Einflussfaktoren für IoT-Systeme

In IoT-Sensoranwendungen gibt es einige Faktoren, die wesentlichen Einfluss auf das System- und Komponenten-Design haben. Bei bestimmten Anwendungen, beispielsweise in kleinen oder portablen Geräten, ist ein geringer Stromverbrauch entscheidend. Hier erweist sich ein autonomer Sensor-Prozessor, der mit einem Sensorelement kombiniert ist, als hilfreich für das Edge Processing. Er bestimmt den richtigen Zeitpunkt für die Übertragung an die Cloud. Dadurch reduziert sich auch der Ressourcenaufwand für die Datenübertragung.

Eine geringe Latenz oder Verzögerungszeit ist vor allem bei der Übermittlung großer Datenmengen mit minimaler Verzögerung von Bedeutung. In Virtual-Reality-Applikationen muss beispielsweise die Übertragung der Bilddaten in Echtzeit stattfinden, um mit der dynamischen Bewegung des Kopfes Schritt zu halten.

Anwendungen für das schnelle Erlernen von Systemaktivitäten erfordern meist eine hohe Datenabtastrate. Dafür muss die Abtastrate des Sensors bei der vorausschauenden Instandhaltung vibrierender Maschinen so hoch sein, dass sie sämtliche relevante Daten erfasst, die auf einen möglichen bevorstehenden Anlagenausfall hindeuten.

Bild 2. Sechs Faktoren beeinflussen und limitieren das Design des IoT-Systems und seiner Komponenten

Bild 2. Sechs Faktoren beeinflussen und limitieren das Design des IoT-Systems und seiner Komponenten Bosch Sensortec

Gerade OEMs haben sehr unterschiedliche Erwartungen in Bezug darauf, wieviel Zeit und technische Ressourcen sie in die Interpretation von Sensordaten investieren müssen. Viele Unternehmen fordern immer intelligenter werdende Sensoren, um die Integration von Sensoren in ihre Anwendungen zu vereinfachen, was eine hohe Integrationsfähigkeit von den Sensoren erfordert. In diese Sensoren sollte bereits ein gewisser Umfang an Datenverarbeitung enthalten sein; ebenso eine vom Anbieter zur Verfügung gestellte, passende Softwarelösung. OEMs wollen sich beispielsweise bei Robotern ganz auf die Bewegung des Roboters konzentrieren und mit den rohen Sensordaten möglichst nichts zu tun haben.

Das Edge Computing entspricht dem bereits weiter oben erwähnten limbischen System. Gelegentlich benötigen wir eine Verarbeitungsleistung am „Edge“, also an den Außengrenzen des Systems. Häufig geht diese Forderung mit dem Wunsch nach geringem Stromverbrauch und einfacher Integration einher.

Da Speicherkapazität in einem Sensormodul relativ teuer ist, stellt ein Cloud-Speicher eine praktikable Alternative zur lokalen Speicherung und Verarbeitung dar. Problematisch ist hier, dass einerseits das System nicht unzählige, unnötige Daten übertragen soll, andererseits aber die physische Speicherkapazität des Sensors begrenzt ist. Aus diesem Grund muss die Intelligenz im Sensor implementiert sein. Damit stellen Entwickler sicher, dass der Sensor den Großteil der unnötigen Daten eigenständig verwirft und ein Überfluten seiner Speicherkapazität vermeidet.

Anwendungsbeispiele

Eine Wearable-Applikation wie etwa ein Schrittzähler, soll stets eingeschaltet sein und mit einer möglichst kleinen Batterie auskommen. Am wichtigsten ist deshalb ein geringer Stromverbrauch. Das ist möglich durch die Integration der Schrittzähler-Funktion direkt in den Sensor. Dieser Lösungsweg verbraucht weniger Strom, da der Haupt-Prozessor des Wearable-Geräts nur in besonderen Ausnahmefällen aktiv ist.

Um weitere Ressourcen zu sparen, darf das Wearable nicht alle Schrittzählerdaten an den Host übertragen. Daher handelt es sich hierbei um eine typische Edge-Computing-Anwendung. Der Stromverbrauch stellt das wichtigste Kriterium dar, also bieten sich hier Sensoren wie der BHA250 oder der BHI160 von Bosch Sensortec an.

Der Trend zu Rapid Prototyping ist ein weiteres Beispiel. Es wird selbst in Großunternehmen immer wichtiger, um die Markttauglichkeit von Use Cases zu bewerten. Man setzt hierbei oft auf Entwicklungs-Plattformen wie Arduino, Raspberry Pi oder ähnliche Open-Source-Systeme, die sensorbestückte Komponenten zur Validierung eines Konzepts kombinieren.

Um die zu Integration vereinfachen, erfordern Anwendungen dieser Art relativ ausgefeilte, vom Anbieter zur Verfügung gestellte Software. Die Entwicklungszeiten sollen möglichst kurz sein und selbst mit limitiertem Wissen über die Sensoren müssen die OEMs das Systemdesign untersuchen können. Die Verfügbarkeit mehrerer Sensoren auf diversen Plattformen wie Arduino und Raspberry Pi vereinfacht die Integration.

Fazit

Die Grundlage, um eine erfolgreiche IoT-Anwendung umzusetzen, ist die Zusammenarbeit mit einem kompetenten Sensoranbieter, der das hochkomplexe Umfeld des IoT versteht. Ein solcher Partner sollte ein breites Portfolio leistungsstarker Sensoren und maßgeschneiderter Lösungen für IoT-Anwendungen anbieten können. Ebenso wichtig sind die Qualität, die Unterstützung vor Ort und starke Partnerschaften mit anderen Unternehmen, die Referenzdesigns und System-Know-how ergänzen können.

Das IoT erfordert ein Verständnis der vielfältigen Anwendungen sowie die Fähigkeit, die unterschiedlichen Anforderungen an die Sensoren und Verarbeitungsfunktionen zu erfüllen – vom geringen Stromverbrauch über die einfache Integration und eine hohe Datenabtastrate bis zu geringen Latenzen. Nur wer die wechselseitigen Beziehungen zwischen all diesen Faktoren genau versteht, kann innovative und erfolgreiche Produkte für das schnell wachsende Internet of Things entwickeln, die das Leben der Verbraucher vereinfachen. So können Entwickler und Unternehmen die an das IoT geknüpften Erwartungen erfüllen.

Seite 2 von 212