Was Freiwilligenrechnen leisten kann und was nicht

Freiwilligenrechnen macht aus vielen gewöhnlichen Computern eine ungewöhnlich große Rechenressource. Niemand muss dafür einen ganzen Forschungsauftrag übernehmen. Der eigene Rechner bekommt ein klar abgegrenztes Arbeitspaket, rechnet es durch und schickt das Ergebnis zurück. Tausende solcher kleinen Beiträge können eine Suche oder Simulation in eine Größenordnung bringen, die für ein einzelnes Institut nur schwer erreichbar wäre.

Die Idee ist erstaunlich einfach, aber nicht beliebig einsetzbar. Sie funktioniert dann besonders gut, wenn sich eine große Aufgabe in viele ähnliche Teile zerlegen lässt. Jeder Teil muss für eine Weile allein bearbeitet werden können. Erst danach führt ein Projektserver die Antworten wieder zusammen. Genau darin liegt die Stärke von BOINC und zugleich seine Grenze.

Eine große Frage in viele kleine Rechnungen

Stellen wir uns eine Suche vor, bei der sehr viele Möglichkeiten geprüft werden müssen. Vielleicht enthält ein Radio-Datensatz Millionen kurzer Abschnitte. Vielleicht kann ein Pulsar an vielen Stellen am Himmel stehen und sich mit leicht unterschiedlicher Frequenz drehen. Vielleicht soll ein Modell mit vielen Startwerten durchgerechnet werden. Für einen Menschen wäre das keine Liste von Aufgaben, sondern eine Wand aus Möglichkeiten.

Ein Freiwilligenprojekt zerlegt diese Wand in handhabbare Stücke. Ein Rechner bekommt beispielsweise einen kleinen Datenausschnitt oder einen Satz von Modellparametern. Nach der Rückmeldung folgt das nächste Paket. So bleibt die Arbeit auf dem einzelnen Gerät überschaubar, während das Projekt als Ganzes eine sehr breite Suche durchführen kann.

Die beteiligten Rechner machen dabei nicht zwangsläufig dasselbe. Projekte verteilen unterschiedliche Pakete an unterschiedliche Geräte, passen Berechnungen an Betriebssysteme und Hardware an und prüfen, ob Ergebnisse zusammenpassen. Daraus entsteht eine organisierte Rechenkette, keine lose Downloadsammlung.

Dieselbe Grundidee, vier sehr verschiedene Fragen

Die bekanntesten Projekte zeigen gut, wie unterschiedlich diese Rechenkette aussehen kann.

Bei SETI@home wurden Abschnitte von Radioaufnahmen nach auffälligen Mustern durchsucht. Ein möglicher schmalbandiger Ton oder ein Signal mit bestimmter Veränderung über die Zeit wäre zunächst nur ein Kandidat. Gerade weil das Projekt sehr viele Datenabschnitte bearbeiten konnte, ließ sich die Suche weit ausdehnen. Das spannende Ergebnis einer solchen Suche ist oft die Chance, einen kleinen auffälligen Ausschnitt noch einmal genauer anzusehen.

Einstein@Home durchsucht große Datenmengen nach Signalen von Pulsaren und nach kontinuierlichen Gravitationswellen. Hier muss die Software viele Kombinationen möglicher Eigenschaften durchspielen: Himmelsposition, Frequenz und ihre Veränderung gehören dazu. Ein einzelnes Arbeitspaket deckt nur einen winzigen Teil dieses Suchraums ab. In der Summe kann daraus eine Suche entstehen, die weit mehr Möglichkeiten prüft, als ein einzelner Rechner je erreichen könnte.

LHC@home nutzt dieselbe Grundidee für die Physik großer Beschleuniger. Dort können Modelle von Teilchenstrahlen oder andere Simulationsaufgaben in Varianten gerechnet werden. Der Large Hadron Collider und seine Messgeräte bleiben natürlich unersetzlich. LHC@home hilft bei Fragen rund um Planung, Betrieb und Auswertung.

Predictor@home ging einen anderen Weg und beschäftigte sich mit möglichen räumlichen Formen von Proteinen. Eine Aminosäurekette kann sich auf viele Arten falten. Zusätzliche Rechenzeit erlaubt es, mehr dieser Möglichkeiten zu erzeugen und zu bewerten. Ob ein Modell die biologische Wirklichkeit trifft, entscheidet sich dadurch aber noch nicht. Es kann ein Ausgangspunkt für weitere Forschung sein, kein Ersatz für sie.

Was nach dem Rechnen passiert

Ein zurückgesendetes Ergebnis ist zunächst genau das: eine Antwort eines Computers auf eine vorgegebene Aufgabe. Damit daraus etwas Verlässliches wird, braucht es Kontrolle. Heimrechner sind verschieden schnell, können ausfallen, fehlerhaft rechnen oder eine Aufgabe nur teilweise abschließen. Deshalb lassen Projekte Resultate je nach Anwendung vergleichen, wiederholen Berechnungen oder sortieren ungewöhnliche Rückmeldungen aus.

Danach beginnt die fachliche Arbeit. Bei einem auffälligen Radiosignal stellt sich etwa die Frage, ob es von irdischer Technik, einem Satelliten oder einem natürlichen Vorgang stammen könnte. Ein Pulsarkandidat wird mit strengeren Analysen geprüft und gegebenenfalls mit weiteren Beobachtungen verfolgt. Eine Simulation ist nur so aufschlussreich wie ihr Modell und ihre Annahmen. Ein Proteinmodell muss sich an biologischen Daten messen lassen.

Freiwillige Rechner nehmen Forschenden diese Arbeit nicht ab. Sie schaffen den Raum dafür, mehr Ansätze zu testen und interessante Kandidaten aus einer großen Menge herauszufiltern. Das ist keine kleine Rolle. Sie liegt nur an einer anderen Stelle als Messung, Experiment und wissenschaftliche Einordnung.

Mehr Rechenzeit ist kein Ergebnis

Viele abgeschlossene Arbeitspakete sehen beeindruckend aus, besonders in einer Rangliste. Doch die Zahl sagt zuerst nur, dass Rechenkapazität genutzt wurde. Sie sagt noch nicht, ob ein Signal echt ist, ein Modell zutrifft oder eine Hypothese bestätigt wurde.

Rechnen kann verschiedene wertvolle Ergebnisse hervorbringen. Eine Suche kann Kandidaten liefern, die später aussortiert oder nachbeobachtet werden. Sie kann zeigen, dass unter bestimmten Bedingungen kein Signal gefunden wurde. Eine Simulation kann sichtbar machen, was ein Modell erwarten lässt. Ein Strukturmodell kann ein gutes Ziel für ein weiteres Experiment vorschlagen. Auch eine gut begründete Nullsuche gehört dazu: Sie grenzt ein, wo etwas nicht gefunden wurde und wie empfindlich die Suche war.

Der Reiz von Volunteer Computing liegt gerade darin, dass diese Arbeit nicht auf einen großen Augenblick warten muss. Viele kleine, saubere Rechnungen erweitern Schritt für Schritt, was untersucht werden kann.

Wo sich Aufgaben nicht gut teilen lassen

Nicht jede anspruchsvolle Forschung profitiert von tausenden Geräten in Privathaushalten. Manche Rechnungen müssen ständig große Datenmengen austauschen. Andere benötigen spezielle Hardware, eine streng kontrollierte Softwareumgebung oder eine direkte Verbindung zu einem Messgerät. Dafür sind Forschungsrechenzentren, Labore und Observatorien besser geeignet.

Auch die Daten selbst können eine Grenze setzen. Sehr große Rohdaten müssen erst an die Teilnehmenden übertragen werden. Persönliche, medizinische oder andere sensible Daten lassen sich oft nicht öffentlich verteilen. Und ein Projekt braucht Server, Wartung, Sicherheitsupdates, verständliche Anwendungen und Unterstützung für seine Community. Freiwillige Rechenzeit fällt nicht einfach vom Himmel; sie muss sinnvoll vorbereitet und verantwortungsvoll genutzt werden.

Warum eine verteilte Rechenphase enden kann

Ein Projekt kann seine öffentliche Rechenphase beenden, obwohl die Forschungsfrage weiterlebt. Vielleicht sind die vorhandenen Daten vollständig bearbeitet. Vielleicht verlangt die nächste Frage eine andere Software oder eine kleinere Zahl besonders aufwendiger Analysen auf zentralen Systemen. Bei SETI@home endete die Verteilung neuer Arbeitspakete, während die Auswertung des gewonnenen Datenbestands weiterging.

Das ist kein Scheitern des Modells. Es zeigt vielmehr, dass Volunteer Computing ein Werkzeug für bestimmte Phasen einer Forschung ist. Wenn die Aufgabe passt, verbindet es technische Neugier mit echter Forschungsarbeit. Die Menschen hinter den Rechnern bleiben dabei mehr als anonyme Rechenleistung: Credits, Teams und gemeinsame Erfahrung haben vielen von ihnen das Gefühl gegeben, an einem großen, sehr konkreten Vorhaben mitzuwirken.