LONG MOVE
Auf einen Blick
Forschungsprojekt |
LONG MOVE - Leistungsadaption und ortsbezogene Verhaltensregeln für eine nachhaltige IoT-Sensorik in der Gebäudeausstattung zur modularen Vernetzung von Einheiten |
Labor |
Labor für Verteilte Systeme |
Leitung |
Prof. Dr. Martin Gergeleit Gesamtprojektleitung Hochschule Darmstadt |
Projektmitarbeiter HSRM |
Marcus Thoss, M.Sc. |
Ansprechpartnerin Forschungsförderung |
Susanne Korzuch |
Externe Partner |
Prof. Dr-Ing. Jens Peter Akelbein (Projektleitung), Hochschule Darmstadt Stefan Seyfarth, Thermokon Sensortechnik GmbH Vonovia SE ENTEGA AG Merck KGaA |
Laufzeit |
September 2019 - Dezember 2021 |
Finanzierende Institution |
Dieses Projekt (HA-Projekt-Nr.: 802/19-122) wird im Rahmen der Innovationsförderung Hessen aus Mitteln der LOEWE – Landes-Offensive zur Entwicklung Wissenschaftlich-ökonomischer Exzellenz, Förderlinie 3: KMU-Verbundvorhaben gefördert. |
Projektbeschreibung
Das Projekt „LONG MOVE – Leistungsadaption und ortsbezogene Verhaltensregeln für eine nachhaltige IoT-Sensorik in der Gebäudeausstattung zur modularen Vernetzung von Einheiten“ soll Möglichkeiten zur Modellierung und Simulation des Verhaltens von Sensorgeräten und deren energetisches Verhalten sowohl beim Energieeintrag als auch beim Energieverbrauch betrachten sowie Ansätze zur verteilten Optimierung des Kostenfaktors Energie im Netzwerk.
Dabei konzentriert sich ein Forschungsansatz auf das Verhalten des einzelnen Sensorgeräts, welcher oft auch als (Sensor-)Knoten bezeichnet wird. Verwendet werden dabei Methoden zur Modellierung des Verhaltens. Zur Betrachtung des Energieeintrags werden für das Projekt Lichtsensoren entwickelt, die während der Projektlaufzeit an unterschiedlichsten Standorten Daten sammeln, die über die Zeit den Messort in Form eines Verlaufs des Energieeintrags als Kurve repräsentieren. Unter Betrachtung einer realen Hardware sowie darauf laufender Software entsteht ein schrittweise verfeinertes Modell, welches das eines einzelnen Knotens und seines Verhaltens nachbildet. Um das Verhalten ändern zu können, werden aus der Simulation Profile abgeleitet, die sich auf der realen Hardware validieren lassen. Durch die Wahl eines Profils kann sich ein Knotenautark an seine Umwelt anpassen. Hierdurch entsteht ein Adaptionsverhalten eines Sensorknotens an die lokal verfügbare Umgebungsenergie, das auch auf sehr stark ressourcenbeschränkter Hardware einsetzbar ist.
Der zweite Forschungsansatz betrachtet eine Menge unterschiedlicher Knoten, die zu einem Netzwerk verbunden sind. Hierbei können Funktionen je nach Verfügbarkeit von für die Ausführung benötigter Energie unterschiedlichen Knoten zugeordnet werden. Die Art der Energiequelle kann dabei unterschiedlich bewertet werden bzw. als unterschiedlicher Kostenfaktor in die Entscheidung der Lokalisierung der Funktion eingehen. Hierzu wird das lokale Energiemodell erweitert in Form eines verteilten Energiemodells für alle Netzwerkteilnehmer. Insbesondere lassen sich auch Knoten, die permanent energieversorgt sind, z.B. durch einen Anschluss an das Stromnetz, gezielt einsetzen, um energieintensive Aufgaben im Netzwerk wahrzunehmen.
In der Gesamtheit beider Ansätze versucht das Projekt LONG MOVE zu erreichen, dass sich die entwickelten Ansätze und Methoden in einen Entwicklungsprozess für zukünftige Sensorikprodukte integrieren lassen. Dies soll zu einer nachhaltigen Methodik führen, IoT-Produkte nicht nur gezielt nach den zu erfüllenden Funktionen hin zu entwickeln. Stattdessen soll bereits der Entwurfs- und Entwicklungsprozess das energetische Verhalten als zentrale Produktanforderung zum Ziel haben. Übertragbare Ansätze sollen als Best Practises der Embedded-Entwicklung entstehen.
Das Projekt LONG MOVE zielt darauf ab, dass autarke Sensoren zur Aufnahme von Messwerten an nahezu beliebigen Standorten funkvernetzbar werden. Dies ist eine wesentliche Voraussetzung zur weiteren Digitalisierung in diversen Anwendungsbereichen. Das Projekt betrachtet dabei besonders neuartige Lösungen zur Assistenz älterer Menschen in der eigenen Mietwohnung, Automatisierungen in der Produktionstechnik als Industrial IoT (IIoT) sowie Anwendungen eines regionalen Versorgers.