MEMS-Sensoren (mikroelektromechanische Systeme) sind die Grundlage des IoT als Schnittstelle zwischen dem Nutzer und den zahlreichen Geräten, die ihn umgeben. Das beginnt bei Smartphones und geht über Wearables und Roboter bis hin zu Drohnen. Jedoch reicht es nicht aus, alle Geräte einfach nur mit Sensoren auszustatten und zu vernetzen, um den hohen Erwartungen an das IoT nachzukommen. Erfolgreich kann das IoT nur dann sein, wenn es wirklich einen Nutzen bietet: Lösungen, die das tägliche Leben erleichtern und zugleich einfach zu bedienen sind.

Die Anbieter von Sensoren stehen vor zunehmenden Herausforderungen, da unterschiedliche Gerätetypen zu jeder Zeit alle möglichen Größen in immer komplexeren Umgebungen erfassen müssen. Aus diesen zahlreichen Anforderungen ergeben sich viele mögliche Lösungsansätze.

Eckdaten

MEMS-Sensoren gelten in der Industrie als Grundlage für das IoT und sind Schnittstelle zwischen Nutzer und den Geräten. Allerdings bringt das diverse Anforderungen mit sich. Die Sensoren sollen immer mehr Messwerte erfassen können, sollen aber gleichzeitig kleiner sein, weniger Strom verbrauchen und zugleich leistungsfähiger sein. Zudem müssen Sensorsysteme nicht mehr nur messen und Daten erfassen, sondern die gesammelten Daten teils auch schon verarbeiten. Die Erwartungen an die Hersteller sind also hoch und oftmals nur schwer nachzukommen.

Die Anforderungen an smarte Sensoren im IoT

In die smarten Sensormodule von heute sind neben der reinen Sensorfunktion auch bestimmte Verarbeitungsfunktionen integriert. Hier zeigen sich drei wesentliche Herausforderungen. Die erste besteht in der Technologie selbst. Die Anbieter müssen hier ihr Kern-Know-how im MEMS- und Systembereich aufbringen, um scheinbar Unmögliches zu leisten. Zum einen gibt es rein physikalische Restriktionen. Die Gehäuse lassen sich nicht beliebig verkleinern, ­ während gleichzeitig die Nachfrage nach geringerem Stromverbrauch und höherer Leistungsfähigkeit stetig steigt. Darüber hinaus stehen die Anbieter unter dem Druck, immer mehr Intelligenz und „Bewusstsein“ in die Systeme zu integrieren. Um all dies miteinander zu vereinbaren, müssen Entwickler die technologischen Möglichkeiten über mehrere Produkt-Plattformen hinweg umfassend nutzen.

Die zweite Herausforderung resultiert aus der weitreichenden Fragmentierung der Industrie. Der Löwenanteil des mit MEMS-Sensoren erwirtschafteten Umsatzes entfällt heute noch auf das Smartphone-Segment. Schließlich verkauft die Branche jährlich mehr als eine Milliarde Smartphones, von denen jedes mindestens einen MEMS-Sensor enthält. Die Smartphone-Hersteller geben die Spezifikationen vor, nach denen Anbieter wie Bosch Sensortec das MEMS-Sensoren-Design definieren.

Der IoT-Markt hingegen ist durch eine Vielzahl konkurrierender Technologieplattformen geprägt. Hier variieren die Anforderungen an das aus Sensoren, Mikrocontrollern und Aktuatoren bestehende Sensor-Subsystem erheblich. Für Anbieter wie Bosch Sensortec heißt das, plattformübergreifende Hard- und Software-Lösungen zu entwickeln, und darüber hinaus auch applikationsspezifische Software anzubieten. Sensoranbieter können ihre Kunden bei der Lösung spezifischer Probleme unterstützen, indem sie sich auf Software und ihr anwendungsbezogenes Fachwissen stützen. Auf diese Art müssen sie nicht für jede einzelne Applikation eine maßgeschneiderte Hardwarelösung bereitstellen.

Die dritte Herausforderung schließlich ist die überproportional zunehmende Komplexität. IoT-Systeme sind ohnehin komplex, OEMs benötigen darüber hinaus häufig „schlüsselfertige“ Lösungen oder Referenzdesigns. Es reicht also nicht mehr, nur die reinen Komponenten zu liefern. Dieser Herausforderung stellen sich Sensoranbieter mit integrierten, intelligenten Sensorlösungen, die immer mehr Funktionen für die Systemverarbeitung in einzelnen modularen Bauelementen zusammenfassen. Dadurch verringern sie die Komplexität entscheidend. Fakt ist aber, dass ein Unternehmen allein keine allumfassende Komplettlösung realisieren kann. Deshalb müssen Zulieferer eng mit Partnerunternehmen zusammenarbeiten, zum Beispiel für die Entwicklung von Referenzdesigns.

Die Informationshierarchie bei IoT-Sensoren

Bild 1. Unterschiede zwischen kognitivem und limbischem System in Korrelation mit der Verarbeitung von Sensordaten im menschlichen Gehirn

Bild 1. Unterschiede zwischen kognitivem und limbischem System in Korrelation mit der Verarbeitung von Sensordaten im menschlichen Gehirn Krisdog @ Depositphotos, Bosch Sensortec

Die Informationsstruktur des IoT gliedert sich in mehrere Ebenen. Für einen typischen Anwendungsfall lassen diese sich nach zunehmendem Informationsnutzen wie Rohdaten, Bewegungserkennung, Aktivitätsüberwachung, Kontexterkennung und Absichts-Vorhersage strukturieren.

Auch wenn Rohdaten nur gefiltert, kompensiert und korrigiert einen wirklichen Nutzen haben, gibt es meist klare Grenzen im Hinblick darauf, was ein Anwender mit diesen Daten anfangen kann. Auf der nächsten Ebene erfolgt die Interpretation der Daten, indem das System Muster identifiziert und Algorithmen anwendet. Die erkannten Bewegungen stellen dadurch Informationen bereit. Fügen Entwickler noch ergänzende Sensorfunktionen hinzu, wie etwa die Höhenmessung durch einen barometrischen Drucksensor, erreicht man die nächsthöhere Ebene, in der sich daraus Informationen zur Aktivitätsüberwachung gewinnen lassen. Die Kontexterkennung eines Geräts mit ständig verfügbaren Rechenressourcen erfordert es, weitere Elemente hinzuzufügen. Dazu zählen unter anderem die Interaktion mit anderen Geräten, die Anpassung an Umgebungsgeräusche und Lichtbedingungen sowie der Netzwerkstatus. Dies führt schließlich zu anspruchsvolleren Aufgaben wie etwa vorausschauende Entscheidungen auf Basis einer gewichteten Evaluierung von Kontext und Verhaltensmustern über eine gewisse Zeitspanne.

Die Methoden, mit denen ein Sensorsystem seine Daten verarbeitet, kann man mit der Funktionsweise des menschlichen Gehirns vergleichen. Unser Gehirn greift zur Verarbeitung von Informationen in erster Linie auf zwei Systeme zurück, das kognitive und das limbische System. Die kognitive Ebene kann mit dem Cloud-Computing verglichen werden: hohe Verarbeitungsleistung und viel Speicherkapazität, aber mit immer wiederkehrenden Verzögerungen und Latenzen. Ganz anders das limbische System, das ursprünglich, reaktionsschnell und reflexartig arbeitet. Damit entspricht es der lokalen Verarbeitung in einem Sensorsystem wie etwa Edge Computing.

Sobald eine Entscheidung feststeht, welche der gemessenen Daten wichtig sind und welche nicht, ist die Hierarchie der Sensorinformationen von besonderer Bedeutung. Nicht prozessfähige Daten sind nahezu wertlos. Folglich sind viele der großen Datenmengen überflüssig, die in den meisten Anwendungen vorhanden sind.

So ist es häufig effizienter, einen Sensor ständig eingeschaltet und auf sinnvolle Informationen warten zu lassen. Das Sensorsystem muss selbst intelligent entscheiden, welche Daten wertvoll genug sind, um sie in die Cloud zu übertragen. So wird die verfügbare Bandbreite und Leistung effizient genutzt. Entscheidend für den sparsamen Umgang mit wertvollen Systemressourcen ist, dass die in den Sensor integrierten Verarbeitungsfunktionen überflüssige Daten eigenständig verwerfen können.

Wie genau Sensoren Einfluss nehmen im IoT, erfahren Sie auf der folgenden Seite.

Seite 1 von 212