Datenmanagement und Koordination in Sensornetzwerken
Viele Sensornetzwerke folgen oft einem zentralen Ansatz, mit dem Schwerpunkt auf einfacher Datenerfassung und -weiterleitung. Mit zunehmender Menge an Sensorinformationen und steigender Netzwerkausdehnung stellen dabei Skalierbarkeit und Datendurchsatz sowohl in Bezug auf die Netzwerkgröße als auch Plattformperformance eine Schwachstelle dar.
„.. durch Machine Learning werden Modelle einer prädiktiven Klimaregelung (MPC) automatisiert an verändernde Nutzungsbedingungen angepasst .. “
Das Zentrum für verteilte Systeme und Sensornetzwerke verfolgt einen anderen Ansatz, bei dem die Daten in verteilter und kooperativer Weise verarbeitet werden. Bei dieser neuartigen Strategie werden die Daten schon auf leistungsschwachen und energieeffizienten Knoten vorverarbeitet und dadurch reduziert, um sie dann einer lokalen Entscheidungsfindung in Sensorclustern zuzuführen. Innerhalb solcher Cluster werden Entscheidungen getroffen und zusätzliche Knoten nur mehr dann kontaktiert, wenn die konkrete Problemstellung nicht innerhalb des Clusters gelöst werden kann. Dies erlaubt es nicht nur Systeme besser zu skalieren sondern vereinfacht auch den Betrieb sowie Installations- und Konfigurationsaufwand wesentlich.
Die Anwendungsfelder umfassen insbesondere die Energieeffizienz und den autonomen Betrieb für Gebäude- und Fertigungsautomationssysteme sowie den Verkehrsbereich. Schwerpunkte sind dabei die ereignisgesteuerte autonome Entscheidungsfindung (z.B. (Software) Agentensysteme), Maschine Learning und synchronisierte Datenverarbeitung sowie der Einsatz von digitalen Zwillingen und elektronischen Horizonten.
Kontakt: Aleksey Bratukhin und Albert Treytl
