Systemlösungen des CCIT

Der Fraunhofer-Cluster of Excellence Cognitive Internet Technologies (CCIT) erforscht kognitive Technologien für das industrielle Internet und entwickelt individuelle Lösungen, die auf die Herausforderungen zu geschnitten sind, die durch die zunehmende Vernetzung und Digitalisierung entstehen. Unter Einbeziehung der Kompetenzen aller Forschungszentren sowie der Fraunhofer-Insitute entwickelt der CCIT individuelle und passgenaue Lösungen und unterstützt Unternehmen bei der zukunftssicheren Gestaltung ihrer Unternehmens- und Produktstrategien.

Gemeinsam mit Unternehmen erarbeitet der CCIT agile Technologien und Lösungen, um die Wettbewerbsfähigkeit der Unternehmen zu bewahren, ihre Innovationskraft zu stärken und ihre digitale Souveränität zu sichern. Im Folgenden werden bereits erfolgreich umgesetze Lösungen exemplarisch skizziert.

Cognitive Sensor Connector

Warenverfolgung mit kognitiven Sensoren, intelligenter Datenverarbeitung und sicheren Datenräumen

Die Logistikbranche als wichtiger Stützpfeiler der deutschen Wirtschaft hat zahlreiche Herausforderungen zu meistern, die an Komplexität zunehmen, sobald es sich um Güter handelt, bei denen die Einhaltung und der Nachweis der Lieferkette vom Gesetzgeber gefordert wird. Mit dem Cognitive Sensor Connector bietet das Fraunhofer-Cluster of Excellence Cognitive Internet Technologies (CCIT) Technologien an, die eine lückenlose Warenverfolgung ermöglichen und den beteiligten Akteuren aus Unternehmen und Behörden einen sicheren Zugriff und eine datenschutzkonforme Verarbeitung von Daten ermöglicht.

Die Beförderungsmenge im Güterverkehr in Deutschland liegt laut Statistischem Bundesamt seit Jahren bei rund 4,5 Milliarden Tonnen. Der größte Teil davon mit rund 3,5 Milliarden Tonnen entfällt auf den Lastkraftwagenverkehr. Durch den Einsatz von Technologien wie sicherer Vernetzung und Sensorik, Lokalisierung, maschinelles Lernen und vertrauenswürdige Datenverarbeitung bietet das Forschungscluster CCIT allen Branchen, die von einer zuverlässigen Logistik abhängig sind, die Möglichkeit, durch neue Technologien die Prozesse zu optimieren, Kosten zu senken und neue Geschäftsfelder zu entwickeln.

Der Cognitive Sensor Connector als Herzstück der Lösung erlaubt eine sichere Anbindung funkbasierter Sensorik, sicherer Kommunikation über aktuelle Standards wie 5G, vertrauenswürdigen Ortungsbestimmungsdiensten mit Galileo Public Regulated Service (PRS), Machine-Learning-Verfahren zur Erkennung von Ereignissen und Anomalien sowie durch vertrauenswürdige und sichere Datenverarbeitung und Datenflusskontrolle.

Warenkettenverfolgung – Beherrschung von Komplexität

Gefahrguttransporte erfordern eine besondere Behandlung nicht nur beim Verpacken und Verladen sondern auch bei der Planung und Durchführung des gesamten Logistikprozesses. Zahlreiche Faktoren die Ladung betreffend sowie äußere Einflüsse müssen berücksichtigt werden. Besondere Vorschriften für die Beförderung erhöhen die Brisanz in der Distributionslogistik. Der Cognitive Sensor Connector des CCIT reduziert diese Brisanz und hilft, die Komplexität zu beherrschen.  

Cognitive Sensor Connector

Der Cognitive Sensor Connector fungiert als Edge Device während des Transports und verarbeitet, analysiert und aggregiert die Sensordaten aus der Ladung in Echtzeit. Dies können Temperatur, Lage und Position, Zustand der Verpackung und ähnliches sein. Die Verarbeitung geschieht in speziellen isolierten Applikation auf dem Connector, die unterschiedliche Funktionen ausführen. Alle Sensoren kommunizieren über verschlüsselte, authentifizierte und integritätsgeschütze Funkverbindungen mit dem Connector. Die Daten werden lokal erhoben und vorgehalten, so dass die Verarbeitung direkt im Connector erfolgt. Verlassen Daten den Connector, um Informationen über den Zustand der Ladung an die beteiligten Akteure zu übermitteln, so unterliegen sie einer strengen Datenflusskontrolle, die eindeutig regelt, wer, was, wie lange, wo und zu welchem Zweck nutzen darf. Neben dem Logistiker, dem Hersteller der Waren und dem Empfänger der Waren können Informationen über den Zustand der Waren auch für Personal vor Ort, etwa den Fahrer eines LKW, relevant sein. Dabei bekommt jeder Akteur nur Zugriff auf die für ihn notwendigen Informationen in einer für ihn notwendigen Granularität. Der LKW-Fahrer kann somit beispielsweise Warnungen bei zu hohen Temperaturen der Ware oder Gasentwicklung erhalten und entsprechend reagieren. Die Vertrauenswürdigkeit der Sensordaten kann dabei stets überprüft werden.

Über Galileo PRS kann der Standort der Ladung präzise ermittelt werden. Methoden und Verfahren des Maschinellen Lernens werden bei der Verarbeitung und Auswertung von datenintensiven Sensordaten wie Video und Audiodaten verwendet, um beispielsweise Rückschlüsse auf den äußeren Zustand der Landung zu ziehen. Schäden an der Verpackung oder austretende Flüssigkeiten können so erkannt werden. Durch die Fusion von Sensordaten mit Hilfe maschineller Lernverfahren können zudem Anomalien erkannt werden, etwa wenn die Beschleunigungswerte eines Sensors eines Paketes von den Sensorwerten aller anderen Pakete im selben Container abweichen oder die Ortsinformation nicht mit den charakteristischen Beschleunigungswerten aufgrund der örtlichen Fahrbahnbeschaffenheit korrespondiert.

 

Cognitive Sensor Connector auf der CEBIT 2018

Sichere Ladung: Sensoren im Laderaum liefern permanent Daten
© Fraunhofer CCIT
Sichere Ladung: Sensoren im Laderaum liefern permanent Daten
Warenverfolgung: volle Transparenz für alle Parteien
© Fraunhofer CCIT
Warenverfolgung: volle Transparenz für alle Parteien
Sichere Ladung: Sensoren im Laderaum liefern permanent Daten
© Fraunhofer CCIT
Sichere Ladung: Sensoren im Laderaum liefern permanent Daten

Glossar zum Lösungsspektrum

5G-Positionierung   Die 5G−Positionierungsarchitektur integriert eine Vielzahl von Sensoren, welche sowohl auf Mobilfunkstandards als auch auf anderen Funktechnologien basieren, um ein hybrides Positionierungsschema zu ermöglichen. Durch Latenzzeiten von weniger als einer Sekunde, extrem hoher Zuverlässigkeit und Datenraten von bis zu zehn Gigabit pro Sekunde lässt sich eine hohe Positionierungsgenauigkeit erreichen.
Der Cognitive Sensor Connector fungiert als Edge Device innerhalb eines Netzwerks. Er verarbeitet, analysiert und aggregiert Sensordaten in Echtzeit. Die Verarbeitung geschieht in speziellen isolierten Applikation auf dem Connector, die unterschiedliche Funktionen ausführen. Alle Sensoren kommunizieren über verschlüsselte, authentifizierte und integritätsgeschützte Funkverbindungen mit dem Connector. Die Daten werden lokal erhoben und vorgehalten, so dass die Verarbeitung direkt im Connector erfolgt. Cognitive Sensor Connector
Datendurchgängigkeit   Die Datendurchgängigkeit ist ein entscheidender Faktor in der Automatisierung und bezeichnet die durchgehende Verwendbarkeit von relevanten Informationen entlang aller Hard- und Softwareebenen und über alle Prozesse hinweg. Bei kognitiven Technologien werden diese Informationen zentral und dezentral durch Verfahren des maschinellen Lernens angereichert und erzeugen so an allen Knoten zwischen Sensor und Cloud (datensouverän) Mehrwerte und Synergien.
Virtuelle Datenräume unterstützen den sicheren Austausch von Daten und bieten eine einfache Verknüpfung von Daten in Geschäftsökosystemen auf Basis von Standards und mit Hilfe gemeinschaftlicher Governance-Modelle. Ziel ist es, die digitale Souveränität der Eigentümer der Daten zu wahren und zugleich Möglichkeiten für Smart Services, neue Geschäftsmodelle und innovative Geschäftsprozesse zu eröffnen. Datenräume (virtuell)
Datensouveränität  

Unter Datensouveränität (nicht digitale Souveränität) soll die Hoheit des Datenerzeugers und -inhabers – somit die Kontrolle – über die eigenen Daten verstanden werden. Sie ist eine systemrelevante Schlüsselfähigkeit für die deutsche Wirtschaft und ein Standortvorteil für Europa. Daten sind ein Wirtschaftsgut, sie sind eine strategische Ressource für innovative Geschäftsmodelle und Leistungsangebote sowie für flexible und effiziente Leistungserstellungsprozesse. Datensouveränität ist die Voraussetzung für den Erfolg der »Smart Service World« und von Industrie 4.0. Die Eigentümer der Daten sollen selbst bestimmen, mit wem sie Daten austauschen und wie vertrauenswürdige Geschäftspartner diese Daten zu welchen Zwecken und unter welchen Bedingungen nutzen dürfen – kurz: Sie üben Datensouveränität aus.

Edge Computing bezeichnet die Datenverarbeitung (zum Beispiel von Sensordaten) an Ort und Stelle. Dies ist bei vielen Anwendungen hilfreich, wie beispielsweise beim autonomen Fahren oder in der selbstlernenden Produktion. Die Daten werden direkt in den Geräten wie Autos oder Maschinen – also am Rande des Netzwerks – verarbeitet und müssen nicht komplett in Rechenzentren oder in die Cloud übermittelt werden. Zum Einsatz kommen Technologien wie Peer-to-Peer oder Ad-hoc-Vernetzung. Das spart Ressourcen und lässt eine deutlich schnellere Datenverarbeitung zu, die in einem kognitiven Internet eine wichtige Voraussetzung ist. Edge Computing
Industrial Data Space   Der Industrial Data Space ist eine fachliche Ausprägung der International Data Spaces und war das Initialprojekt, um die ersten Ergebnisse zur IDS-Architektur zu liefern. Um den nunmehr internationalen Charakter der Initiative und um die fachliche Vielschichtigkeit des IDS zu zeigen, wurden die Ergebnisse und der Verein des Industrial Data Spaces in International Data Spaces umbenannt. Der Industrial Data Space mit seiner Industriefokussierung lebt in der gleichnamigen Community IDSA weiter.
Mit Informed Machine Learning werden Ansätze des maschinellen Lernens bezeichnet, die nicht nur aus Daten lernen, sondern auch vorhandenes »a-priori« Wissen von Experten und aus naturwissenschaftlichen Modellen integrieren, um die Nachvollziehbarkeit und Verlässlichkeit der Ergebnisse zu verbessern und ML mit weniger Daten zu ermöglichen. Informed Machine Learning
International Data Spaces (IDS)   Datenräume (virtuell) werden durch ihre Anwendungen fachlich ausgeprägt. Die Ausprägung findet beispielweise durch den Industrial Data Space, den Medical Data Space und den Materials Data Space statt. Die Ausprägungen definieren zusätzliche fachspezifische Anforderungen an die IDS-Referenzarchitektur.
Die IDS Association ist ein gemeinnütziger Verein. Im Verein arbeiten weltweit Organisationen und Unternehmen gemeinschaftlich an der IDS-Referenzarchitektur, an Anwendungsfällen, der Zertifizierung und der Softwareimplementierung des IDS. International Data Spaces Association (IDSA)
Kognitive Sensorik  

Kognitive Sensoren sind Sensoren der nächsten Generation, die nicht nur Messwerte erfassen und mit Methoden der klassischen Signalverarbeitung vorverarbeiten, sondern auch in der Lage sind, aus diesen Werten Schlussfolgerungen abzuleiten. Diese Fähigkeiten basieren auf Maschinenlernverfahren, damit die Sensoren, angereichert durch Erfahrungswissen aus der Umwelt, bestimmte Muster und Trends aus den Signalen ableiten können.

Kognitive Systeme sind technische Systeme, die digitale Information aus Sensordaten und Netzen aufnehmen und daraus auf Basis von lernenden Algorithmen Schlussfolgerungen, Entscheidungen und Handlungen ableiten und mit ihrer Umgebung im Dialog verifizieren und optimieren. Kognitive Systeme (technisch)
Kognitives Internet   Heutige internetbasierte Anwendungen, die geprägt sind durch die Paradigmen des Kommunizierens sowie des Erfassens von Daten und deren Verarbeitung, greifen zu kurz, um Anforderungen der Industrie zu erfüllen. Das kognitive Internet bietet erweiterte Funktionen zur Wissensgenerierung aus heterogenen Datenquellen und zur dynamischen Verhaltensanpassung durch maschinelles Lernen, das gezielt die Expertise von menschlichen Experten einbezieht

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit beschäftigt, Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten ähneln. Dies kann mit vorprogrammierten Regeln oder durch maschinelles Lernen erreicht werden.

Künstliche Intelligenz
Lokalisierung   Die zeitlich und örtlich präzise Lokalisierung bzw. Identifikation von Komponenten und Prozessen innerhalb eines Produktionsverbundes ist eine wichtige Voraussetzung für agile und mobile Produktionssysteme. Sie ist ebenso für eine flexible funkbasierte Vernetzung innerhalb und zwischen einzelnen Produktionssystemen notwendig. Mit Hilfe von Lokalisierung lässt sich eine temporäre Anlagenumgestaltung sowie eine agile Prozessregelung basierend auf sensorbasierten Zustandsdaten von Anlage und Prozess realisieren.
Das maschinelle Lernen ist eine Disziplin der Informatik, dessen Ziel Maschinen sind, die ohne explizite Programmierung eines konkreten Lösungswegs automatisiert sinnvolle Ergebnisse liefern. Spezielle Algorithmen lernen aus den vorliegenden Beispieldaten Modelle, die dann auch auf neue, zuvor noch nicht gesehene Daten angewendet werden können. Machine Learning / maschinelles Lernen