Mithilfe von Big Data will das globale Agrarforschungs-Netzwerk CGIAR Erkenntnisse über die Probleme der weltweiten Nahrungsversorgung gewinnen, die jetzt durch COVID-19 verstärkt werden. [...]
Um dieses Ziel zu erreichen, setzt CGIAR u.a. auf HPE als IT- und Technologiepartner. Durch die Anwendung der Memory-Driven Computing Sandbox von HPE auf die Datensätze von CGIAR soll die Modell-Entwicklung für Ernährungssysteme beschleunigt werden.
Nahezu 800 Millionen Menschen sind chronisch unterernährt und zwei Milliarden leiden an Mikronährstoffmangel. Das Problem hat sich angesichts der globalen COVID-19-Pandemie noch verschärft. Die Krise wirkt sich weltweit auf Versorgungsketten aus, allerdings in unterschiedlicher Ausprägung, mit der Folge, dass die Probleme nicht mit einer universellen Lösung angegangen werden können.
CGIAR (Consultative Group on International Agricultural Research) ist eine globale Forschungspartnerschaft von 14 gemeinnützigen landwirtschaftlichen Forschungsinstituten, die in mehr als 100 Ländern an der Erforschung praktisch aller Aspekte der Ernährungssicherheit arbeiten. In seinen elf Gendatenbanken auf der ganzen Welt konserviert und regeneriert das Netzwerk 760.000 Sorten von Nahrungspflanzen. Diese genetische Vielfalt trägt zum Aufbau von widerstandsfähigen Pflanzen innerhalb der globalen Nahrungsmittelversorgung bei.
Um die heutige Situation vollständig zu verstehen, muss CGIAR in der Lage sein, sich ein aktuelles und präzises Bild davon zu machen, was in Gebieten mit bedeutender Lebensmittelproduktion auf der ganzen Welt geschieht. Dafür sind eine Unmenge an Daten aus mehreren Quellen erforderlich, darunter Ernteleistung, Wetteraufzeichnungen, Wirtschaftstätigkeit und Umfragen.
Große Rechenkapazität erforderlich
„Da sich die Auswirkungen von COVID-19 von Land zu Land unterschiedlich entwickeln, ist die Fähigkeit, die Situation sowohl auf aggregierter Ebene als auch aus lokaler Sicht vor Ort zu betrachten, für uns unglaublich wertvoll“, sagt Brian King, Koordinator der CGIAR-Plattform für Big Data in der Landwirtschaft. „Dadurch können wir als Forschungsorganisation anders arbeiten als bisher. Aber detaillierte Erkenntnisse über mehrere Sachverhalte gleichzeitig zu gewinnen, erfordert Rechenleistung und mehr Rechenkapazität als wir sie bisher hatten. Die Memory-Driven Computing Sandbox erschien genau zur richtigen Zeit.“
Zwar verfügt das CGIAR in mehreren seiner Zentren über Hochleistungs-Computercluster. Allerdings hat das Forschungsnetzwerk angesichts der Pandemie einen erhöhten Bedarf an aktuellen, lokalisierten Informationen und Analysen zur Ernährungssicherheit. Das können die vorhandenen Rechenressourcen nicht leisten. Die Memory-Driven Computing Sandbox von HPE gibt jedem Prozessor mit bis zu 64 Sockeln Zugriff auf einen riesigen, bis zu 48 Terabyte großen, gemeinsamen Speicherpool – ein deutlicher Sprung im Vergleich zu den bisherigen Systemen. Dort stehen jedem Prozessor in der Regel relativ kleine Speichermengen von wenigen Terabyte zur Verfügung; die daraus resultierenden Ineffizienzen schränken die Leistung ein. Dadurch, dass sämtliche Datensätze gleichzeitig im Arbeitsspeicher verfügbar sind, können die Nutzer Rechen-Engpässe beseitigen, die die Forschung und Entwicklung behindern.
Mit der Sandbox – einer Umgebung, in der Kunden neue Analyseverfahren entwickeln und testen können – erstellt CGIAR hochauflösende Ansichten von Lebensmittelsystemen. Dabei verknüpft CGIAR Nutzpflanzen-Modelle – einschließlich Wetteraufzeichnungen und Leistung von Nutzpflanzen und deren Ertrag nach Jahr und Standort – sowie Erhebungsdaten und die allgemeine Wirtschaftstätigkeit (zum Beispiel Waren- und Personenverkehr). CGIAR überwacht zudem Emissionen an bis zu 1.000 Orten in Indien und Ostafrika, die auf Veränderungen in der Wirtschaftstätigkeit hinweisen.
Damit ist CGIAR in der Lage zu erkennen, wie sich einzelne Kulturpflanzen auf das breite Nahrungsmittelangebot auswirken werden und kann rechtzeitig Akteure aus Politik, Wirtschaft und der Nahrungsmittelhilfe informieren. Zudem nutzt CGIAR beispielsweise Modelle zur Vorhersage von Klimagefahren wie Wirbelstürme, Überschwemmungen und Dürren, die Kleinbauern in Entwicklungsländern bedrohen. CGIAR hilft den politischen Entscheidungsträgern und den gefährdeten Landwirten selbst, sich darauf vorzubereiten, so dass die Auswirkungen auf das Ernährungssystem minimiert werden.
Be the first to comment