Die direkte Kommunikation von Maschine zu Maschine hat rasant zugenommen. Verteilte Systeme, die untereinander zu viele Daten austauschen, gefährden unter Umständen aber die Performance und Reaktionsfähigkeit der Systeme. Technische Probleme und Betrugsfälle können so oft erst spät erk annt werden. Experten am Fraunhofer IAIS haben deshalb gemeinsam mit fünf Partnern eine Open-Source-Software entwickelt, die es erlaubt massive Datenströme in verteilten Systemen in Echtzeit zu analysieren.

Für Menschen ist es normal selbst zu entscheiden, ob sie sprechen oder schweigen wollen. Bei kommunikationsfähigen Geräten ist das anders. Sie senden kontinuierlich Daten, die zentral erfasst, gesammelt und verarbeitet werden. Das ist nicht nur bei Mobilfunkgeräten der Fall. Im Internet der Dinge kommunizieren bis zum Jahr 2020 Schätzungen des Cisco Technology Radar 2014 zufolge weltweit über 50 Milliarden Geräte untereinander. So könnten täglich über eine Million Terabyte an Daten entstehen.

Diese gewaltigen Datenströme bringen die verarbeitenden Systeme an ihre Grenzen: Daten können nicht schnell genug verwertet werden, um Probleme unmittelbar aufzuspüren. Das wird am Beispiel eines gestohlenen Mobiltelefons deutlich. Bis ein Provider den Diebstahl zentral entdeckt und die Sim-Karte sperrt, vergeht Zeit, während der ein Dieb immense Kosten verursachen kann. Könnte das Endgerät den Diebstahl selber erkennen und sich sperren, ginge dies deutlich schneller.

Um Datenströme zu reduzieren und Reaktionszeiten zu verkürzen, bringt Dr. Michael Mock vom Fraunhofer-Institut für Intelligente Analyse und Informationssysteme IAIS den Sensoren bei, selbst zu entscheiden, ob und was sie kommunizieren. Er hat im Rahmen des EU-Projekts »Flexible Event Processing for Big Data Architectures« FERARI gemeinsam mit fünf Partnern aus Wissenschaft und Wirtschaft eine Open-Source-Software entwickelt, die es ermöglicht, Daten in Echtzeit zu verarbeiten und zwar am Ort der Erzeugung und sobald sie entstanden sind.

Intelligente Sensoren verarbeiten Datenströme direkt

Betrugsfällen im Mobilfunk Einhalt zu gebieten, ist dabei nur ein Beispiel für die Vorteile der Forschungen: »Das FERARI-Projekt ist für beliebige Szenarien einsetzbar.« Um diese Variabilität zu erreichen, haben der Forscher und seine Partner ein System aus drei Elementen entworfen. Das erste heißt »in-situ processing« und bedeutet die Verarbeitung möglichst vieler Daten nahe an der Quelle ihrer Erzeugung. »Dann müssen wir nicht alles erst in die Cloud laden und dort verarbeiten.« Das spart Kommunikation. Das zweite Element heißt »complex event processing.« Hinter dem Fachterminus verbirgt sich die Strategie, auf möglichst hoher Ebene Muster zu spezifizieren, nach denen gesucht wird. Ein einfaches Muster für gestohlene Mobilfunkgeräte könnte sein, dass zur Nachtzeit Anrufe auf teure Premium Nummern erfolgen, die länger als zehn Minuten dauern. Komplexe Muster bestehen aus mehreren einfachen Mustern. Etwa, dass solche Anrufe mehr als dreimal in einer Nacht erfolgen. Der Clou bei »Ferari« ist, dass das System aus komplexen Mustern eigenständig ein lauffähiges Programm entwickelt, das nicht zentral, sondern verteilt im Netzwerk ausgeführt wird. Das dritte Element beinhaltet »machine learning und data mining«. Die Geräte lernen ihre Datenströme unmittelbar bei der Entstehung zu verarbeiten.

Geräte entscheiden selber, was sie wann kommunizieren

Die Hauptschwierigkeit dabei ist der Wechsel zwischen dem, was das Endgerät selber tut und dem, was zentral gesteuert wird. »Einem Sensor eine statische Lösung einzubauen ist vergleichsweise unproblematisch. Ihm jedoch beizubringen Daten mal lokal und mal global zu verarbeiten und dabei möglichst wenig zu kommunizieren, das ist nicht so einfach.« Deshalb wurde die globale Aufgabe in mehrere Teilaufgaben zerlegt, die zunächst lokal verarbeitet werden. »Eines unserer größten Probleme war, die Aufgaben so intelligent zu zerlegen, dass die Geräte nur im Bedarfsfall kommunizieren und vor allem zu präzisieren, was »Bedarf« überhaupt bedeutet.«

Dass das System funktioniert, haben die Forscher durch mehrere Publikationen und auf verschiedenen großen Konferenzen demonstrieren können. Und auch, wenn das EU-Projekt Anfang 2017 ausläuft und die Software online verfügbar ist: die Technik wird in anderen Teilprojekten weiterentwickelt. So wird beispielsweise das »machine learning Element«, das von den Fraunhofer-Forschern stammt, auf weitere Projekte übertragen. Ziel ist es, das System noch stärker auf die Entwicklung des »Internet der Dinge« und von »Industrie 4.0« hin auszurichten: »Genau da haben wir das Szenario, dass viele Geräte verteilt agieren, die kontinuierlich kommunizieren, das aber nicht immer tun müssen.« Diese Datenströme zu reduzieren könnte viel zentrale Rechenleistung und somit auch Kosten einsparen. Für die Forschung ergibt sich noch ein weiterer Aspekt. Wenn man die Sensoren verfolgen und ihre Daten in Echtzeit auswerten könnte, kann man daraus wichtige Erkenntnisse gewinnen. Michael Mock drückt es so aus: »Wir können von den Geräten etwas lernen.« Beispielsweise ließe sich durch steigenden Stromverbrauch und Temperatur in Netzwerkrechnern ein drohender Ausfall vorhersagen. Die Geräte könnten abgeschaltet und repariert werden, bevor ihr Ausfall den Netzwerkbetrieb beeinträchtigt.

Die Forschungen zur Echtzeit Analyse verteilter Systeme am Fraunhofer IAIS sind Teil des EU-Projekts FERARI, an dem neben dem Fraunhofer IAIS auch das Technion - Israel Institute of Technology, IBM Israel, die Technische Universität Kreta, die kroatische IT Firma Poslovna Inteligancija, sowie die kroatische Telekom beteiligt sind. (jmu)

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Neun + = 10
Bitte Zahl eintragen!
image description
Experte
Alle anzeigen
Dr. Michael Mock
  • Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS
Weitere Artikel
Alle anzeigen
Quo Vadis Big Data
Daten-Treibstoff, oder doch nicht?
Zwischen Hype und Realität – Die Big Data Days 2018
Stellenangebote
Alle anzeigen