/ TechnologieIIotAnwendungsfallSoftware EngineerDatavenueSoftwarelte-m

Teil 1: Technologie greifbar machen

Hast du schon einmal versucht deinen Freunden zu erklären, was ein Software Engineer eigentlich macht?

Gerade im Bereich der Künstlichen Intelligenz (KI) ist das oft nicht einfach. Bezieht man sich in seinen Erklärungsansätzen auf lebensnahe Dinge, wie zum Beispiel das maschinelle Übersetzen von Texten (z. B. deepL), so können die meisten noch folgen. Aber im Bezug auf industrielle Standards und Anwendungen, wie im Fall von IIoT, ist das Verständnis oft nicht mehr gegeben.
Dabei gibt es viele einfache Möglichkeiten, Technologie greifbar zu machen und hier zeigen wir ein Beispiel dafür. Für einen Anwendungsfall der KI im Transportwesen bauten wir ein Modell für die Überwachung der Beleuchtung in Zugtunneln.
Die Überwachung der Beleuchtung in Zugtunneln ist aufwendig. Die Räume sind wegen des Zugverkehrs nicht einfach zu betreten, da sich die meisten Tunnel über mehrere Kilometer erstrecken und nachträglich wird die verlegte Verkabelung nicht mehr verändert. Ohne den Einsatz von Software muss die Tunnelbeleuchtung physisch überwacht werden. Das ist kostenintensiv und nimmt oft längere Zeit zwischen dem Ausfall des Lichtes und dem Lösen des Problems in Anspruch. Eine intakte Beleuchtung in Tunneln und damit deren Überwachung ist deshalb notwendig, da zum Beispiel in Gefahrensituationen eine Notbeleuchtung zum Bergen von Personen gewährleistet sein muss.
Wir haben eine Software entwickelt, die dazu imstande ist, die Überwachung der Beleuchtung remote zu übernehmen und den Zustand einzelner Lampen und auch Sonderfälle genauer zu erkennen. Durch speziell entwickelte IoT-Hardware-Geräte werden die Zustände des Lichtes der einzelnen Lampen erfasst und mittels LTE-M [1] an Orange [2] Datavenue und unsere Anwendung gesendet. Dabei erkennt die KI an den Geräten, ob ein Licht da ist und sendet abweichende Zustandsinformationen. Sie ist ebenfalls imstande zu erkennen, ob z. B. die Lampe schwach leuchtet oder die Lampe durch einen vorbeifahrenden Zug verdeckt wird.
Einzigartig ist die KI im Vergleich zu herkömmlichen Verfahren deshalb, weil sie mit Hilfe aggregierter historischer Daten die Ausfallwahrscheinlichkeiten der Lampen analysiert. Außerdem liefert die KI Hinweise auf Ausfälle. Dies führt zu einer effizienteren Planung von Wartungsintervallen. Im Zuge präventiver Instandhaltung ist ein Austausch der Lampen bereits vor deren Ausfall möglich.
Der Einsatz von KI bietet demnach eine Kosten- und Nutzenoptimierung.

Wie sieht nun unser Baumodell für diese Anwendung aus?

20200406_124737-min--1-

In den nächsten zwei Teilen zeigen wir euch, wie das Baumodell gebastelt wird.

[1] LTE-M: https://en.wikipedia.org/wiki/LTE-M, zuletzt am 01.04.2020.
[2] Orange Business Services: https://www.orange-business.com/en/solutions/iot, zuletzt am 01.04.2020.