Market und agile Innovation sind prinzipiell anerkannt, jedoch leider noch nicht ganz gut beherrscht. Digitale Unternehmensarchitekturen oder klassisch EAM {\Dj} Enterprise Architecture Management - adressieren die Gesamtsicht der Architekturen aus fachlicher und technologischer Sicht. Der Kern unserer erweiterten EA-Referenzarchitektur ist ESARC - Enterprise Services Architecture Reference Cube [Zi12], [Zi13a], [Zi13b] (siehe Abbildung 1) prŠzisiert bestehende architektonische Standards und Frameworks f\?r EAM - Enterprise Architecture Management [Ro06], [TG11] und [AM12] und erweitert diese Architekturstandards f\?r Services Computing, Cloud Computing und Big Data. ESARC ist unser eigens entwickeltes Architektur-Referenzmodell f\?r ein Service-orientiertes EAM, das einen ganzheitlichen Klassifikationsrahmen mit acht integrierten Architekturbereichen definiert. ESARC abstrahiert von einem konkreten Business- Szenario oder spezifischen Technologien, ist aber offen f\?r konkrete architektonische AusprŠgungen ausgelegt. Das OASIS-Referenzmodell f\?r Service Orientierte Architekturen [MK06] definiert einen abstrakten Rahmen f\?r unsere Vorstellung von Referenzarchitekturen [Ba13], [Es08] und [OG11a]. Referenzmodelle sind konzeptionelle Modelle der funktionalen Zerlegung eines Systems in Modellelemente zusammen mit den Datenfl\?ssen zwischen diesen Elementen. Das Referenzmodell f\?r Service-orientierte Architektur von OASIS [MK06] definiert grundlegende generische Elemente und ihre Beziehungen einer Serviceorientierten Architektur. Dieses Referenzmodell ist kein Standard, bietet aber eine gemeinsame Semantik f\?r spezifischere Referenzarchitekturen. Referenzarchitekturen, in [Es08] und [OG11a], sind spezialisierte Modelle eines Referenzmodells. Referenzarchitekturen entstehen durch Abbildung von Referenzmodellen zu Software- Komponenten, die kooperativ die FunktionalitŠt der Referenzmodelle implementieren. Oftmals wird diese Abbildung von Referenzmodellen zu Referenzarchitekturen durch Architekturmuster unterst\?tzt. Referenzarchitekturen wenden dar\?ber hinaus eine Sammlung von geeignet kombinierten Architekturstilen wie Client/Server, REST, Web- Services, u. a. an. The Open Group Architecture Framework [TG11] und ArchiMate [AM12] liefern wesentliche Standards f\?r erweiterte Service-orientierten DomŠnen (Abbildung 1) von ESARC [Zi13a], [Zi13b] wie: Architecture Governance, Architecture Management, Business \& Information Architecture, Technology Architecture, Operation Architecture, Cloud Services Architecture und Security Architecture. ESARC bietet mit seinem Klassifikationsframework, Metamodellen und EA-Patterns eine kohŠrente Hilfe f\?r zyklische Assessments, EA-Analytik, Optimierung und Neuausrichtung der multiperspektivischen ArchitekturqualitŠt von adaptiven Digitalen Enterprise Architekturen. 420 Abbildung 1: ESARC {\Dj} Enterprise Services Architecture Reference Cube Architecture Governance [Zi13a], [Zi13b] formuliert den Architektur-Governance- Zyklus [Ro06]. Er setzt den abstrakten Rahmen f\?r konkrete Governance-AktivitŠten innerhalb des Unternehmens bzw. f\?r die Entwicklung von Produktlinien durch grundlegende Management-AktivitŠten: Planen, Definieren, Umsetzen, Messen, Kontrollieren. Das zweite Ziel ist es, Compliance-Regeln f\?r die Architektur-Governance zur Einhaltung interner und externer Standards zu setzen und zu \?berwachen. Unternehmensarchitekten und Software-Architekten verbindet ein anspruchsvoller Pfad, der von der GeschŠftsund IT-Strategie ausgeht und bis zur Definition und $\dagger $berwachung der Architekturlandschaft von miteinander verkn\?pften GeschŠftsbereichen, Produkten, Dienstleistungen, GeschŠftsprozessen, Anwendungssystemen und Technologien f\?hrt. Architecture Governance setzt Regeln f\?r die $\dagger $bertragung von Verantwortung an handelnde Akteure, legt Strukturen und Verfahren f\?r das Architecture Governance Board fest und definiert wesentliche Regeln f\?r die Kommunikation. Folgende Begriffe f\?r Architecture Governance wurden im Modell festgelegt: Service-Strategie, Lebenszyklus- Management f\?r alle markanten ZustŠnde von Architektur-Artefakten, Service-Sicherheit, Service-Tests und $\dagger $berwachung, ServicevertrŠge, Service-Registries, Wiederverwendung von Services, Service-Verantwortlichkeiten, Service-Definition und Versionsverwaltung. Die ãBusiness and Information Reference Architecture {\Dj} BIRAÒ [Zi13a], [Zi13b] liefert die eindeutige Informationsquelle und einen umfassenden Wissensspeicher der fachlichen Konzepte, aus denen konkrete Unternehmensinitiativen und Systeme entwickeln werden. Operative fachliche und technologische Anforderungen m\?ssen nat\?rlicherweise noch durch jedes Umsetzungsprojekt ergŠnzt werden. Dieses Wissen ist modellbasiert und definiert ein integriertes Enterprise Business Modell, das auch Organisationsmodelle und GeschŠftsprozesse umfasst. Die BIRA eršffnet eine Verbindung (inter-architectural dependency) zur Software-Architektur der Informationssysteme, zur Technology Architecture der IT-Infrastrukturen, zur Betriebsarchitektur, zur Cloud-Services Architecture und zur Sicherheitsarchitektur. Die BIRA ermšglicht ein abgestimmtes Business-IT Alignment durch mehrfach integrierte Modelle (intra-architectural dependency) und Angaben zur Businessund Informationsstrategie, beteiligte Organisationen und Einheiten, GeschŠftsrollen, wesentliche Anforderungen ans GeschŠft und f\?r zugehšrige Informationssysteme, wichtige GeschŠftsprozesse, GeschŠftsregeln, GeschŠftsprodukte, Dienstleistungen und die damit verbundenen Steuerungsund Kontrollinformationen. 421 Die ãInformation Systems Reference Architecture {\Dj} ISRAÒ [Zi13a], [Zi13b] ist die Software-Referenzarchitektur der Anwendung und enthŠlt wesentliche anwendungsspezifische Typen von Services, die durch ein Schichtenmodell von aufeinander aufbauenden Schichten geordnet wurden. Die KernfunktionalitŠt der Domain-Services wurde mit Interaktionsservices und GeschŠftsprozessservices der Kundenorganisation verbunden. Der Aufbau der ISRA (in Abbildung 2) ber\?cksichtigt aktuelle Standards f\?r Service-orientierte Referenzmodelle [MK06] und Referenzarchitekturen [Es08] und [AM12]. Um Big Data und Cloud Computing Technologien zu unterst\?tzen, haben wir in Abbildung 2 einen einheitlichen Satz von 14 aufeinander aufbauenden Servicetypen kategorisiert. Abbildung 2: ESARC {\Dj} Information Systems Reference Architecture Informationsdienste f\?r Unternehmensdaten [Zi13a], [Zi13b] sind datenzentrische elementare Komponenten, die den Zugang zu persistenten GeschŠftsobjekten in der Regel \?ber Datenbanken und andere Speicher realisieren. In der NŠhe dieser Informationsdienste befinden sich Services zur Verwaltung der Datenkontexte, wie diese durch Grundmechanismen der Technologiearchitektur ermšglicht werden, wie beispielsweise Fehlerbehandlungsmechanismen, Transaktionsmechanismen f\?r kurze und lange evtl. verteilte Transaktionen, Kompensationsdienste sowie weitere Mechanismen zur annŠhernden oder exakten Konsistenzbehandlung. Process Services [Zi13a], [Zi13b] sind lang laufende Services, die Task Services und Information Services in Workflows zusammenbauen (orchestrieren), um die prozedurale Logik der GeschŠftsprozesse zu implementieren. Prozessdienste kšnnen Prozessregeldienste (Process Rule Services) aktivieren, um den Teil der unstabilen (d. h. verŠnderlichen) kausalen Entscheidungslogiken von Gateways auszuklammern und damit einfacher verŠnderbare (agile) GeschŠftsprozesse zu ermšglichen. Prozessdienste werden von Interaktionsdiensten oder spezifischen Diagnostik-Services oder Monitoring-Services aktiviert. Prozess-Services verwalten oft verteilten Daten- und AnwendungszustŠnde indirekt durch die Aktivierung von Task Services und/oder Informationsdiensten. Wenn Prozessdienste in der interaktiven Workflows teilnehmen, m\?ssen sie lange Transaktionen unterst\?tzen und eventuelle Ausnahmen / Fehler durch Kompensationslogiken behandeln. 422 Big Data [Be13] und [Sc14] ist ein neueres Verarbeitungskonzept, um Sammlungen von sehr gro{\S}en Datenmengen unterschiedlicher Herkunft und Ausgangsstruktur in einer hohen Geschwindigkeit zu verarbeiten. Vor allem im Bereich der Technologieentwicklung und IT sowie im Marketing und Vertrieb liegen demnach die grš{\S}ten Nutzenpotenziale. Zur Analyse gro{\S}er Datenmengen unterschiedlichster Struktur im Rahmen von Big Data eignen sich traditionelle Verarbeitungswerkzeuge kaum. SmartLife Anwendungen erfordern spezielle Umgebungen f\?r Big Data. SmartLife Anwendungen, wie das Szenario in diesem Papier zeigte, werden typischerweise mehrere Online-Datenbanken gleichzeitig abfragen. Um solche Anfragen zu behandeln werden dezentrale Parallelarchitekturen, die Daten \?ber mehrere Verarbeitungseinheiten verteilen, benštigt. Big Data Bearbeitungsfunktionen wie MapReduce [De04] werden benštigt, um diese Art von Anfragen und Daten f\?r SmartLife -Anwendungen parallel zu bearbeiten. MapReduce, welches auf dem Hadoop-Framework verwendet wird, zerst\?ckelt die Abfragen auf kleine Segmente und verteilt sie auf parallelen Knoten zur Bearbeitung. Die Ergebnisse werden dann von den parallelen Knoten gesammelt, verdichtet und weiterbearbeitet, z. B. analysiert. Cloud-Architekturen (Integrationskomponenten in Abbildung 3) befinden sind noch in Entwicklung und sind noch nicht so weit, ihr volles Potenzial bei der Integration von Enterprise Architekturen mit Services Computing und Cloud Computing zu erreichen. Die ãCloud Services Reference ArchitectureÒ st\?tzt sich auf eine Referenzmodell-basierte Synthese von aktuellen Standards und Referenzarchitekturen aus [Li11] , [Be11] und [CS09]. Die heutige Entwicklung von Technologien und Standards f\?r Cloud Computing wŠchst sehr schnell und bietet eine zunehmend gut standardisierte Basis f\?r Cloud- Produkte und neue Service-Angebote. Cloud Service Cloud Service Provider Cloud Service Cloud Service Provider Consumer Creator Cloud Cloud Cloud Services Common Cloud Management Platform (CCMP) Service Broker Service Layer Consumer Existing \& 3rd party Business-Process- SaaS Cloud Service services, Partner as-a-Service Management Ecosystems Service Cloud PaaS Service Intermediation Integration Cloud Business Tools Sof tware-as-a-Service Auditor IaaS Support t y Operational Business ri Service a c y Service Support Support Creation Aggregation Services Services Tools Security Resource Abstraction and e c u r i v (OSS) (BSS) Provisioning/ P Audit S Platf orm-as-a-Service Control Layer Configuration Service Consumer Privacy Arbitrage In-house IT Physical Resource Layer Impact Audit Portability/ Inf rastructure-as-a-Service Hardware Interoperability Performance Facility Audit Inf rastructure Cloud Carrier Security, Resiliency, Performance \& Consumability Governance Abbildung 3: Integrating Cloud Computing Reference Architectures with SOCCI Die NIST Cloud Computing Referenzarchitektur [Li11] definiert den Standard und damit das konzeptuelle Grundmodell f\?r Cloud Computing aus der Perspektive folgender \? Rollen: Cloud Consumer, Cloud Provider, Cloud Auditor, und Cloud Broker. Der NIST- Standard definiert ferner folgende Bereitstellungsmodelle: Private Cloud, Community Cloud, Public Cloud, und Hybrid Cloud. Cloud Computing definiert wesentliche 423 Eigenschaften einer massiv parallelen virtualisierten Serverlandschaft: On-Demand-Self- Services, Broad Network Access, Resource Pooling, Rapid Elasticity, und Measured Services. Der grundlegende Teil der NIST-Referenzarchitektur formuliert folgende Cloud-Service-Modelle: IaaS - Infrastructure as a Service, PaaS - Platform as a Service , und SaaS - Software as a Service. Einige Erweiterungen des NIST-Standards [Be11] liefern praktische ErgŠnzungen f\?r die direktere Unterst\?tzung moderner Business-Architekturen durch BPaaS - Business Process as a Service und ermšglichen durch ein durchgehendes Service-Konzept eine direkte Unterst\?tzung von Service-orientierten Unternehmensarchitekturen. Die IBM Cloud Computing Reference Architecture erweitert die Standardisierung von NIST durch Best-Of-Industry Branchenwissen und Cloud-Produktspezifikationen auf Basis eigener Technologie-Stacks, Middleware, sowie Service-orientierte Entwicklungs- und Laufzeitplattformen [Be11]. Die IBM Cloud Computing -Referenzarchitektur [Be11] hat den grundlegenden NIST-Standard f\?r Cloud Computing [Li11] mit der SOA- Referenzarchitektur [OG11a] der Open Group integriert: Alle Cloud- Services sind demnach SOA-Services, aber nicht alle SOA-Services sind auch Cloud-Services. Die SicherheitsergŠnzungen aus den CSA Security Guidelines for Critical Areas of Focus in Cloud Computing [CS09] definiert eine auf Jericho-Sicherheitsmechanismen fokussierte Service-orientierte Referenzarchitektur f\?r Cloud Computing und integriert die Managementperspektiven aus Standards wie ITIL und TOGAF [TG11]. Das SOCCI - Service-Oriented Cloud Computing Framework [OG11b] umfasst eine grundlegende Zusammenstellung f\?r eine integrierte Reihe von Infrastrukturkomponenten IaaS f\?r Cloud Computing. Im Grunde ist es die Synergie von Service-orientierten Architekturen und Cloud Computing Architekturen durch einen konsequenten As-a- Service - Mechanismus f\?r alle Arten von Cloud-Services. Die grundlegenden Eigenschaften eines Service-orientierten Infrastruktur (SOI) sind: Business-Driven Infrastructure On-Demand, Operational Transparency, Service Measurement, und Consumer Provider Model. Das SOCCI - Service-Oriented Cloud Computing Framework ist die Erweiterung der in die SOA-Referenzarchitektur [OG11a] abgebildeten Serviceorientierten Infrastruktur (SOI). Die SOI-Framework ist die Schicht \?ber der Basisinfrastruktur und definiert wesentliche Elemente der SOCCI: Compute, Network, Storage, Facilities. SOCCI erweitert diese Grundelemente durch Basisbausteine (Building Blocks) zur flexiblen Unterst\?tzung von Management und Betrieb von Cloud Infrastrukturen. 3 Adaptionsmechanismen Die Integrationsmethode ESAMI {\Dj} Enterprise Services Architecture Metamodel Integration {\Dj} [Zi13a] wird gegenwŠrtig durch laufzeitaktive Adaptionsmechanismen erweitert. Um adaptive Enterprise Architekturen zu unterst\?tzen, wurden in [Jo14] agil steuerbare Analyse-Metamodelle und zugehšrige Architektur-Viewpoints eingef\?hrt und auf folgende QualitŠtskriterien zur Unterst\?tzung der AgilitŠt und Adaption von Architekturen ausgerichtet: Anpassbarkeit der Anwendungen, Genauigkeit der Daten, Verwendbarkeit der Anwendungssysteme, Service-Verf\?gbarkeit, InteroperabilitŠt, Kosten und Nutzen. Plattform $\dots $kosysteme werden in [Ti14] systematisch untersucht und mit den wichtigsten strategischen Treibern f\?r die Systementwicklung und die Evolution der $\dots $kosysteme verkn\?pft. Hauptkonzepte adaptiver Enterprise Architekturen f\?r digitale $424 \dots $kosysteme basieren auf Mikroarchitekturen, die den Kontext von Internet-Systemen erfordern. Bevorzugte Mechanismen der Modularisierung von Systemen st\?tzen sich auf Mechanismen zur Entkopplung von Subsystemen und auf die von Standardisierung von Schnittstellen. Architektur Governance-Modelle zeigen den Weg, um anpassungsfŠhige $\dots $kosysteme zu ermšglichen und um die Evolution von Plattform und Systemen zusammenzuf\?hren. Enterprise Architekturen f\?r KMUs [Bl13] fokussieren auf sparsame und effiziente adaptive Funktionen der EA wie: AgilitŠt, um die $\dots $kosysteme an sich verŠndernde Umgebungen rasch und flexibel anzupassen, Strategie Planung und Entscheidungsunterst\?tzung, kontinuierliches Ausrichtung des GeschŠfts auf IT und umgekehrt (Business / IT-Alignment), KomplexitŠtsmanagement, Integration von GeschŠftsprozessen, Vereinheitlichung der Daten und Datenintegration, Verkn\?pfung der Daten mit externen Partnern, sowie die kontinuierliche Wertsteigerung der IT. Der Schwerpunkt des ADaPPT [Sh11] EA-Ansatzes ist in erster Linie auf vier strategische EA Domain Elementen ausgerichtet: Menschen, Prozesse, Daten, und Technologien. Um ein adŠquates IT / Business Alignment f\?r eine leistungsstarke Digitale Enterprise Architektur zu erreichen, sind drei QualitŠtsperspektiven gemŠ{\S} unserer Forschung wesentlich und daher durch geeignete QualitŠtskriterien zu differenzieren: (i) IT- Systemeigenschaften: Leistung, InteroperabilitŠt, Verf\?gbarkeit, Benutzerfreundlichkeit, Genauigkeit, Wartbarkeit und Eignung; (ii) GeschŠftseigenschaften: FlexibilitŠt, Effizienz, Wirksamkeit, Integration und Koordination, Entscheidungsunterst\?tzung, Steuerung und FolgeaktivitŠten, und Organisationskultur; und schlie{\S}lich (iii) Governance-QualitŠten: Planung und Organisation, Akquisition und Implementation, Bereitstellung und Unterst\?tzung, Monitoring und Evaluierung. Aus der Sicht der Modellierung adaptiver Metamodelle f\?r adaptive Digitale Enterprise Architekturen haben wir zusŠtzliche Anregungen aus dem ãAdaptive Object Model Architectural StyleÒ, von [Yo02] \?bernommen werden, um die FlexibilitŠt der Systeme zu ermšglichen und Systemkonfiguration zur Laufzeit anpassen zu kšnnen. Daf\?r werden GeschŠftsregeln explizit dargestellt und au{\S}erhalb des Programmcodes - und damit einfach verŠnderbar - abgelegt. Das Objektmodell im festen Code besteht lediglich aus einem Interpreter des Objektmodells der Nutzer. Das konfigurierbare Wissen ist au{\S}erhalb des Programms in den Regeln gespeichert. Dieser Semantikgest\?tzte Ansatz ermšglicht, dass Architekten und Entwickler {\Dj} in ausbaubarere Form sogar Programme selbst - das adaptive Objektmodell flexibel und einfach zur Laufzeit anpassen kšnnen. Der Ansatz der ãCore Patterns of Object-Oriented Meta-ArchitecturesÒ aus [Fe10] ermšglicht reflektive Architekturen, die in der Lage sind die Strukturen der Programme zur Laufzeit zu inspizieren und diese Strukturen und das Verhalten der Programme zur Laufzeit dynamisch anzupassen. 4 Schlussfolgerungen und Trends Wir haben in diesem Beitrag \?ber laufende Arbeiten zur Konzeption neuartiger adaptiver Digitaler Enterprise Architekturen f\?r Big Data und Cloud Systeme berichtet. Daf\?r haben wir auf Basis unserer Vorarbeiten und des State of Art die Referenzarchitektur ESARC um adaptive Elemente erweitert, um insbesondere Transformationsprozesse f\?r neue GeschŠftsmodelle und Informationssysteme sowohl bei gro{\S}en wie auch bei kleinsten Unternehmen agil durch EAM zu unterst\?tzen. Daf\?r haben wir unsere Metamodell-basierte Integrationsmethode konsequent auf neue 425 Architekturstandards sowie auf den State of Art \& Practice ausgerichtet und damit eine einfach zu handhabende Basis f\?r weitere EA-Modellintegrationen geschaffen. In unserer aktuellen Forschung legen wir ein gro{\S}es Augenmerk auf die schnelle Anpassbarkeit der EA an neue Kontexte und erforschen daher wesentliche Adaptionsmechanismen f\?r EA. Adaption bedeutet immer potentielle Inkonsistenz der Modelle und der EA-Information. Daher adressieren wir ebenfalls neue Aspekte der Konsistenzbehandlung und setzen hierf\?r Erfahrungen aus der Big Data Analytics und aus Vorarbeiten \?ber Architekturen f\?r Services \& Cloud Computing ein. Der Weg zu intelligenten Systemen liefern uns Metamodelle und zugehšrige Ontologien, um eine geeignete Form der EA-WissensreprŠsentation f\?r neuartige und flexiblere Digitale Enterprise Architekturen zu ermšglichen. Aus den skizzierten Lšsungselementen folgen interessante weiterf\?hrende Themen f\?r Service-orientierte EA-Referenzarchitekturen: Ausrichtung auf strategierelevante Kostenund Optimierungsthemen, Unterst\?tzung organisatorischer Neuordnungen und systematische VerŠnderungsprozesse, EAM f\?r Innovationsmanagement und Risikomanagement, erweiterte Referenzmodelle und EA-Viewpoint-Models, WissensreprŠsentation und Semantikverarbeitung f\?r EA, Visualisierung, Interaktion, Simulation und neue, schlanke und effiziente Verfahren und Mechanismen der Gestaltung, Nutzung und Entscheidungsunterst\?tzung in EA-Kollaborationsprozessen. Literatur [Am11] Allemang, D.; Hendler, J.: Semantic Web for the Working Ontologist {\Dj} Effective Modeling in RDFS and OWL. Morgan Kaufmann, 2011. [AM12] ArchiMate 2.0 Specification. Open Group Standard, 2012. [Ba13] Bass, C.; Clements, P.; Kazman, R.: Software Architecture in Practice. Addison Wesley, 2013. [Be11] Behrendt, M.; Glaser, B.; Kopp, P.; Diekmann, R.; Breiter, G.; Pappe, S.; Kreger, H.; Arsanjani A.: Introduction and Architecture Overview {\Dj} IBM Cloud Computing Reference Architecture 2.0. IBM 2011. [Bl13] Van Belle, J-P.; Giqwa, L.: The Potential of Enterprise Architectureal Thinking for Small Enterprises: An Exploratory South African Study. International Journal of Advanced Research in Business, Vol. 1, No. 3, pp. 22-29, 2013-14. [Br13] J. J. Berman: Principles of Big Data. Morgan Kaufmann, 2013. [Bt11] Bertossi, L.: Database Repairing and Consistent Query Answering. Morgan \& Claypool Publishers, 2011. [CS09] CSA Cloud Security Alliance: Security Guidance for Critical Areas of Focus in Cloud Computing V2.1. 2009. [De04] Dean, J.; Ghemawat, S.: MapReduce: Simplified Data Processing on Large Clusters. OSDI, pp. 1-13. 2004. [DF09] DoDAF Architecture Framework. Version 2.0, Volume 1, Department of Defense USA, 28 May 2009. 426 [Em09] Emery, D. E.; Hilliard, R.: Every Architecture Description needs a Framework - Expressing Architecture Frameworks Using ISO/IEC 42010. IEEE/IFIP WICSA/ECSA 2009, pp. 31-40, 2009. [Es08] Estefan, J. A.; Laskey, K.; McCabe, F. G.; Thornton, D.: OASIS Reference Architecture for Service Oriented Architecture. Version 1.0, OASIS Public Review Draft 1, 23 April, 2008. [Es13a] El-Sheikh, E.; Reichherzer, T.; White, L.; Wilde, N.; Coffey, J.; Bagui, S.; Goehring, G.; Baskin, A.: Towards Enhanced Program Comprehension for Service Oriented Architecture (SOA) Systems. Journal of Software Engineering and Applications, Vol. 6 No. 9, 2013, pp. 435-445. [Es13b] El-Sheikh, E.; Bagui, S.; Firesmith, D. G.; Petrov, I.; Wilde, N.; Zimmermann, A.: Towards Semantic-Supported SmartLife System Architectures for Big Data Services in the Cloud. Proceedings of the Fifth International Conference on Advanced Service Computing - Service Computation 2013, May 27 {\Dj} June 1, Valencia, Spain, pp. 59-64, 2013. [ES14] Essential Architecture Project. http://www.enterprise-architecture.org, last access: May, 9th, 2014. [Fe10] Ferreira, H. S.; Correia, F. F.; Yoder, J.; Aguiar, A.: Core Patterns of Object-Oriented Meta-Architecture. ACM-PLoP, October 16-18, 2010, Reno/Tahoe, Nevada, USA, 2010. [Go13] Goehring, G.; Reichherzer, T.; El-Sheikh, E.; Snider, D.; Wilde, N.; Bagui, S.; Coffey, J.; White, L.: A Knowledge-Based System Approach for Extracting Abstractions from Service Oriented Architecture Artifacts. IJARAI International Journal of Advanced Research in Artificial Intelligence, Vol. 2, No.3, pp. 44-52, 2013. [He06] Hendrickx, W.; Gorissen, D.; Dhaene, T.: GRID Enabled Sequential Design and Adaptive Metamodeling. IEE
- KonferenzbeitragAgile Migration(Informatik 2014, 2014) Pisula, Michael
- KonferenzbeitragAlgorithm engineering for big data(Informatik 2014, 2014) Sanders, PeterPerhaps the most fundamental challenge implied by advanced applications of big data sets is how to perform the vast amount of required computations sufficiently efficiently. Efficient algorithms are at the heart of this question. But how can we obtain innovative algorithmic solutions for demanding application problems with exploding input sizes using complex modern hardware and advanced algorithmic techniques? This tutorial gives examples how the methodology of algorithm engineering can be applied here. Examples include sorting, main memory based data bases, communication efficient algorithms, particle tracking at CERN LHC, 4D image processing, parallel graph algorithms, and full text indexing. Compared to a previous tutorial in Koblenz 2013 with the same title, this tutorial talks less about methodology and more about actual algorithms and applications. For further reading refer to [San13] and, for selected individual results to [DS03, KS07, SSP07, MS08, San09, RSS10, SS12, DS13].
- KonferenzbeitragAlgorithmenbeschleunigung durch FPGAs zur Massendatenverarbeitung(Informatik 2014, 2014) Meltebrink, Christian
- KonferenzbeitragAlgorithms for computational mechanism synthesis and analysis(Informatik 2014, 2014) Yuemin, Hou; Tooren, Michel Van; Linhong, JiThis paper proposes algorithms for mechanism synthesis and analysis, including Rotation, Center, Connection, Numeric Differentiation, Animation and Index. These algorithms are used to transfer behaviors into structures, and to transfer structures into kinematic and dynamic behaviors of the structures. The algorithms are valid for the synthesis and analysis of different mechnisms. These algorithms can be used iteratively to produce mechanisms that can fulfill simple and complex motions. The paper contributes simple algorithms for the design and analysis of different mechanisms.
- KonferenzbeitragAligning user consent management and service process modeling(Informatik 2014, 2014) Gruschka, Nils; Jensen, MeikoWith evolving functionality of Internet services, the management of user consents becomes a complex challenge. As consents are a common means for establishing a legal basis for processing privacy-relevant user data, a sound consent management approach is required. In this paper, we outline an approach for semi-automated generation of letter of consent documents, based on existing service implementation documentation. We illustrate the challenges of consent management in relation to service evolution, and we outline an integration of consent management into model-based process development systems.
- KonferenzbeitragAMSL - managing electronic resources for libraries based on semantic web(Informatik 2014, 2014) Nareike, Andreas; Arndt, Natanael; Radtke, Norman; Nuck, Sebastian; Seige, Leander; Riechert, ThomasIn libraries a change from physical resources to electronic resources, with new licensing models and lending processes, has taken places. The existing managing infrastructure is not yet suitable for the upcoming requirements and does not provide support for flexible and extensible data models for being future-proof. In this paper we present a system that uses the generic RDF resource management system OntoWiki for managing library resources. OntoWiki is extended by components for adapting the generic system to the given domain, e.g. by using data templates. In addition the Linked Data capability of OntoWiki is used and extended to import various metadata to enrich the managing resource. Consequently using Linked Data further enables libraries to build up a Linked Data infrastructure in the library domain.
- KonferenzbeitragAnalysis of crash simulation data using spectral embedding with histogram distances(Informatik 2014, 2014) Schwartz, Anna-LuisaFinite Element simulation of crash tests in the car industry generates huge amounts of high-dimensional numerical data. Methods from Machine Learning, especially from Dimensionality Reduction, can assist in analyzing and evaluating this data efficiently. Here we present a method that performs a two step dimensionality reduction in a novel manner: First the simulation data is represented as (normalized) histograms, then embedded into a low dimensional space using histogram distances and the nonlinear method of Spectral Embedding/Diffusion Maps, thus enabling a much easier data analysis. In particular, this method solves the problem of comparing simulation data with small changes in the Finite Element grids due to variations of geometry or unequally fine grid structures.