TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH

Größe: px
Ab Seite anzeigen:

Download "TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH"

Transkript

1 TECHNISCHE HERAUSFORDERUNGEN UND ANSÄTZE DER NUTZUNG VON SENTINEL-DATEN CARSTEN BROCKMANN, MARTIN BOETTCHER BROCKMANN CONSULT GMBH

2 BROCKMANN CONSULT Gegr. 1999, Geesthacht bei Hamburg 28 Mitarbeiter davon 11 mit PhD + 8 MA bei BG Sweden Informatiker, Physiker and Umweltwissenschaftler 2 Geschäftsbereiche: Umweltinformatik Geo-information-Dienstleistungen Entwickler der Sentinel 3, 2, 1 Toolboxen (ESA Auftrag) Calvalus Massiv parallele Verarbeitung von EO Daten

3 Zugriff auf Sentinel Daten warum? Systematische Erstellung von Informationsprodukten zur Wasserqualität Nord- und Ostsee Chlorophyll Concentration 3

4 Zugriff auf Sentinel Daten - Wasserqualität Systematische Erstellung von Informationsprodukten zur Wasserqualität Nord- und Ostsee Datenvolumina und Verarbeitung heute Input ENVISAT/MERIS ~ 135TB FR Level TB RR, ganze Mission MODIS Aqua ~ 17TB/Jahr (~50GB/Tag) WAQSS Dienst (Wasserqualität Nord- und Ostsee) MERIS download ~15 TB/Jahr ~40 GB/Tag Extraktion AOI + höherwertige Produkte (1.5TB/Jahr) MODIS Extraktion und höherwertige Produkte < 1TB/J Spezielle Produkte (Individualprodukte, 50TB/J) 4

5 Zugriff auf Sentinel Daten - Landdienste Globale und regionale thematische Landoberflächen Kartierung und Klassifikation 9 year global composite surface reflectance ( ) Kartierung Vegetation & Muscheln Wattenmeer 5

6 Zugriff auf Sentinel Daten - Landdienste Globale und regionale thematische Landoberflächen Kartierung und Klassifikation Datenvolumina und Verarbeitung heute Input ENVISAT/MERIS ~ 135TB FR Level TB RR, ganze Mission SPOT-VGT ~20TB Landsat 5 + 8, 20TB (wachsend) Land Dienste Globale Landprodukte (Albedo, Landcover) ~ 50TB Regionale Produkte < 1TB 6

7 Zugriff auf Sentinel Daten - Binnengewässer Informationsprodukte Wasserqualität von Seen, global Datenvolumina und Verarbeitung heute Landsat 8, keine systematische Verarbeitung Demonstrationsprodukte < 1TB Abb. Eirini Politi, Uni. Dundee, GloboLakes Projekt Dominante Phytoplankton Spezies, Lake Nicaragua (Brockmann Consult) 7

8 Datenvolumina Sentinel Ära Sentinel input Daten S1A Level 1: ~432 TB/J (+ same amount for S1B) S2A Level 1: ~751 TB/J (+ same amount for S2B) S3A Level 1: ~451 TB/J (OLCI+SLSTR, + same amount for S3B) Küstengewässer Nord- und Ostsee (WAQSS), nur S3: OLCI S3A+B ~440 TB/Jahr (~1200 GB/Tag), Extraktion Nord- und Ostsee AOI + höherwertige Produkte ~ 40TB/J Binnengewässer (Auswahl, weltweit) Output: S2A 15TB/J + S3A 5TB/J = 20TB/J Globale Landcover Produkte Input: 300m räumliche Auflösung (OLCI) erst 220TB/J (S3A), später 440TB/J (S3A+B) 10m räuml. Auflösung, Kontinente, 750TB/J (S2A), später 1.5PB/J (S2A+B) Output ~ 5TB/J 8

9 Anforderungen Anwendungsfall 1: NRT Anwendungsfall 2: Zeitserien und statistische Produkte Mehrere Prozessierungen des gesamten Datensatzes erforderlich aufgrund von Agorithmenverbesserungen ENVISAT Ära Globale Prozessierung ist Treiber, Input Daten 140TB Sentinel Ära Sukkessiv anwachsendes Datenvolumen ~ 1PB/Jahr input Subsetting von AOIs und vorhalten in privater cloud Datenvolumen ~100TB/Jahr Hosted processing in privater cloud Langzeitarchivierung beim Datenoriginator oder nationaler Mirror-site 9

10 Calvalus Ansatz Massive-parallel Prozessierung von Erdbeobachtungsdaten Basierend auf MapReduce & Apache Hadoop Data locality Technologie im Innern der cloud Work-flows Rapid prototyping Level 2 & Level 3 Prozessierung Zeitserien, match-up Analyse Hosted Processing Daten und Software gleichbehandelt Verteilung im System 10

11 L2/L3 Processing Realisation MERIS RR L1, global, 10-day CoastColour C2W processor 1.5 hours (22 nodes) 1 L3 product L2 Proc. & Spat. L1 File Binning L2 Proc. & Spat. Spa.Bins (Mapper Task) L1 File Binning Spat.Bins L2 Proc. & Spat. (Mapper Task) L1 File Binning Spat.Bins L2 Proc. & Spat. (Mapper Task) L1 File Binning L2 Proc. & Spat. Spat.Bins (Mapper Task) L1 File Binning Spat.Bins (Mapper Task) L3 Temp. Binning (Reducer L3 Temp. Task) Binning (Reducer Task) Temp.Bins Temp.Bins L3 Formatting (Staging) L3 File(s)

12 Example: Calvalus for Land Cover CCI Quicklook generation for full mission MERIS FRS and RR reads and processes 150 TB input data in 10 hours. This is about 50 Gbit/s. Generation of 7-day composites of surface reflectance from full mission MERIS FRS and RR for CCI Land Cover is a data and computing intensive automated job that runs for 3 months on a 72 nodes Calvalus/Hadoop cluster Other full mission processes are between these two times. 12

13 Global Lakes Vorverarbeitungssystem Private Cloud Ansatz 13

14 Systematic Data Driven Work Flow 14

15 Collaborative Ground Segement Context 15

16 Fazit Wir werden Sentinel (2+3) als Fortsetzung der Europäischen Datenversorgung nutzen. Verlängerung der Zeitreihe, verbesserte Datenqualität Fortsetzung vorhandener NRT-Services, denen die Europäischen Daten ausgegangen waren Neue Services, um weitere wissenschaftliche Entwicklungen in die Nutzung zu überführen Wir werden einen Teil des Datenstroms in-house verarbeiten Retrieval eines relevanten Ausschnitts des Datenstroms (ausgewählter Sensor, ausgewählte Region) zur lokalen Prozessierung Bereitstellung für Partner und Kunden (private cloud) wiederholte Nutzung, daher auch Speicherung Anbieten von Daten Produkte Anbieten von hosted processing auf den vorverarbeiteten Daten Wir planen, zumindest in den ersten Jahren der Missionen hosted processing zu nutzen stark aggregierte Ergebnisse (von uns seltener genutzte Daten) Zugriff auf Convenience Produkt wäre sehr nützlich (S1+2+3 auf gleichem Raster, Vorklassifikation) Kosten müssten unter Transfer+Speicherung bei uns liegen, um attraktiv zu sein 16

Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI

Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI www.dlr.de Folie 1 Copernicus Data Access and Exploitation Collaborative Infrastructure COPACI Konzept und Status 06. März 2014 Bonn-Oberkassel www.dlr.de Folie 2 Copernicus wird Wirklichkeit EU Copernicus

Mehr

Near Real Time - SAR basierte Anwendungen im maritimen Bereich

Near Real Time - SAR basierte Anwendungen im maritimen Bereich GeoForum MV 2011 Near Real Time - SAR basierte Anwendungen im maritimen Bereich Matthias Berg, Susanne Lehner, Stephan Brusch, Egbert Schwarz DLR Cluster Angewandte Fernerkundung Inhalt Übersicht Synthetic

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

APPS4GMES. Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben

APPS4GMES. Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben Entwicklung operationeller Produkt- und Serviceketten zur Umsetzung von GMES- Diensten und Monitoringaufgaben Verbundprojekt im Rahmen des Bayerisches Raumfahrtförderprogramms (2012 2015) Florian Appel

Mehr

Earth Observation & Mapping

Earth Observation & Mapping Maritime Unterwassertopographie GMES Thementage 2012: Maritime Sicherheit EOMAP GmbH & Co. KG Airport Oberpfaffenhofen Germany www.eomap.com Dr. Knut Hartmann (hartmann@eomap.de) Dr. Thomas Heege (heege@eomap.de)

Mehr

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse

NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse NoSQL-Datenbanken und Hadoop im Zusammenspiel mit dem Data Warehouse Carsten Czarski Oracle Deutschland B.V. & Co KG Big Data Betrachten von Daten die bislang nicht betrachtet wurden

Mehr

Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien

Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien Wir unternehmen IT. Erfahrungsbericht: Umstieg von RDBMS auf Big Data-Technologien Karlsruhe, 30.09.2015 $id thgreiner Thorsten Greiner Teamleiter Software Development ConSol* Software GmbH, Düsseldorf

Mehr

GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement

GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement GMES-Echtzeitdienste: Anforderungen an die Bodenempfangsstation und das Datenmanagement H. Maass, E. Schwarz, S. Lehner* Nationales Bodensegment Deutsches Fernerkundungsdatenzentrum (DFD) * Institut für

Mehr

Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage für semantische Abfragen in FE-Datenarchiven

Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage für semantische Abfragen in FE-Datenarchiven ESA Technologie Transfer Tag Schwerpunkt Big Data 5. Dezember 2013 Ort: FFG Forschungsförderungsgesellschaft Automatische Vorklassifikation von optischen Multi- Sensor Fernerkundungsdaten als Grundlage

Mehr

UAV-Datenprozessierung. Gabriela Apfl MFB-GeoConsulting

UAV-Datenprozessierung. Gabriela Apfl MFB-GeoConsulting UAV-Datenprozessierung Automatisch einfach zuverlässig Gabriela Apfl MFB-GeoConsulting MFB-GeoConsulting Steckbrief Seit 16 Jahren erfolgreich auf dem Geoinformatik-Markt. Hexagon Geospatial Channel Partner

Mehr

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16

Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie für RIS und Portalverbund der nächsten Generation E-Government Experts Meeting 2010-02-16 Technologie4RISuPV.PPT/hoffmann/feb10/1 R4eGov Technologie4RISuPV.PPT/hoffmann/feb10/2 Ausgangspunkt:

Mehr

Neue Ansätze der Softwarequalitätssicherung

Neue Ansätze der Softwarequalitätssicherung Neue Ansätze der Softwarequalitätssicherung Googles MapReduce-Framework für verteilte Berechnungen am Beispiel von Apache Hadoop Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik

Mehr

Einführung in Hadoop

Einführung in Hadoop Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

Open Access und Open Data in Horizon 2020. Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien

Open Access und Open Data in Horizon 2020. Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien Open Access und Open Data in Horizon 2020 Workshop Foster/FFG, Wien, 11. Juni 2015 Barbara Sánchez Solís, Paolo Budroni, Universität Wien DER KONTEXT Sánchez, Budroni Universität Wien 2 11 Juni 2015 e-infrastructures

Mehr

Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE

Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE Institut für Kartographie und Geoinformatik Leibniz Universität Hannover Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE Frank Thiemann, Thomas Globig Frank.Thiemann@ikg.uni-hannover.de

Mehr

MapReduce-Konzept. Thomas Findling, Thomas König

MapReduce-Konzept. Thomas Findling, Thomas König MapReduce - Konzept 1 Inhalt 1. Motivation 2. Einführung MapReduce Google Rechenzentren Vergleich MapReduce und Relationale DBS 3. Hadoop Funktionsweise Input / Output Fehlerbehandlung 4. Praxis-Beispiel

Mehr

Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen. Prof. Dr. Uwe Sander

Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen. Prof. Dr. Uwe Sander Die Suche nach dem geeigneten Arzt Nutzbarkeit von Arztbewertungs- und Krankenhausvergleichsportalen Prof. Dr. Uwe Sander Themen 1. Einführung 2. Das Usability-Labor der Hochschule Hannover 3. Eyetracking

Mehr

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors

Privacy-preserving Ubiquitous Social Mining via Modular and Compositional Virtual Sensors Privacy-preserving Ubiquitous Social Mining via Modular and Compositional s Evangelos Pournaras, Iza Moise, Dirk Helbing (Anpassung im Folienmaster: Menü «Ansicht» à «Folienmaster») ((Vorname Nachname))

Mehr

Data Mining und Machine Learning

Data Mining und Machine Learning Data Mining und Machine Learning Teil 7: Verteiltes Rechnen mit Map Reduce Dr. Harald König, FHDW Hannover 30. November 2015 Inhalt 1 Verteiltes Rechnen 2 Map Reduce 3 Anwendungen 4 Map Reduce: Weiterführende

Mehr

Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer

Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer Satellitendaten auf der ArcGIS Plattform von Esri Content und Marketplace für Kunden und Endnutzer Dr. A. Carstens Esri Deutschland GmbH Berlin, 5.11.2015 ArcGIS Plattform ArcGIS Plattform Fachanwender

Mehr

HIR Method & Tools for Fit Gap analysis

HIR Method & Tools for Fit Gap analysis HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

on Azure mit HDInsight & Script Ac2ons

on Azure mit HDInsight & Script Ac2ons Willkommen beim #GAB 2015! on Azure mit HDInsight & Script Ac2ons Lokale Sponsoren: HansPeter Grahsl Netconomy Entwickler & Berater FH CAMPUS 02 Twi9er: @hpgrahsl Überblick Inhalte Was ist HDInsight? Wozu

Mehr

Apache Hadoop. Distribute your data and your application. Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.

Apache Hadoop. Distribute your data and your application. Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache. Apache Hadoop Distribute your data and your application Bernd Fondermann freier Software Architekt bernd.fondermann@brainlounge.de berndf@apache.org Apache The Apache Software Foundation Community und

Mehr

Operationalisierung von Fernerkundungsmethoden für das Wattenmeermonitoring. Zusammenfassung

Operationalisierung von Fernerkundungsmethoden für das Wattenmeermonitoring. Zusammenfassung Fernerkundungsmethoden für das Wattenmeermonitoring Zusammenfassung Die Überwachung der marinen Umwelt hat in Europa und speziell in Deutschland besondere Bedeutung. Durch die Wasserrahmenrichtlinie, die

Mehr

Big Data Anwendungen Chancen und Risiken

Big Data Anwendungen Chancen und Risiken Big Data Anwendungen Chancen und Risiken Dr. Kurt Stockinger Studienleiter Data Science, Dozent für Informatik Zürcher Hochschule für Angewandte Wissenschaften Big Data Workshop Squeezing more out of Data

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.

Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web. Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.de Damages caused by Diprion pini Endangered Pine Regions in Germany

Mehr

Hadoop. Simon Prewo. Simon Prewo

Hadoop. Simon Prewo. Simon Prewo Hadoop Simon Prewo Simon Prewo 1 Warum Hadoop? SQL: DB2, Oracle Hadoop? Innerhalb der letzten zwei Jahre hat sich die Datenmenge ca. verzehnfacht Die Klassiker wie DB2, Oracle usw. sind anders konzeptioniert

Mehr

Stratosphere. Next-Generation Big Data Analytics Made in Germany

Stratosphere. Next-Generation Big Data Analytics Made in Germany Stratosphere Next-Generation Big Data Analytics Made in Germany Robert Metzger Stratosphere Core Developer Technische Universität Berlin Ronald Fromm Head of Big Data Science Telekom Innovation Laboratories

Mehr

Hadoop. High Performance Batches in der Cloud. Hadoop. Folie 1 25. Januar 2011

Hadoop. High Performance Batches in der Cloud. Hadoop. Folie 1 25. Januar 2011 High Performance Batches in der Cloud Folie 1 Alles geht in die Cloud Image: Chris Sharp / FreeDigitalPhotos.net Cloud und Batches passen zusammen Batches Cloud Pay-per-Use Nur zeitweise genutzt Hohe Rechenkapazitäten

Mehr

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer Einführung in Hadoop & MapReduce Dr. Kathrin Spreyer Big Data Engineer München, 19.06.2013 Agenda Einleitung 1. HDFS 2. MapReduce 3. APIs 4. Hive & Pig 5. Mahout Tools aus Hadoop-Ökosystem 6. HBase 2 Worum

Mehr

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer Big in Azure Ein Beispiel mit HD Insight Ralf Stemmer Agenda owas ist Big? Was ist HD Insight? owelche Probleme kann man damit lösen? odemo Was ist Big? Was ist HD Insight? Datenexplosion - Rasanter Zuwachs

Mehr

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting

Beratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Beobachtung der Biosphärendynamik II

Beobachtung der Biosphärendynamik II Dynamik der Biosphäre Beobachtung der Biosphärendynamik II Wintersemester 2008/2009 Wolfgang Cramer Lehrstuhl "Globale Ökologie" http://www.pik-potsdam.de/~cramer -> "Teaching" Letzte Woche Die exogene

Mehr

Die digitale Zukunft des stationären Handels. Lars Trieloff @trieloff

Die digitale Zukunft des stationären Handels. Lars Trieloff @trieloff Die digitale Zukunft des stationären Handels Lars Trieloff @trieloff We always overestimate the change that will occur in the next two years and underestimate the change that will occur in the next ten.

Mehr

GMES Aktueller Status

GMES Aktueller Status GMES Aktueller Status AHORN 2011 Imst 17. November 2011 Dr. Thomas Geist Global Monitoring for Environment and Security Was ist GMES? Was ist der aktuelle Status und wie geht es weiter? Was sind die GMES

Mehr

Matthias Schorer 14 Mai 2013

Matthias Schorer 14 Mai 2013 Die Cloud ist hier was nun? Matthias Schorer 14 Mai 2013 EuroCloud Deutschland Conference 2013 Matthias Schorer Accelerate Advisory Services Leader, CEMEA 29.05.13 2 29.05.13 3 The 1960s Source: http://www.kaeferblog.com/vw-bus-t2-flower-power-hippie-in-esprit-werbung

Mehr

Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering,

Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering, Funktionale Sicherheit ISO 26262 Schwerpunkt Requirements Engineering, Manfred Broy Lehrstuhl für Software & Systems Engineering Technische Universität München Institut für Informatik ISO 26262 Functional

Mehr

Einkommensaufbau mit FFI:

Einkommensaufbau mit FFI: For English Explanation, go to page 4. Einkommensaufbau mit FFI: 1) Binäre Cycle: Eine Position ist wie ein Business-Center. Ihr Business-Center hat zwei Teams. Jedes mal, wenn eines der Teams 300 Punkte

Mehr

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1

Exercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1 Exercise (Part XI) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All

Mehr

Vorlesung Software-Reengineering

Vorlesung Software-Reengineering Vorlesung Software-Reengineering Prof. Dr. Rainer Koschke 1 1 Arbeitsgruppe Softwaretechnik Fachbereich Mathematik und Informatik Universität Bremen Wintersemester 2005/06 Überblick I 1 Refactoring 1 Refactoring

Mehr

Bringing sense and simplicity to life

Bringing sense and simplicity to life Neue Einsatzbereiche der digitalen Spracherkennung: Informationsaufbereitung für Elektronische Patientenakten mit Wissensbanken und medizinischen Terminologien Klaus Stanglmayr Wednesday, June 20, 2007

Mehr

Organisatorisches, Einführung in die Thematik und Vorstellung der Projektseminarthemen

Organisatorisches, Einführung in die Thematik und Vorstellung der Projektseminarthemen Seminar Real-World Application in RFID Aided Supply Chains Organisatorisches, Einführung in die Thematik und Vorstellung der Projektseminarthemen Agenda Organisatorisches Rahmenbedingungen Ziele des Projektseminars

Mehr

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

Mehr

FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse

FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse FME Server comme plateforme d échanges de données raster multi-temporelles chez MeteoSuisse FME Server als multidimensionale Rasterdatendrehscheibe bei MeteoSchweiz Estelle Grüter, Meteoschweiz. Estelle.Grueter@meteoswiss.ch

Mehr

Darstellung und Anwendung der Assessmentergebnisse

Darstellung und Anwendung der Assessmentergebnisse Process flow Remarks Role Documents, data, tool input, output Important: Involve as many PZU as possible PZO Start Use appropriate templates for the process documentation Define purpose and scope Define

Mehr

MANAGEMENT AND FEDERATION OF STREAM PROCESSING APPLICATIONS

MANAGEMENT AND FEDERATION OF STREAM PROCESSING APPLICATIONS DISS. ETH NO. 20172 MANAGEMENT AND FEDERATION OF STREAM PROCESSING APPLICATIONS A dissertation submitted to ETH ZURICH for the degree of Doctor of Sciences presented by MICHAEL ALEXANDER DULLER Master

Mehr

Dezentrale Datenproduktion und -analyse bei DØ

Dezentrale Datenproduktion und -analyse bei DØ Dezentrale Datenproduktion und -analyse bei DØ Thomas Nunnemann LMU München nunne@fnal.gov DPG Mainz 31.3.04 Computing: Aufgaben/Anforderungen Datenaustausch verteilter Datenbankzugriff Prozessierung von

Mehr

Satellitenmeteorologie

Satellitenmeteorologie Eidgenössisches Departement des Innern EDI Bundesamt für Meteorologie und Klimatologie MeteoSchweiz Satellitenmeteorologie EUMETSAT, ESA/Ducros Bundesamt für Meteorologie und Klimatologie MeteoSchweiz

Mehr

Browser- gestützte Visualisierung komplexer Datensätze: Das ROAD System

Browser- gestützte Visualisierung komplexer Datensätze: Das ROAD System AG Computeranwendungen und QuanLtaLve Methoden in der Archäologie 5. Workshop Tübingen 14. 15. Februar 2014 Browser- gestützte Visualisierung komplexer Datensätze: Das ROAD System Volker Hochschild, Michael

Mehr

Cloud-Infrastrukturen Seminar Cloud Data Management WS09/10

Cloud-Infrastrukturen Seminar Cloud Data Management WS09/10 Cloud-Infrastrukturen Seminar Cloud Data Management WS09/10 Richard Beyer 1 Inhalt 1. Allgemeines 2. Amazon EC2 3. Yahoo Cloud 4. Vergleich 5. Fazit 6. Literatur Richard Beyer 2 Definition Cloud computing

Mehr

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution

EXASOL @ Symposium on Scalable Analytics. www.exasol.com. Skalierbare Analysen mit EXASolution EXASOL @ Symposium on Scalable Analytics Skalierbare Analysen mit EXASolution EXASOL AG Wer sind wir R&D: + seit 2000 + laufend Forschungsprojekte Produkt: Analytische Datenbank EXASolution Focus auf Komplexität

Mehr

EOxServer & MapServer. Open Source Lösungen für Erdbeobachtungsdaten

EOxServer & MapServer. Open Source Lösungen für Erdbeobachtungsdaten EOxServer & MapServer Open Source Lösungen für Erdbeobachtungsdaten Wer ist EOX? (Was tun wir so & für wen?) Erdbeobachtung 101 Ofene Standards für Geoinformations Systeme MapServer EOxServer Wer ist

Mehr

Creating your future. IT. αacentrix

Creating your future. IT. αacentrix Creating your future. IT. αacentrix We bring IT into Business Context Creating your future. IT. Wir sind eine Strategie- und Technologieberatung mit starkem Fokus auf die IT-Megatrends Cloud, Mobility,

Mehr

Business Analytics in der Big Data-Welt

Business Analytics in der Big Data-Welt Business Analytics in der Big Data-Welt Frankfurt, Juni 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data-Analytik "The way I look at big data analytics is it's not a technology,

Mehr

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf

Mehr

Satellitengestütztes Binnengewässermonitoring: Konzepte und Beispiele für Dienste

Satellitengestütztes Binnengewässermonitoring: Konzepte und Beispiele für Dienste Satellitengestütztes Binnengewässermonitoring: Konzepte und Beispiele für Dienste Thomas Heege EOMAP GmbH & Co.KG www.eomap.com EOMAP Kerngeschäft: Gewässermonitoring Bathymetry surveys for offshore industry

Mehr

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro

Mehr

Big & Smart Data. bernard.bekavac@htwchur.ch

Big & Smart Data. bernard.bekavac@htwchur.ch Big & Smart Data Prof. Dr. Bernard Bekavac Schweizerisches Institut für Informationswissenschaft SII Studienleiter Bachelor of Science in Information Science bernard.bekavac@htwchur.ch Quiz An welchem

Mehr

Oracle Big Data Technologien Ein Überblick

Oracle Big Data Technologien Ein Überblick Oracle Big Data Technologien Ein Überblick Ralf Lange Global ISV & OEM Sales NoSQL: Eine kurze Geschichte Internet-Boom: Erste Ansätze selbstgebauter "Datenbanken" Google stellt "MapReduce"

Mehr

Hochstrom-Druckkontakte für Dauerströme bis 400 A. High Current Probes up to 400 amps cont. Ausgabe 7/2009 DE EN. Edition 7/2009 DE EN

Hochstrom-Druckkontakte für Dauerströme bis 400 A. High Current Probes up to 400 amps cont. Ausgabe 7/2009 DE EN. Edition 7/2009 DE EN Hochstrom-Druckkontakte für Dauerströme bis 400 usgabe 7/2009 DE EN High Current Probes up to 400 amps cont. Edition 7/2009 DE EN Impressum und Bestellhinweise Company and Ordering Information Unsere

Mehr

Bernd Fondermann brainlounge. Blaue oder rote Pille: SQL oder MapReduce?

Bernd Fondermann brainlounge. Blaue oder rote Pille: SQL oder MapReduce? Bernd Fondermann brainlounge Blaue oder rote Pille: SQL oder MapReduce? TODOs pills on all pages upd source code 1 Blaue oder rote Pille - SQL oder MapReduce? Bernd Fondermann, BigDataCon/JAX 2012 2 Rote

Mehr

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken

Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Effiziente Bestandsaktualisierung von 3D-Stadtmodellen durch Analyse multitemporaler 3D-Punktwolken Rico Richter, FG Computergrafische Systeme Prof. Döllner Workshop 3D-Stadtmodelle 2014 Kontext und Problemstellung

Mehr

Symbio system requirements. Version 5.1

Symbio system requirements. Version 5.1 Symbio system requirements Version 5.1 From: January 2016 2016 Ploetz + Zeller GmbH Symbio system requirements 2 Content 1 Symbio Web... 3 1.1 Overview... 3 1.1.1 Single server installation... 3 1.1.2

Mehr

ESA's SENTINEL-2 Programme:

ESA's SENTINEL-2 Programme: ESA's SENTINEL-2 Programme: Systemcharakteristik und Anwendungspotenziale für die Umweltwissenschaften Gunter Menz & Frauke Becker (unter Beteiligung: Bianca Hörsch ESA) Remote Sensing and Research Group

Mehr

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap

Mehr

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration

June 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen

Mehr

SLA4D-Grid! Einführung, Konzepte und Ergebnisse

SLA4D-Grid! Einführung, Konzepte und Ergebnisse Service Level Agreements for D-Grid SLA4D-Grid! Einführung, Konzepte und Ergebnisse Philipp Wieder, Service Computing, TU Dortmund SLAs in Grid und Cloud Workshop 09. September 2010, Karlsruhe, DE http://www.sla4d-grid.de

Mehr

Möglichkeiten der Messung und Dokumentation von standardisierten Referenzspektren

Möglichkeiten der Messung und Dokumentation von standardisierten Referenzspektren Fachgebiet für Geoinformationsverarbeitung in der Landschaft- und Umweltplanung Möglichkeiten der Messung und Dokumentation von standardisierten Referenzspektren Michael Förster Technische Universität

Mehr

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014 Hadoop in a Nutshell Einführung HDFS und MapReduce Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die

Mehr

Hyperspektral in Oberpfaffenhofen: Das EnMAP Bodensegment und die CHB

Hyperspektral in Oberpfaffenhofen: Das EnMAP Bodensegment und die CHB Hyperspektral in Oberpfaffenhofen: Das EnMAP Bodensegment und die CHB Karim Lenhard, Jochen Fries, Birgit Suhr, Peter Gege (CHB) Andreas Müller, Tobias Storch, Armin Braun, Helmut Mühle, Rupert Müller

Mehr

Applying Pléiades in the ASAP project HighSens

Applying Pléiades in the ASAP project HighSens Applying Pléiades in the ASAP project HighSens Highly versatile, new satellite Sensor applications for the Austrian market and International Development (Contract number: 833435) Dr. Eva Haas, GeoVille

Mehr

Mercury Data Scanner. Daten-Extraktion Dynamische Barcodes Dokumentenarchivierung Re-Formatierung Print On Demand

Mercury Data Scanner. Daten-Extraktion Dynamische Barcodes Dokumentenarchivierung Re-Formatierung Print On Demand Mercury Daten-Extraktion Dynamische Barcodes Dokumentenarchivierung Re-Formatierung Print On Demand Mercury & 22 2 Schematische Übersicht Overlays PCL5... PCL Postscript CSV... Overlay Manager Job Separator

Mehr

ERDBEOBACHTUNG UND CLOUD. Das Wissen von Morgen. Dr. Wolfgang Steinborn DLR-Raumfahrtmanagement in Bonn - Erd-Monitoring Anwendungen & Netzwerke

ERDBEOBACHTUNG UND CLOUD. Das Wissen von Morgen. Dr. Wolfgang Steinborn DLR-Raumfahrtmanagement in Bonn - Erd-Monitoring Anwendungen & Netzwerke www.dlr.de Folie 1 EO & Cloud W.Steinborn / DLR AIR InGeoForum, Bonn 07/02/14 ERDBEOBACHTUNG UND CLOUD Das Wissen von Morgen Dr. Wolfgang Steinborn DLR-Raumfahrtmanagement in Bonn - Erd-Monitoring Anwendungen

Mehr

Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt

Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt Das SCAPE Projekt: Langzeitarchivierung und Skalierbarkeit Teil 1: Überblick über das SCAPE Projekt Dr. Sven Schlarb Österreichische Nationalbibliothek SCAPE ½ Informationstag 05. Mai 2014, Österreichische

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

Aqcuisition Processing Distribution Exploit/View

Aqcuisition Processing Distribution Exploit/View Rendering und Bereitstellung massiver Geodaten unter Verwendung von OpenWebGlobe und MapCache in der Cloud Robert Wüest, Martin Christen, Benjamin Loesch Fachhochschule Nordwestschweiz Aqcuisition Processing

Mehr

Data Mining in der Cloud

Data Mining in der Cloud Data Mining in der Cloud von Jan-Christoph Meier Hamburg, 21.06.2012 1 Ablauf Einführung Verwandte Arbeiten Fazit / Ausblick Literatur 2 Ablauf Einführung Verwandte Arbeiten Fazit / Ausblick Literatur

Mehr

the automatic atmospheric correction service by the German Remote Sensing Data Center (DFD)

the automatic atmospheric correction service by the German Remote Sensing Data Center (DFD) Deutsches Zentrum für Luft und Raumfahrt e.v. CllearViiew () the automatic atmospheric correction service by the German Remote Sensing Data Center (DFD) () US patent No. US 6,484,099 B1 granted Nov. 19,

Mehr

Azure Machine Learning

Azure Machine Learning Azure Machine Learning Alexander Wechsler Wechsler Consulting GmbH & Co. KG Was ist Machine Learning? Technologie zur Vorhersage Ermittlung von Wahrscheinlichkeiten mit Hilfe von Mustern in großen Datenmengen

Mehr

Der Adapter Z250I / Z270I lässt sich auf folgenden Betriebssystemen installieren:

Der Adapter Z250I / Z270I lässt sich auf folgenden Betriebssystemen installieren: Installationshinweise Z250I / Z270I Adapter IR USB Installation hints Z250I / Z270I Adapter IR USB 06/07 (Laden Sie den Treiber vom WEB, entpacken Sie ihn in ein leeres Verzeichnis und geben Sie dieses

Mehr

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover

Big Data. Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Big Data Prof. Robert Jäschke Forschungszentrum L3S Leibniz Universität Hannover Agenda Was ist Big Data? Parallele Programmierung Map/Reduce Der Big Data Zoo 2 3Vs oder: Was ist Big Data? Deutsche Telekom:

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

WAS IST DER KOMPARATIV: = The comparative

WAS IST DER KOMPARATIV: = The comparative DER KOMPATATIV VON ADJEKTIVEN UND ADVERBEN WAS IST DER KOMPARATIV: = The comparative Der Komparativ vergleicht zwei Sachen (durch ein Adjektiv oder ein Adverb) The comparative is exactly what it sounds

Mehr

MapReduce und Datenbanken Thema 15: Strom bzw. Onlineverarbeitung mit MapReduce

MapReduce und Datenbanken Thema 15: Strom bzw. Onlineverarbeitung mit MapReduce MapReduce Jan Kristof Nidzwetzki MapReduce 1 / 17 Übersicht 1 Begriffe 2 Verschiedene Arbeiten 3 Ziele 4 DEDUCE: at the intersection of MapReduce and stream processing Beispiel 5 Beyond online aggregation:

Mehr

DduP - Towards a Deduplication Framework utilising Apache Spark

DduP - Towards a Deduplication Framework utilising Apache Spark - Towards a Deduplication Framework utilising Apache Spark utilising Apache Spark Universität Hamburg, Fachbereich Informatik Gliederung 1 Duplikaterkennung 2 Apache Spark 3 - Interactive Big Data Deduplication

Mehr

Microsoft Office SharePoint 2007

Microsoft Office SharePoint 2007 Inhalt 1 Erstellen von Workflows für Microsoft Office SharePoint 2007 15 June 2009 Sebastian Gerling Sebastian.gerling@spiritlink.de COPYRIGHT 2003 SPIRIT LINK GMBH. ALL RIGHTS RESERVED Inhalt 1 Dipl.

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Wird BIG DATA die Welt verändern?

Wird BIG DATA die Welt verändern? Wird BIG DATA die Welt verändern? Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data Entmythisierung von Big Data. Was man über Big Data wissen sollte. Wie

Mehr

Informationsextraktion

Informationsextraktion Informationsextraktion Bestimmte Anwendungen bei der semantischen Verarbeitung erfordern keine tiefe linguistische Analyse mit exakter Disambiguierung (= eine einzige und korrekte Lesart). Hierzu gehört

Mehr

Distributed testing. Demo Video

Distributed testing. Demo Video distributed testing Das intunify Team An der Entwicklung der Testsystem-Software arbeiten wir als Team von Software-Spezialisten und Designern der soft2tec GmbH in Kooperation mit der Universität Osnabrück.

Mehr

Power-Efficient Server Utilization in Compute Clouds

Power-Efficient Server Utilization in Compute Clouds Power-Efficient Server Utilization in Compute Clouds 1/14 Overview 1. Motivation 2. SPECpower benchmark 3. Load distribution strategies 4. Cloud configuration 5. Results 6. Conclusion 2/14 1. Motivation

Mehr

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine 5. Braunschweiger Symposium 20./21. Februar 2008 Dipl.-Ing. T. Mauk Dr. phil. nat. D. Kraft

Mehr

BIG DATA Impulse für ein neues Denken!

BIG DATA Impulse für ein neues Denken! BIG DATA Impulse für ein neues Denken! Wien, Januar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust The Age of Analytics In the Age of Analytics, as products and services become

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

Risiken bei der Analyse sehr großer Datenmengen. Dr. Thomas Hoppe

Risiken bei der Analyse sehr großer Datenmengen. Dr. Thomas Hoppe Risiken bei der Analyse sehr großer Datenmengen Dr. Thomas Hoppe Datenaufbereitung Datenanalyse Data Mining Data Science Big Data Risiken der Analyse Sammlung Integration Transformation Fehlerbereinigung

Mehr