Data Factory
In vernetzten Gebäuden können zahlreiche Daten erhoben werden. Allerdings sind in der Praxis sowohl die Datenzugriffe angemessen zu reglementieren als auch die für die Verarbeitung relevanten Zusatzinformationen zu erheben. In ForeSight wurden Datenquellen u.a. aus Testwohnungen und bewohnten Wohnungen identifiziert, semantisch nach SENSE WoT beschrieben und im Dataspace für alle Teilnehmer unter Berücksichtigung von Datenschutzkriterien verfügbar gemacht.
Über den Autor
Jochen Bauer leitet den Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Er ist ForeSight-Teilprojektleiter für den Bereich Daten, Datenstrukturierung, Datenschutz.
Die Wohnungswirtschaft kann durch Digitalisierung zahlreiche Prozesse anreichern, etwa indem bestimmte Wartungsvorgänge auf Basis eines Sensorwertes angestoßen werden, anstatt zyklisch Bauteile auszutauschen. Grundsätzlich gilt es dabei die Datensouveränität des Bewohners zu stärken und diesen in die Lage zu versetzen, dass er den Zugriff auf dessen Daten für Dritte einräumen kann. Im Bereich der Gebäude ist dies herausfordernd, da zahlreiche Stakeholder an den Daten oftmals ein berechtigtes Interesse haben. Als Beispiel sei hier der gemietete vernetzte Kühlschrank genannt – sowohl der Mieter hat hier ein schützenswertes Interesse, dass die Daten nicht in falsche Hände geraten. Ebenso hat der Eigentümer ein Interesse, dass im Falle einer Wartungsnotwendigkeit, zeitnah eine Reparatur angestoßen werden kann, bevor ein weiterer Schaden durch Verzögerung entsteht. Aktuelle Smart-Home- und Smart-Building-Systeme berücksichtigen derartige vielschichte Benutzerrollen im Regelfall nicht.
Neben den zahlreichen Stakeholdern ist es für die Umsetzung eines nutzerzentrierten Datenmanagement-Ansatzes ebenso herausfordernd zu ermitteln, welche Personen welche Daten tatsächlich erzeugt haben und wer die Daten aktuell abfragt. Hierbei muss also individuell unterschieden werden können. Auch dies ist heute nur bedingt gegeben, etwa meldet sich ein Bewohner im Regelfall nicht jeweils individuell am Smart-Home-System an.
Des Weiteren dienen die Daten als Basis für die trainierten Smart Services in der ForeSight-Plattform. Hierfür müssen die Daten entsprechend aufbereitet werden, etwa durch Labels oder aber es muss sichergestellt sein, dass die Daten von ausreichend hoher Qualität sind, so dass der Smart Service nicht etwa mit Fehlmessungen konfrontiert wird. Dies führt insbesondere in der Trainingsphase zu Problemen. Derartige Fehlmessungen kommen in der Realität leider sehr häufig vor, teils aus technischen Gründen, weil Signale nicht passend ankommen oder aber auch durch organisatorische, dass ein Sensor entfernt und andernorts eingebaut wird, ohne dass der Service entsprechend aktiv benachrichtigt werden kann. Folglich muss der Datenbestand mit Qualitätskennzahlen und ergänzenden Kontextinformationen ausgestattet werden.