5 vielversprechende Sensortechnologien für das IoT

2022 stellten IoT-Sensoren rund ein Drittel aller ausgelieferten Sensoren dar und jedes IoT-Gerät ist mittlerweile mit durchschnittlich vier Sensoren ausgestattet. Bei rund 14 Millionen IoT-Geräten führt das zu etwa 50 Milliarden Sensoren, die im Einsatz sind. Zu diesem Ergebnis kamen die Experten von IoT Analytics, die den IoT- und Sensormarkt untersuchten. Generell nehmen Sensoren eine zentrale Rolle im IoT ein, denn sie sammeln die Daten der physikalischen Welt und wandeln diese in digitale Signale um. Weiterhin sind sie der primäre Datensammler und generieren die benötigten Daten, die dann wiederum vielen IoT-Geräten und -Anwendung als Grundlage dienen.

Wie sich der IoT-Sensor-Markt entwickelt

Die hohe Nachfrage ließ die den Markt für IoT-Sensoren 2022 auf rund 10,9 Milliarden US-Dollar ansteigen. Für die Analysten ist aber erstmal noch kein Ende der Wachstumsphase erreicht und sie rechnen mit einer jährlichen Wachstumsrate von 16 Prozent. Besonders stark wächst der Markt für MEMS-Sensoren für das IoT, die 2022 rund 50 Prozent des weltweiten Sensormarktes ausmachten. Zu den führenden Herstellern im MEMS-Bereich zählen etwa Bosch Sensortec und ST Microelectronic. Ähnlich wichtig sind Bildsensoren, da sie in prägenden IoT-Bereichen wie Machine Vision, Überwachungstechnik oder in ADAS Verwendung finden.

Außerdem konnten die Analysten sie bei der Marktanalyse fünf Trends erkennen, die den IoT-Markt in den kommenden Jahren prägen werden. Solche Trends sind gerade für Sensorhersteller von Interesse, da die zunehmende Verbreitung des IoT auch zu unterschiedlichen Anforderungen der Geräte hinsichtlich Stromverbraucht, Formfaktor und Konnektivität.

Bei IoT-Sensoren handelt es sich um Sensoren, die sich in angeschlossenen Geräten befinden, die als IoT-Geräte eingestuft werden. Sie sind so konzipiert, dass sie Daten sammeln und direkt/indirekt an die Cloud oder an den Netzwerkrand (Edge) übertragen. Diese Sensoren können in Anlagen/Geräte integriert, mit Verarbeitungs- und Kommunikationsfähigkeiten eingebettet oder als eigenständige Geräte implementiert werden, bei denen die Verarbeitung und die wichtigsten Kommunikationsfähigkeiten an das Gateway ausgelagert werden. Viele IoT-Anwendungen erfordern Sensoren mit angepassten Spezifikationen, z. B. mit niedrigem oder hohem Stromverbrauch, drahtloser Konnektivität und intelligenten Erfassungsfunktionen. Dies ermöglicht den Einsatz von Sensoren in verschiedenen Szenarien, von solchen, die nur wenige Datenpunkte pro Tag benötigen, bis hin zum Streaming großer Datenmengen.

Aktuelle Sensoren bieten vergleichsweise hohe Rechenleistung und sind in der Lage, Signale von mehreren unterschiedlichen Sensorelementen zu erkennen. Solche smarten Sensoren können die Sensorsignale direkt vor Ort am Netzwerkrand (Edge) verarbeiten, wodurch sie die Signale nicht erst an die nächste Ebene der Wertschöpfungskette weiterleiten müssen. Viele dieser intelligenten Sensoren integrieren bereits künstliche Intelligenz in ihr Design, wodurch sie etwa in der Lage sind sofort Entscheidungen zu treffen oder sensible Daten zu verarbeiten, ohne dass diese an eine andere Stelle gesendet werden müssen. Das Risiko eines Datendiebstahls verringert sich.

Im Januar 2022 stellte Amazon seine Glasbruchsensoren für Home-Security-Anwendungen vor, die KI-Technologie und einen neuronalen Prozessor vom Typ Syntiant NDR101BQQF zur Erkennung von Glasbruch direkt am Sensor nutzen. Der Sensor erkennt Glasbruchereignisse, wie z. B. eingeschlagene oder zerbrochene Fenster, in einer Entfernung von bis zu 25 Fuß und löst sofort einen Alarm aus.

Immer mehr Sensoren nutzen erneuerbare Energiequellen wie Solarenergie oder kinetische Energie (Energy Harvesting), um sich selbst mit Strom zu versorgen, so dass kein Batteriewechsel oder eine zusätzliche Stromquelle mehr erforderlich ist. Diese Weiterentwicklung verbessert die Zuverlässigkeit und Langlebigkeit von IoT-Geräten, insbesondere von solchen, die an abgelegenen oder unzugänglichen Orten eingesetzt werden. Energy Harvesting ändert auch das Sensordesign, denn ein reduzierter Formfaktor sowie ein verbessertes Signal-Rausch-Verhältnis führen zu energieeffizienteren Sensoren.

In manchen Fällen ist es unpraktisch oder kostspielig, einen physischen Sensor zu installieren. Mögliche Alternativen stellen Soft- oder virtuelle Sensoren dar. Bei einem Soft-Sensor handelt es sich um einen Algorithmus, der den Wert einer schwer zu messenden Größe schätzt, basierend auf anderen vorhandenen physischen Sensoren und Algorithmen/Rechenmodellen. Ein virtueller Sensor ähnelt einem Soft-Sensor, mit dem Unterschied, dass seine Werte nicht auf vorhandenen physikalischen Sensoren, sondern ausschließlich auf Algorithmen/Rechenmodellen beruhen.

Die Softwareanwendung Predictive Quality von Rockwell Automation erstellt beispielsweise Prognosemodelle, die Echtzeitdaten von Instrumenten und Laboranalysen verwenden, um Prozess- und Produktbedingungen abzuschätzen. Diese Modelle basieren auf historischen Anlagendaten und fungieren als inferentielle Sensoren zur Vorhersage von Qualitätsparametern (als Alternative zu zusätzlichen physischen Sensoren).

Sensoren sind ein wesentlicher Bestandteil autonomer Fahrzeuge, da sie ihnen Informationen über ihre Umgebung liefern. Der Bordcomputer des Fahrzeugs nutzt diese Informationen, um zu navigieren und Entscheidungen zu treffen. Die drei wichtigsten Sensoren für das autonome Fahren sind Lidar, Radar und 3D-Kameras (Bildsensoren). Große Automobilhersteller haben sich für Lidar als Sensor für das autonome Fahren entschieden.

Unternehmen wie Sony, Mobileye und Waymo konzentrieren sich derzeit auf Innovationen in der IoT-Sensortechnologie, indem sie Kameras mit anderen Sensortechnologien wie Lidar und Radar kombinieren, um die Bildanalyse ihrer autonomen Fahrlösungen zu verbessern. Da Kameras, Radare und Lidars unterschiedliche Merkmale der Umgebung erfassen, besteht die Idee hinter dieser Kombination (Sensorfusion) darin, den Systemen ein umfassenderes Einzelweltmodell zur Verfügung zu stellen, um eine Handlungsweise zu entscheiden oder eine Leistung zu berechnen. Insgesamt arbeiten die Sensoren in einem autonomen Fahrzeug zusammen, um ein vollständiges Bild der Umgebung des Fahrzeugs zu liefern, das es ihm ermöglicht, sichere und effiziente Fahrentscheidungen zu treffen.

Sony etwa setzt auf die Vorteile des Einsatzes von Kameras mit Lidar oder Radar zur Objekterkennung bei autonomen Fahranwendungen. So arbeitet das Unternehmen derzeit an einer Lösung, die Kamera und Radar kombiniert. Diese Kombination könnte für die Erkennung von Personen und Fahrzeugen bei Nacht von Vorteil sein. Die Kombination aus Kamera und Lidar ist für Einparkhilfefunktionen von Vorteil, die hochgenaue Abstandsmessungen erfordern.

Die Biosensor- und Einwegsensortechnologie ist in den letzten Jahren ausgereift und wird bereits in der Gesundheitsbranche eingesetzt. Jüngste Durchbrüche in der Biosensorforschung deuten darauf hin, dass diese Technologie auch in anderen Bereichen nahezu marktreif ist. Das Bioelement interagiert mit dem untersuchten Analyten, und der Wandler formt die biologische Reaktion in ein elektrisches Signal um.