IOTDL

Das Internet of Things bietet Unternehmen die Möglichkeit, neue Geschäftsmodelle zu entwickeln, neue Produkte und Dienstleistungen zu schaffen und bestehende Geschäftsprozesse zu optimieren. Gartner schätzt, dass die weltweiten Ausgaben für IoT im Jahr 2020 über 300 Milliarden Dollar betragen. Um diese Potenziale zu erschließen und die zu erwartende große Zahl von IoT-Geräten geeignet zu nutzen, ist es für Unternehmen entscheidend, die IoT-Geräte adäquat zu verwalten.

Hierzu ist es notwendig, Daten, Ereignisse und Statusinformationen der IoT-Geräte für Configuration-Management-Systeme zu erschließen. IoT-Geräte weisen jedoch eine Reihe von Besonderheiten auf, die die direkte Einbindung in konventionelle Configuration-Management-Systeme verhindern. So kann es zu Unterbrechungen der Verbindung kommen, die es notwendig macht, zusätzliche Zustände gegenüber der normalen Einstufung in funktionsfähig/nicht-funktionsfähig einzuführen. Ebenso ist es notwendig, Daten-, Ereignisse und Statusinformationen fortzuschreiben, wenn es zu Verbindungsunterbrechungen kommt. Beide Anforderungen werden von den vorhandenen Systemen nicht erfüllt.

Ziel des Projektes IOTDL (Integration von IoT-Geräten mit Hilfe von Transformer-basiertem Deep Learning) ist es, durch den Einsatz innovativer Deep Learning Verfahren neue Möglichkeiten bei der Integration von IoT-Geräten zu schaffen. Dazu soll ein Deep-Learning-basiertes Software-System entwickelt werden, das insbesondere für klein-und mittelständische Unternehmen die Einbindung von IoT-Geräten in das Configuration-Management ermöglicht.

Zentral für die Lösung ist dabei der Einsatz der sogenannten Transformer-Architektur, der erst seit kurzem (2017) grundsätzlich erforscht wird, aber erhebliche Vorteile gegenüber den bisherigen Deep Learning Technologien bietet. So können deutlich längere Zeitreihen aus Vergangenheitswerten für die Prognose des Zustandsverwendet werden als mit Convolutional und Recurrent Neural Networks. Mit Hilfe eines sogenannten Attention-Mechanismus führt die Transformer-Architektur zudem die gezielte Gewichtung von Datenpunkten und kann so eine deutlich höhere Prognosegenauigkeit erreichen.

Im IOTDL -Projektsoll durch den Einsatz der Transformer-Architektur auch bei Unterbrechungen der Verbindungen zum IoT-Gerät dessen Status und Ereignisse und die von ihm gelieferten Daten virtuell verfügbar sein. So soll beispielsweise aufgrund von Vergangenheitsdaten und den zuletzt bekannten Umgebungsparametern des Geräteseine virtualisierte Datenlieferung erfolgen. Ebenso soll ein virtueller aktueller Status des Gerätes und seiner Betriebsparameter bereitgehalten werden. Durch die Bereithaltung von virtuellen Stati, Ereignissen und Daten lassen sich IoT-Geräte wie normale Geräte in Configuration-Management-Systeme integrieren.

Eine solche Entwicklung ist mit hohen Risiken für mittelständische Unternehmen verbunden. Daher soll das im Rahmen des IOTDL-Projektes zu entwickelnde Software-System in Kooperation und unter Zusammenlegung der Kompetenzen zwischen FNT und der Hochschule für angewandte Wissenschaften München geschaffen werden.