Automotive, Industrie oder Medizin: »Sensorfusion hält Einzug ins IIoT«

In der vernetzten Welt erfassen unzählige Sensoren unterschiedlichste Daten. Häufig ist aber erst die intelligente Kombination der einzelnen Sensordaten wirklich aussagekräftig. Damit birgt die Sensorfusion ein hohes Zukunftspotential, allerdings zeigt sie auch Herausforderungen auf.

Rahman Jamal Bildquelle: © National Instruments

Rahman Jamal, National Instruments: »Unbestritten sind die Sensoren die Sinnesorgane des Internets der Dinge. Welche Möglichkeiten würden sich aber für das IoT eröffnen, würde man die unterschiedlichen Sensordaten nicht getrennt betrachten, sondern miteinander kombinieren?«

Von Rahman Jamal, Business & Technology Fellow, National Instruments

Neben den autonomen Fahrzeugen und dem Mobilfunk über den neuen Kommunikationsstandard 5G ist das Internet der Dinge (IoT) einer der wichtigsten disruptiven technischen Trends. Insbesondere die industrielle Ausrichtung des IoT hat dabei das Potenzial, vorhandene Ökosysteme gewaltig zu erschüttern – man denke an Smart Production (Stichwort Industrie 4.0), Smart Mobility (Stichwort autonome Fahrzeuge) oder Smart Health (Stichwort Telemedizin und Ferndiagnose), um nur einige zu nennen. Viele Studien belegen diesen Trend, beispielsweise die von IHS Markit, der zufolge 50 % der zwischen 2015 und 2025 implementierten Geräte solche für das industrielle IoT sein sollen. 

Auf den ersten Blick scheinen all die industriellen Anwendungsgebiete des IoT nichts miteinander zu tun zu haben. Sieht man jedoch genauer hin, so weisen sie durchaus Gemeinsamkeiten auf. So wird in all diesen Bereichen immer mehr Funktionalität in Software abgebildet, in all diesen Bereichen ändern sich Funktionen sehr schnell, und in all diesen Bereichen werden das Design und Testen von Geräten und Systemen immer komplexer.

Darüber hinaus rückt das Thema Sensorfusion…

...bei allen diesen Anwendungen immer mehr in den Vordergrund. Ob in Fahrerassistenzsystemen (ADAS), der smarten Fabrik oder der medizinischen Diagnostik: In der heutigen vernetzten Welt sammeln immer mehr Sensoren Unmengen an Daten, die es auszuwerten gilt. Die Interpretation dieser Sensordaten verschafft dem Anwender einen guten Einblick in seine Applikation. Denn so lassen sich etwa im Maschinenpark auffällige Geräusche oder die Bildung abnormaler Gerüche erkennen, die wiederum auf einen möglichen Maschinenausfall hindeuten. Ein ADAS-System hingegen gestattet autonomes Manövrieren, die Erkennung von Fußgängern auf der Fahrbahn oder die Überwachung des toten Winkels. Kurzum: Die Auswertung dieser einzelnen Sensoren ist aus dem Internet der Dinge nicht mehr wegzudenken.

Welche Möglichkeiten würden sich aber eröffnen,…

...würde man all diese Sensordaten nicht getrennt betrachten, sondern miteinander kombinieren? Wenn der Arzt ebenso Zugriff auf Blut- und Röntgenbilder hätte wie auf das letzte CT des Patienten und seine Vitalwerte, um ein einfaches Beispiel zu nennen? Dass eine Kombination all dieser Daten wesentlich aussagekräftiger ist, ist nicht von der Hand zu weisen. Doch dieser Wechsel von Einzelsensor- zu Multisensor-Systemen, wie es beispielsweise beim ADAS-System der Fall ist, ist nicht ohne – Stichwort Sensorfusion. Bei der Sensorfusion handelt es sich um die intelligente Kombination der Messwerte, die von mehreren unterschiedlichen oder gleichartigen Sensoren erfasst wurden. Ziel ist es dabei, fundiertere Entscheidungen treffen zu können.

Abgesehen von den Vorteilen der Kombination…

...all dieser Sensoren gibt es zwar einige größere Herausforderungen. So zum Beispiel bezüglich der Entwicklung und Integration, aber auch bei der Datensicherheit. Durch höhere Datenraten werden die Kommunikationssysteme belastet, was wiederum die Übertragung und Ausarbeitung der Daten komplexer und zeitaufwändiger werden lässt. Auch die Komplexität des Gesamtsystems nimmt zu – und dadurch gleichzeitig die Wahrscheinlichkeit von möglichen Fehlern bei der Spezifikation und Inbetriebnahme des jeweiligen Systems. Da die Sensoren in der Regel die Daten nicht zeitgleich erfassen, müssen sie auch noch miteinander synchronisiert werden. Auch dies bedeutet zusätzlichen Aufwand, insbesondere bezüglich der verwendeten Hard- und Software. Dennoch kommt man um die Sensorfusion nicht herum, will man die genannten Anwendungen realisieren.

Zwei Beispiele zeigen die Komplexität, aber auch den Nutzen der Sensorfusion in den Bereichen Smart Mobility und smarte Produktion.