ForeSight-Multisensor und virtuelle Sensoren

Im Umfeld von Smart Living sind Sensordaten essentiell für das Anlernen und die Nutzung künstlicher Intelligenz sowie die Realisierung smarter Dienste. Der ForeSight Multisensor erfasst, speichert und überträgt physikalische Größen in Form von Daten aus Wohngebäuden an den ForeSight Dataspace. Da er über die Steckdose nachgerüstet wird, lassen sich aus Bestandswohnungen Daten erheben und so an intelligente Anwendungen anbinden.

Über den Autor

Dr. Stefan Neuhaus weist gut 17 Jahre Technologie- und Branchenexpertise im Umfeld von Smart Home, Smart Building und Smart Living auf.
Seit 2013 arbeitet er für die Insta GmbH und ist seit 2017 als Head of Innovation and Advanced Development verantwortlich für das Innovationsmanagement und die Vorentwicklungsaktivitäten in den Bereichen Smart Home, Smart Building und Internet of Things. Herr Dr. Neuhaus studierte Elektrotechnik an der TU Dortmund, war im Anschluss am dortigen Lehrstuhl für Kommunikationstechnik tätig und wurde 2014 zum Dr.-Ing. promoviert. Die Schwerpunkte seiner Arbeiten waren unter anderem hocheffiziente und konvergente Architekturen für drahtlose und drahtgebundene Netzwerke im Heimbereich sowie moderne Fehlerschutzverfahren. Er wirkte dabei in unterschiedlichen Funktionen in nationalen und europäischen Forschungsprojekten mit. Dr. Neuhaus ist Autor vieler Publikationen und Erfinder in zahlreichen Patenten.

Umfassende Sensordaten aus dem Nutzerumfeld sind eine wesentliche Grundlage zur Digitalisierung von Wohngebäuden. Sie können dazu bereits während der Bauphase oder bei einer größer angelegten Sanierung mit Sensoren (wie Bewegungs- und Präsenzmeldern, Fenster- oder Luftgütesensoren ausgestattet werden.

Da viele Dienste erst zu einem späteren Zeitpunkt entwickelt werden und eine Nachrüstung von Sensoren im Bestand schwierig bis unmöglich ist, bedarf es einer flexiblen Lösung zur Aufnahme von Sensordaten. Die Herausforderung: smarte Dienste müssen möglichst hardware-unabhängig realisierbar sein und auch sich ändernde Anforderungen an Daten muss Rechnung getragen werden.

Der ForeSight Multisensor ist ein Ansatz die benötigte Flexibilität zu schaffen. Dadurch können nachträglich smarte Dienste realisiert werden, die zuverlässige Sensordaten aus dem Wohnumfeld benötigen. Der Multisensor ist als Mehrzweck-Sensor konzipiert, der eine Vielzahl von physikalischen Größen erfasst, speichert, optional vorverarbeitet und an ein übergeordnetes System überträgt. Der aktuelle Prototyp wird in einer Steckdose nachgerüstet und anschließend mit dem heimischen Netzwerk und über das Internet mit der ForeSight-Cloud verbunden. Die erfassten Daten werden dann im ForeSight Dataspace abgelegt und somit für den History-Service, eine Visualisierung oder KI-Methoden nutzbar.

Aufbauend auf dem Multisensor wurde auch das Konzept der virtuellen Sensoren entwickelt, das Software-basierte Sensoren ermöglicht, für die es zunächst keinen direkten physikalischen Messwert gibt, sondern die aus mehreren Sensordaten entstehen oder durch eine KI abgeleitet werden. So wurde ein virtueller Aktivitätssensor gemeinsam mit der Fachhochschule Dortmund entwickelt, der auf Basis von KI-Modellen in der Lage ist, unterschiedliche häusliche Aktivitäten anhand von Multisensor-Daten zu erkennen.

Der Multisensor selbst kann für kleinere Aufgaben als Edge-Gerät dienen oder aber die Daten zur Aggregation und Vorverarbeitung einem leistungsfähigeren Edge-Gerät zur Verfügung stellen, welches wiederum an den ForeSight Dataspace angebunden ist. So ist es möglich, je nach Ressourcenbedarf und der Notwendigkeit zur Zusammenführung von Sensordaten bis hin zur Einbindung von Webdiensten Funktionen auf verschiedenen Ebenen eines Smart Living KI-Systems zu platzieren. Wo eine Reaktion mit geringer Latenz erforderlich ist oder aber Daten besonders vertraulich sind, können Funktionen direkt auf lokaler Hardware realisiert werden, ohne dass Daten das geschützte häusliche Umfeld verlassen. Bei aufwendigeren Anwendungen kann die Datenverarbeitung auf einem dedizierten, lokalen Edge-Gerät durchgeführt werden, um weiterhin die Privatsphäre zu schützen und gleichzeitig sparsam mit Daten und Bandbreite umzugehen. Nicht zuletzt können die Daten aber auch zum Training von KI-Modellen oder zur Einbindung in weitere Dienste einer Cloud-Umgebung bereitgestellt werden.

Insgesamt bieten die in diesem Teilprojekt entwickelten Konzepte einerseits die für KI-basierte Smart Living Dienste so wichtige Flexibilität bei der Datenaufnahme, aber auch die Flexibilität beim Deployment von Funktionen und Diensten innerhalb der gesamten Systemarchitektur – vom kleinsten Gerät über Edge-Geräte bis hin zur Cloud. So können Quartiere, Gebäude und Wohnumgebungen bedarfsgerecht digitalisiert werden. Dieser Ansatz schafft eine hohe Resilienz, da auch bei Ausfällen von Webdiensten oder der Internetverbindung durch die lokale Verarbeitung (Grund-)Funktionen erhalten bleiben.