Self-Organising IoT Systems

Moderne IoT-Systeme sind in hohem Maße dezentralisiert und beruhen auf der Synergie von eingebetteten Systemen, Cloud und Edge. Anwendungen und Geräte werden von Tag zu Tag intelligenter, was neue Herausforderungen für die Koordinierung, Verwaltung, Steuerung und Entwicklung solcher Systeme mit sich bringt.

Um diese Herausforderungen zu bewältigen, benötigen wir neue Ansätze, die nicht nur die Entwicklung, sondern auch den Einsatz moderner IoT-Systeme vereinfachen. Anwendungscontainer mit ihrer Orchestrierung und ihren Abstraktionen wie z.B. Digitalen Zwillingen haben sich als wertvolle Hilfsmittel erwiesen, um große Systeme zu entkoppeln und die Komplexität im Allgemeinen zu verringern.
Das größte Problem besteht darin, eine Lösung zu finden, die schlank und flexibel genug ist, um für alle modernen IoT-Systeme geeignet zu sein.

Hierfür haben wir zwei Komponenten entwickelt

  • Die coSense-Middleware, die speziell für Sensormessszenarien mit unüberwachtem Lernen geeignet ist
  • Die Elastic IoT Platform als allgemeines IoT-Laufzeitsystem, das vom Endgerät bis zur Cloud reicht und dabei insbesondere adaptive Hardware unterstützt, wie unsere Elastic-Node-Plattform

coSense: Collaborative Sensing Middleware

coSense wurde entwickelt, um eine der grundlegendsten Aufgaben des IoT zu erleichtern: das Sammeln von Sensordaten.

Obwohl es sich um eine der Kernfunktionen handelt, ist das Sammeln solcher Informationen immer noch ein mühsamer Prozess: Sensoren sind unzuverlässig, ungenau, langsam und man muss die Informationen von potenziell Hunderten von Einzelgeräten sammeln.

coSense vereinfacht diese Probleme. Es handelt sich um eine Middleware, die ein mehrstufiges Sensorfusionssystem implementiert und Sensing-as-a-Service in Kombination mit einer unkomplizierten, an der Dienstgüte (QoS) orientierten API für einen einfachen Zugang bietet

Das Herzstück des Sensorfusionssystems ist die Möglichkeit, beliebig viele Sensoren in wenige, einfach zu handhabende Sensoreinheiten zu abstrahieren. Diese Entitäten bieten eine einheitliche API, die neben der Abfrage von Sensordaten auch eine Abfrage nach einer bestimmten QoS ermöglicht. Intern wird zur Erreichung der verschiedenen QoS-Stufen die Sensorfusion verwendet. Damit dies zuverlässig funktioniert, lernt coSense unüberwacht, welche Sensoren für die Fusion verwendet werden sollen. Außerdem passt es sich an verändertes Verhalten an, um immer das bestmögliche Ergebnis zu liefern.

 

Elastic IoT Platform (EIP)

Die Elastic IoT Platform ist ein verteiltes System für moderne IoT-Anwendungen.

Die EIP behandelt das IoT und seine Geräte als eine Reihe von orchestrierten Microservices, in denen jedes physische Gerät als digitaler Zwilling umgesetzt wird. Diese Zwillinge sind virtuelle Repräsentationen von Geräten, die alle Funktionalitäten kapseln und sie in einer einheitlichen dienstähnlichen Abstraktion bereitstellen. Mit diesen Abstraktionen wird das Entwerfen und Implementieren komplexer IoT-Anwendungen vereinfacht, da alle geräteseitigen Belange bereits geregelt sind.

Auch Anwendungen werden als digitale Zwillinge implementiert, indem bestehende Zwillinge zu abstrakteren und leistungsfähigeren Modellen kombiniert und erweitert werden.

Das System wird durch eine Reihe bereits vorhandener und bereitgestellter Systemdienste unterstützt. Es stützt sich weitgehend auf asynchrone Nachrichtenübermittlung und verwendet das MQTT-Protokoll als schlankes Vermittlungssystem. Über MQTT wird alles als Ressource behandelt, die semantisch beschrieben ist.

Das gesamte System wird zur einfachen Bereitstellung in Containern ausgeliefert und von Kubernetes verwaltet, um maximale Flexibilität und Portabilität zu gewährleisten.

Kontakt

Sollten Sie Fragen zu diesen Themen haben, kontaktieren Sie bitte

Prof. Dr. Gregor Schiele

Publikationen

    Artikel in Zeitschriften

  • Burger, Alwyn Johannes; Cichiwskyj, Christopher; Schmeißer, Stephan; Schiele, Gregor
    The Elastic Internet of Things - A Platform for Self-Integrating and Self-Adaptive IoT-Systems with Support for Embedded Adaptive Hardware
    In: Future Generation Computer Systems Jg. 113 (2020) S. 607 - 619