Cristian Hofmann

Ein erster Schritt zur Reduktion von Kosten und Datenaufwand bei der Installation von Sensorik in AAL-Anwendungen.

Ein Blick auf die heutige Forschungs- und Produktlandschaft zeigt, dass für AAL-Installationen i.d.R. Applikationen als „Komplettlösungen“ angeboten werden, bei denen oftmals auch gleiche oder gleichartige Sensorik integriert sind. Nachfolgend wird eine Methode zur applikationsorientierten Fusion und Aggregation von Sensordaten beschrieben, die durch redundante Anschaffungen bedingte Kosten sowie den Datenaufwand erheblich reduzieren soll. Die Methode wird am Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) und Fraunhofer-Institut für Experimentelles Software Engineering (IESE) entwickelt.

Inhalt

Problem Interoperabilität und Anschaffungskosten

Applikationsorientierte Sensorfusion und –aggregation als neue Herausforderung

In den Bereichen Heimautomatisierung, Aktivitätenerkennung sowie Smart Metering findet eine Vielzahl an Sensor- und Aktuator-Technologien Anwendung, die ganz unterschiedliche Eigenschaften besitzen (z. B. drahtlose und kabelgebundene Kommunikation, Mikrosysteme und Endgeräte, etc.). In diesem Kontext wirken Verfahren zur Sensorfusion und –aggregation unterstützend: durch die Kombination oder die Zusammenführung von Sensordaten erhält man einen Mehrwert bezüglich der Qualität der gemessenen Daten gegenüber der Betrachtung und Interpretation der individuellen Sensoren. Dies bezieht sich auf ein stabileres Verhalten gegenüber Störeinflüssen und eine erhöhte Aussageeindeutigkeit von Messungen durch eine Verbesserung des Messbereichs und der Auflösung von Messdaten [1]. Darüber hinaus kann durch die Kombinationen der unterschiedlichen Sensordaten zusätzliche Informationen gewonnen werden, die auf Basis der Interpretation der individuellen Daten nicht erfasst werden können [2][3]. Vier Schwerpunkte der Sensorfusion betonen die Themen Kontext-Erfassung, Sensorik, Benutzeridentifikation und darüber hinaus die Erkennung von Benutzerzuständen. Konzepte für Kontext-Erfassung müssten entwickelt werden, damit zukünftige Systeme in der Lage sind, die Anwesenheit des Benutzers und andere Kontextdaten in Aktionen und Funktionen einzubeziehen. Erkennung des Benutzerzustands steht hierbei im Mittelpunkt, besonders in Hinsicht auf persönliche Beschwernisse und Gefühle. Hierzu gehören auch Authentifizierungs-systeme, die sowohl für die Sicherheit beim Systemzugang als auch für die Adaptierung auf persönliche Bedürfnisse benötigt werden. Zuletzt werden RFID-fähige Geräte zur Eigenidentifikation explizit erwähnt. Wesentliche Inputgeber sind hierbei die Sensoren die Daten in das AAL-System zur weiteren Verarbeitung im Sinne personalisierter und situationsabhängiger Dienste bereitstellen.

Problem Interoperabilität und Anschaffungskosten

Eine Analyse der bestehenden Forschungslandschaft zeigt, dass gerade das Themenfeld Sensorik – im Sinne von Kontexterkennung, Personenidentifizierung, und Erkennen von Persönlichkeitsmerkmalen – methodisch nicht hinreichend erfasst und unterstützt wird. Publikationen neuer AAL-Anwendungen zeigen, dass Sensorik als Dateneingabe in eine Applikation oder System oftmals in proprietärer Art und Weise integriert wird, bzw. zwar generelle Schnittstellen geschaffen werden, es jedoch keine nähere Detaillierung der möglichen Arten an Sensoren und/oder Datenformate gibt. Anwender solcher Systeme (z.B. Programmierer, Systemintegratoren, Ingenieure) sind hier weiterhin auf ad-hoc definierte Schnittstellen und Methoden der Datenverarbeitung angewiesen. Dementsprechend lässt sich festhalten, dass die Installation neuer Sensorik kostenintensiv, insbesondere im Sinne redundanter Anschaffung von Sensorik, ist. Bisher werden Sensoren (steht hier für den gesamten mikrosystemtechnischen Baustein aus Gerät, (Funk-) Datenübertragung und Datenverarbeitung) oftmals willkürlich ausgesucht und auf den speziellen Anwendungsfall hin programmiert und einer Applikation hinzugefügt. Diese Methodik erschwert sowohl die Interoperabilität innerhalb einer Anwendung, als auch den Transfer einer gegebenen technischen Lösung auf andere Anwendungen. Dies ist aber notwendig, um Sensorfunktionalität nicht mehrmals bezahlen zu müssen. In Abbildung 1 wird anhand eines Beispiels verdeutlicht, dass die gleiche (oder gleichartige) Sensorik für die unterschiedlichen Applikationen Notfallerkennung, Sturzprävention und Analyse von Schlafverhalten genutzt werden kann.

Applikationsorientierte Sensorfusion und –aggregation als neue Herausforderung

In den folgenden Beiträgen wird eine am Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) und Fraunhofer-Institut für Experimentelles Software Engineering (IESE) entwickelte Methode vorgestellt, welche Richtlinien für die Integration und Verwendung von Sensortechnologie für Ambient Assisted Living-Anwendungen spezifiziert und eine Anleitung für eine mögliche Fusion von Sensordaten zu höherwertigen Sensorereignissen gibt. Im Gegensatz zu den bisherigen „klassischen“ Sensorfusionsverfahren, welche ausgehend von bereits installierter Sensorik festlegen, welche Daten im Rahmen einer neuen Applikation fusioniert werden sollen, ermöglicht es die neue Methode, auf Basis einer vom Endnutzer angeforderten bzw. formulierten Applikation die zu verwendete Sensorik auf semi-automatische Weise vorzuschlagen. Dies bedeutet, dass der Endnutzer in der Lage sein soll, selbstständig neue Applikationen in das AAL-System einzugeben und zu konfigurieren, wobei die Umgebung Feedback darüber gibt, welche der bereits vorhandenen Sensorik für die neue Applikation genutzt werden kann, und welche Sensorik ggf. noch nachgerüstet werden könnte, sollte oder muss. Somit sieht das spezifizierte Referenzmodell vor, mit einem minimalen Set an Sensorik bei einer gegebenen Anwendung auszukommen. Dies reduziert zum einen die Kosten einer AAL-Installation und verringert darüber hinaus das Datenaufkommen (besonders von sensiblen Daten). Im Kontext der applikationsorientierten Sensordatenfusion und –aggregation werden im Folgenden zunächst ein Überblick über verwandte Arbeiten sowie über die Herausforderungen und „klassischen“ Verfahren für Sensorfusion zur Aktivitätenerkennung gegeben. Weiterhin werden existierende Datenmodelle zur semantischen Beschreibung von Sensorik und Aktorik in AAL-Installationen präsentiert. Schließlich wird die entwickelte Methode beschrieben, untergliedert in ein Referenzmodell zur Sensorfusion sowie ein Datenmodell für die Auszeichnung der integrierten Gerätschaften.

Literatur

Autor

Dr. Cristian Hofmann ist Diplom-Informatiker und am Fraunhofer-Institut für Graphische Datenverarbeitung IGD in Darmstadt als Senior Wissenschaftler und Projektmanager beschäftigt. Seine Forschungs­schwerpunkte liegen bei der Entwicklung von Methoden zur expliziten und impliziten Mensch-System-Interaktion auf Basis von spezifischer Sensorik und Aktorik, insbesondere zur Unterstützung von Installations- und Konfigurationsprozessen von AAL-Systemen.