In dieser Arbeit werden Methoden zum fortschrittsbasierten Co-Scheduling von gekoppel- ten Anwendungen unter Verwendung des Open Community Runtime (OCR) Program- miermodells untersucht. Es wird ein vor Kurzem vorgestellter Kopplungsmechanismus verwendet, der es der OCR ermöglicht, die Rechenressourcen von zwei gekoppelten, gleichzeitig laufenden Instanzen automatisch auszugleichen. Da nicht alle Algorithmen eine reguläre Rechenlast aufweisen, ist es möglich, dass Simulations- und Analyseanwen- dungen mit unterschiedlichen Fortschrittsraten auseinanderdriften. Um eine hohe Leis- tung zu erzielen, sollten die Rechenressourcen dynamisch angepasst werden, sodass Fort- schritt von Simulation und Analyse aufeinander abgestimmt werden. Beispiele für solche irregulären Rechenlasten aus wissenschaftlichen Anwendungen sind adaptive Gitterverfei- nerungen oder Mehrkörpersimulationen. Eine Simulations- und Analyseanwendung wird ausgewählt und - falls erforderlich - auf das OCR-Programmiermodell portiert. Diese An- wendungen werden dann verwendet, um verschiedene Experimente durchzuführen, die diskutiert und mit dem traditionellen Postprocessing-Arbeitsablauf verglichen werden.

In this thesis methods for progress-based co-scheduling of coupled applications will be investigated using the Open Community Runtime (OCR) programming model. A re- cently introduced coupling mechanism, which enables the OCR to automatically balance the computational resources of two coupled, concurrently running instances will be used. As not all algorithms show regular computational load, it is possible that simulation and analysis applications with different progress rates drift apart. For achieving high perfor- mance, the computational resources should be dynamically adjusted to align progress of simulation and analysis. Examples for such irregular computational workloads from scientific applications are adaptive mesh refinement or N-body simulations. A simulation and analysis application will be selected and - if necessary - ported to the OCR program- ming model. These applications will then be used to perform different experiments that are being discussed and compared to to the traditional post-processing workflow.