Person bedient Smartphone
Infrastruktur
min

Eine Suchmaschine für das Internet der Dinge

Projekt „IoTCrawler" – technischer Rahmen für die effiziente und skalierbare Suche von Geräten im IoT entwickelt.

Eine Suchmaschine für das Internet der Dinge (Internet of Things, IoT) zu entwickeln – das war das Ziel des internationalen Forschungsprojekts IoTCrawler mit zehn Partnern aus fünf Ländern. Was unterscheidet eine Suchmaschine für das IoT von Internet-Suchmaschinen und welche Herausforderungen stellen sich für diese neuartige IoT-Anwendung? Zunächst gibt es einige Gemeinsamkeiten: Beide Suchmaschinen durchsuchen eine Vielzahl an Informationen (das sogenannte Crawlen), indexieren die Elemente, ordnen ihnen also bestimmte Eigenschaften zu, und erstellen eine Sortierung der Informationen (Ranking) je nach Relevanz in Bezug auf die Suchanfrage. Der große Unterschied beider Anwendungen besteht in Menge und Dynamik der zu durchsuchenden Daten. Während die Methoden für die Suche im Internet für eine begrenzte Anzahl an statischen Objekten passend sind, sind sie nicht brauchbar für die große Menge an IoT-Elementen – momentan rund 50 Milliarden mit einem jährlichen Datenaufkommen von 1,6 Zettabytes, das sind 1,6 Milliarden Terabytes –, die noch dazu dynamisch sind – etwa Sensoren, deren Werte variabel sind.

Im Projekt IoTCrawler wurde ein technischer Rahmen für die effiziente Suche von Geräten im IoT geschaffen, der mit verschiedenen Anwendungen funktioniert und in Zukunft eine universelle Plattform für skalierbare Discovery-Anwendungen unter Einhaltung von Sicherheits- und Datenschutzvorgaben darstellen soll. „Als Voraussetzung für das Crawler-Framework mussten zuerst die in Frage kommenden IoT-Assets definiert und integriert werden. Anders als im Internet machen sich die Suchobjekte im IoT bei der Suchmaschine nicht aktiv bemerkbar – die verschiedenen Assets müssen vorher beschrieben werden, damit die auf dem Crawler aufbauenden Applikationen verstehen, welche Auswahlmöglichkeiten mit welchen Eigenschaften es überhaupt gibt, bevor die Indexierung erfolgen kann“, erklärt Josiane Xavier Parreira von der Siemens-Österreich-Forschungsgruppe für Business Analytics and Monitoring.

„Die verwendeten Methoden, damit das Crawler-System überhaupt die Asset-Landschaft erkennt und versteht, sind Ontologien und Knowledge Graphs. Mittels Ontologien werden die IoT-Ressourcen beschrieben, sodass alle Komponenten des Systems das gleiche Verständnis haben. Dieses Wissen wird dann in eine Graphstruktur gebracht, also eine Struktur, die eine Menge an Objekten und deren Verbindungen zeigt – ähnlich wie ein Plan eines U-Bahnnetzes. Methodisch wichtig ist auch die semantische Anreicherung der Daten, das heißt die Zuordnung von aussagekräftigen Bedeutungen etwa zu Sensorwerten wie physikalische Größe oder Verlässlichkeit“, so Xavier Parreira weiter. Auch Machine-Learning-Methoden kamen in dem Projekt zur Anwendung: Diese wurden eingesetzt, um aus dem durch die Sensoren generierten Datenstrom höhere Abstraktionsniveaus abzuleiten – also etwa im Verkehrsbereich wurden Informationen über die Geschwindigkeit von Fahrzeugen herangezogen, um niedriges, mittleres oder hohes Verkehrsaufkommen zu identifizieren.
 

Smart Home mit verbundenen Geräten

Im Projekt IoTCrawler wurden mehrere Use Cases empirisch validiert – zum Beispiel auch der Bereich Smart Home.

Use Case: Aggregator im Digital Grid

Die IoT-Suchmaschine bildet eine Basis, auf der verschiedene Applikationen aufsetzen können. Im Projekt wurden folgende Use Cases empirisch validiert: Smart Home (Übersicht über Energieverbrauch von Smart-Home-Geräten), Smart Parking (benutzerdefiniertes Parkplatzangebot), Umweltdaten (Luftqualität, Grünflächen, …), Echtzeitraumbuchung, Monitoring von Industriemaschinen und Gesundheit (Überwachung von Demenzkranken). „Je nach Anwendungsfall unterscheiden sich auch die IoT-Assets, mit denen geforscht wird, – einmal sind es Luftgütesensoren, einmal Maschinenlaufzeiten und ein anderes Mal freie Parkplätze“, so Xavier Parreira, die das Projekt auf Seiten von Siemens leitete.

Der Use Case, den Siemens Österreich in diesem Projekt bearbeitet hat, ist im Bereich Digital Grid angesiedelt. Genauer gesagt geht es um das Auffinden von Flexibilitäten im Stromnetz zum Ausgleich von Über- oder Unterlastsituationen. Die im Projekt entwickelte Crawler-Infrastruktur wurde in diesem Anwendungsfall dafür benutzt, flexible Verbraucher oder Erzeuger aufzufinden, die aktiviert werden können, um in das Geschehen am Strommarkt einzugreifen. „Im Stromnetz müssen die eingespeiste und die bezogene Leistung immer ident sein, sonst kommt es zu Störungen. Gibt es Schwankungen, werden diese momentan über Kraftwerke oder Industrieverbraucher ausgeglichen“, erläutert Andreas Fernbach von der IoT-Forschungsgruppe bei Siemens Österreich. „In Zukunft sollen für diesen Ausgleich auch dezentrale Elemente herangezogen werden, sprich: die große Masse an Haushalten soll einbezogen werden. Jeder, der das will, kann mit seinen Verbrauchern bzw. Erzeugern an den Marktmechanismen teilnehmen und zur Stabilität des Stromnetzes beitragen“, führt Fernbach weiter aus.

So wurde im Rahmen des Projekts IoTCrawler ein Prototyp entwickelt, der mithilfe des Crawler-Frameworks Flexibilitäten im Stromnetz auffinden kann. Solche Flexibilitäten werden durch folgende Assets in Haushalten repräsentiert: große Heimbatteriespeicher, Wallboxen zum Aufladen von Elektroautos, Photovoltaik-Wechselrichter und Wärmepumpen. Geben Konsumenten ihr OK für die Aktivierung ihrer Assets, so können diese Flexibilitäten zusammengefasst und am Markt als Service zur Ausbalancierung des Stromnetzes angeboten werden. Dieses Zusammenfassen übernimmt der ebenfalls im Projekt entwickelte sogenannte Aggregator – dessen Funktionieren wurde im Projekt als Konzept dargestellt und validiert. „Nachdem der Discovery-Prototyp die Kleinstflexibilitäten im Niederspannungsnetz mithilfe des IoTCrawlers identifiziert hat, können diese durch die Aggregatorlösung gebündelt und vermarktet werden“, so Fernbach.

Auto mit Wallbox zum Laden an einer Wand

Im Rahmen des Projekts wurde ein Prototyp entwickelt, der mithilfe des Crawler-Frameworks Flexibilitäten im Stromnetz auffinden kann. Zu solche Flexibilitäten gehören etwa Wallboxen zum Aufladen von Elektroautos – genauso wie große Heimbatteriespeicher oder Photovoltaik-Wechselrichter und Wärmepumpen.

Suchanfrage durch Maschine oder User

„Dieser Use Case ist ein Beispiel für Machine-to-Machine-Kommunikation. Nicht ein Benutzer bedient hier die IoT-Suchmaschine, sondern eine Maschine – in diesem Fall der von uns entwickelte Aggregator“, macht Xavier Parreira verschiedene Suchszenarien im IoT-Crawler deutlich. „In anderen Fällen werden die Suchen von Usern abgesetzt, etwa im Anwendungsfall der Parkplatzsuche.“ Beiden Suchen, ob sie nun von Menschenhand oder durch Maschinen getätigt werden, ist gemeinsam, dass sie auf Applikationsebene verstanden und für den Suchvorgang technisch übersetzt werden, sodass am Ende ein sinnvolles Ergebnis steht, das für die User wiederum in eine brauchbare Antwort übersetzt wird. „Etwa die Information, zu welchem Zeitpunkt ein Elektroauto zu welchen Kosten aufgeladen werden kann“, konkretisiert Xavier Parreira.

Stellt sich noch die Frage: Wie kommen überhaupt die Dinge ins Internet, um das Internet der Dinge zu bilden? Am Beispiel des Siemens-Use-Case beantwortet Fernbach die Frage so: „Sinnvoll ist es, die bereits bestehende Herstellerinfrastruktur zu nutzen. Produzenten etwa von PV-Wechselrichtern oder Batteriespeichern haben bereits eine Monitoringinfrastruktur etabliert, d.h. die Geräte sind bereits im Internet und liefern Daten an Hersteller. Über diesen Weg kann man auf einen bestimmten Pool an Assets zugreifen“, erklärt Fernbach.

Die IoTCrawler-Komponenten wurden nach Projektende der Open-Source-Community zur Verfügung gestellt. Teilweise werden die Use-Case-Konzepte der Partner weiterverfolgt. Der im Projekt von Siemens geschaffene Prototyp steht nun weiteren internen Projekten und Forschungsvorhaben zur Verfügung. Das entwickelte Use-Case-Szenario wird für weitere Anwendungsfälle bei Siemens geprüft. „Wir haben die Suchfunktionalität so weit entwickelt, dass sie nun auch für andere Anwendungsdomänen zur Verfügung steht“, so Projektleiterin Xavier Parreira abschließend.

Meistgelesene Artikel
Energie
8 min

Power für Bolivien

Energie von Siemens treibt Wirtschaft und Stromversorgung in Bolivien voran.

Insgesamt hat Siemens 14 Gasturbinen SGT-800,11 Dampfturbinen vom Typ SST-400 mit Kondensatoren, 22 Dampfgeneratoren, das Mess- und Regelsystem SPPA-T3000, 25 elektrische Generatoren und 25 Transformatoren an drei verschiedene Kraftwerksstandorte in Bolivien geliefert.

Weiterlesen
Mobilität
8 min

Formel 1 nach neuen Regeln

Weltmeisterauto von Infiniti Red Bull Racing mit Siemens PLM-Software entwickelt

Zeit und Zuverlässigkeit sind im Renngeschäft ausschlaggebend für den Erfolg. Minimale Änderungen in der Konstruktion beeinflussen das Fahrverhalten.

Seit 2014 können die Ingenieure von

Weiterlesen
Energie
8 min

Power für Bolivien

Energie von Siemens treibt Wirtschaft und Stromversorgung in Bolivien voran.

Insgesamt hat Siemens 14 Gasturbinen SGT-800,11 Dampfturbinen vom Typ SST-400 mit Kondensatoren, 22 Dampfgeneratoren, das Mess- und Regelsystem SPPA-T3000, 25 elektrische Generatoren und 25 Transformatoren an drei verschiedene Kraftwerksstandorte in Bolivien geliefert.

Weiterlesen
Energie
8 min

Power für Bolivien

Energie von Siemens treibt Wirtschaft und Stromversorgung in Bolivien voran.

Insgesamt hat Siemens 14 Gasturbinen SGT-800,11 Dampfturbinen vom Typ SST-400 mit Kondensatoren, 22 Dampfgeneratoren, das Mess- und Regelsystem SPPA-T3000, 25 elektrische Generatoren und 25 Transformatoren an drei verschiedene Kraftwerksstandorte in Bolivien geliefert.

Weiterlesen