Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-11028
Authors: Schembera, Björn
Title: Forschungsdatenmanagement im Kontext dunkler Daten in den Simulationswissenschaften
Other Titles: Research data management in the context of dark data in the simulation sciences
Issue Date: 2019
metadata.ubs.publikation.typ: Dissertation
metadata.ubs.publikation.seiten: xvi, 203
Series/Report no.: HLRS;21
URI: http://elib.uni-stuttgart.de/handle/11682/11045
http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-110458
http://dx.doi.org/10.18419/opus-11028
ISSN: 0941-4665
Abstract: In der Dissertation wird das Konzept von dunklen Daten auf das Höchstleistungsrechnen erweitert. Dunkle Daten entstehen durch fehlende Metadaten oder inaktive Nutzerinnen und Nutzer. Die Dissertation stellt Konzepte zur Minimierung solcher Daten vor. Sie umfassen ein Metadaten-Modell (EngMeta) und eine automatisierte Metadaten-Extraktionsmethode, die entworfen und implementiert wurde. Da solche technischen Lösungsansätze ohne entsprechende organisatorische Prozesse nutzlos sind, werden sie in der Dissertation um einen spezifischen Datenkurator sowie Entscheidungskriterien ergänzt.
In this dissertation, the concept of dark data is extended to high-performance computing. Dark data arise from missing metadata or inactive users. The dissertation proposes concepts for minimizing such dark data, which include a metadata model (EngMeta) and an automated metadata extraction method. Those concepts were designed and implemented. Since such technical approaches are useless without organizational proccesses, they a complemented with a specific data curator role and decision criteria within the dissertation.
Appears in Collections:04 Fakultät Energie-, Verfahrens- und Biotechnik

Files in This Item:
File Description SizeFormat 
Dissertation_Schembera_final.pdf4,54 MBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.