FDM-Speicherlösungen
Informieren Sie sich hier über mögliche Speicherlösungen und deren Spezifikationen
Nextcloud kann als OnPrem Cloud-Speicherlösung in zwei Varianten angeboten werden:
- Nextcloud intern für ausschließlich UMMD-internen bzw. per VPN Zugang, Data-sharing mit externen Projektpartnern ist hierbei nicht möglich.
- Nextcloud extern erlaubt den Zugang von UMMD-intern und extern. Dieses Konzept eignet sich zum Datasharing mit externen Projektpartnern.
Allgemeine Informationen:
- Speicherkapazität: 10 TB pro Struktureinheit
- Garantierte Speicherbereitstellung nach Projektabschluss: 10 Jahre
- Backup vorhanden
Vorteile:
- Archiv-Konzept
- Anbindung von OnlyOffice vorhanden
Nachteile:
- Für spezifische Datenauswertung aktuell nicht einsetzbar
GitLab auf Basis von Git ist eine Webanwendung, die zur Versionsverwaltung von Projekten, Software und Daten dient.
Allgemeine Informationen:
- Speicherkapazität: wird projektbezogen abgestimmt
- Garantierte Speicherbereitstellung nach Projektabschluss: 10 Jahre
- Backup vorhanden
Vorteile:
- Übersicht über Versionen
- FAIRE Datenspeicherung und Bereitstellung möglich
- README für Projektinfos
- Gute Rechte-Verwaltung
- Link zu Projektordner kann für Publikationen freigegeben werden
- Bedienung über Benutzeroberfläche oder Konsole möglich
Nachteile:
- Für spezifische Datenauswertung nicht nutzbar
- Geringer Speicherplatz
- Hochladen von Einzeldatein oder ZIP-Ordner per Web Oberfläche nur möglich, ansonsten muss ausgewichen werden auf Software wie Sourcetree
Virtuelle Maschinen (VMs) zur effizienten Datenauswertung und -speicherung. Der Datenzugang in VM kann über Nextcloud ermöglicht werden, die Daten werden direkt in die Auswerteumgebung bereitgestellt und kann intern verwendet werden.
Allgemeine Informationen:
- Speicherkapazität: 10 TB pro Struktureinheit (mehr möglich)
- Garantierte Speicherbereitstellung nach Projektabschluss: 10 Jahre
- Backup vorhanden
Vorteile:
- Betriebssystem vorhanden (Linux)
- Datenauswertung und -speicherung
- Zugang per Remote Desktop Client
Nachteile:
- Nicht für Weboberflächenbasierte Datenauswertung nutzbar
Linux-Container (LXC) zur effizienten Datenauswertung und -speicherung. Der Datenzugang in LXCs kann über Nextcloud ermöglicht werden, die Daten werden direkt in die Auswerteumgebung bereitgestellt und kann intern verwendet werden..
Allgemeine Informationen:
- Speicherkapazität: 10 TB pro Struktureinheit (mehr möglich)
- Garantierte Speicherbereitstellung nach Projektabschluss: 10 Jahre
- Backup vorhanden
Vorteile:
- Datenauswertung und -speicherung
- Bereitstellung von höherer Rechenleistung möglich
Nachteile:
- KEIN vollständiges Betriebssystem vorhanden (Pseudobetriebssystem)
- Bedienung nur per Konsole
- Zugang nur per SSH
XNAT kann intern oder für Data-sharing mit externen Projektpartnern angeboten werden. Es handelt sich um eine open-source Plattform zur Verwaltung von Bilddaten.
Allgemeine Informationen:
- Speicherkapazität: 10 TB pro Struktureinheit (mehr möglich)
- Garantierte Speicherbereitstellung nach Projektabschluss: 10 Jahre
- Backup vorhanden
- spezifisch für die Verwaltung von Bilddaten
Das DIZ-KI-Plattform basiert auf dem open-source Framework Ollama. Verschiedene Large Language Models können genutzt werden:
- Ollama3.2 Vision: für allgemeine Fragen, Übersetzungen, Bildanalysen
- Deepseek-coder-v2: optimiert, um Entwickler-Code zu verbessern oder komplette Programme zu schreiben
Die Nutzung der am DIZ gehosteten KI-Plattform ist von der Informationssicherheit genehmigt. Lesen Sie hierzu bitte bei der Registrierung für die KI-Nutzung die Nutzerhinweise sorgfältig.
Jupyter Hub can be provided for internal or external usage.
Wofür kann ich Jupyter Hub verwenden?
Jupyter Hub ist ein vielseitiges Werkzeug, das sich ideal für folgende Anwendungsfälle eignet:
Interaktive Datenanalyse und Exploration: Führen Sie Datenbereinigung, Transformation und explorative Datenanalyse in einer schrittweisen und dokumentierten Weise durch.
Prototyping und Entwicklung: Schnelles Testen von Code-Fragmenten, Algorithmen und mathematischen Modellen in einer sofortigen Feedback-Umgebung.
Wissenschaftliches Rechnen und Simulationen: Ausführen von komplexen Berechnungen und Simulationen in verschiedenen Programmiersprachen (z.B. Python, R, Julia), dank der Kernel-Architektur.
Berichterstellung und Dokumentation: Erstellen Sie dynamische Berichte, die Code, Ergebnisse und erklärenden Text enthalten, wodurch die Reproduzierbarkeit Ihrer Arbeit gewährleistet wird.
Lehre und Schulungen: Dient als standardisierte und zugängliche Umgebung für Schulungen im Bereich Data Science, Programmierung oder Machine Learning.