Bereitstellen über REST API Gateways
Eine intuitive, einfache Art, Daten Endusern bereitzustellen, bieten REST API Gateways. Deshalb gehören sie zu den momentan wichtigsten IoT-Technologien. OpenData-Dienste sind wichtige Datenquellen für Smart City-Anwendungen, ob es sich um Smartphone Apps oder um anspruchsvolle Analyselösungen handelt. Sie werden meist von öffentlichen Einrichtungen und Kommunen bereit gestellt. REST APIs ermöglichen eine einfache Bereitstellung der Daten für den Anwender. Die REST-Endpunkte lassen sich in verschiedenen Szenarios einsetzen, weil sie programmiersprachen-agnostisch sind. Empfehlenswert sind vor allem REST API Gateways. Die Endpunkte, welche die Informationen an den Anwender liefern, werden über das Gateway festgelegt. Der Datenzugriff erfolgt dann nicht direkt auf die eigentlichen Datenquellen, weil das Gateway die Anfrage an einen Backend-Service weiterleitet, der dann die Daten abholt.
Apache Superset für Self-Service Analytics
IoT-Plattformen stellen meistens eine operative Sicht auf Sensordaten bereit in Form von Echtzeit oder Vergangenheitsbetrachtungen. Aber Auswertungen in Form von analytischen Dashboards können auch wichtig sein. Damit lassen sich Ad-hoc Auswertungen erstellen ohne großen technischen Aufwand auf Seiten der Endanwender (Self-Service Analytics). Mit dieser Methoden können Daten verschiedener Sensorquellen kombiniert und gegenübergestellt werden, um bspw. Korrelationen zwischen Wertausprägungen zu erkennen oder Root-Cause-Analysen durchzuführen. Letztere unterstützen etwa dabei, im Fehlerfall die Ursachen einer Störung zu analysieren. Eine interessante Technologie aus dem Open-Source Bereich ist Apache Superset, das ursprünglich als Projekt bei Airbnb gestartet wurde. Es bietet viele Schnittstellen, um Daten aus verschiedenen Datenbanksystemen einzulesen. Zur Analyse stehen bereits standardmäßig eine große Palette an Visualisierungen zur Verfügung, die direkt verwendet werden können. Abgerundet wird das Gesamtpaket durch Rollenkonzepte, um die Zugriffsrechte der User zu pflegen. In der industriellen Bildverarbeitung stellen PC-basierte Systeme oft eine technische Hürde dar. Die Trennung von Bildaufnahme und Datenverarbeitung führt häufig zu Latenzen, erhöhtem Platzbedarf und einem komplexen Wartungsaufwand. Besonders in schnellen Produktionslinien erschwert die Synchronisation zwischen Sensor und externem Rechner eine stabile Prozesskontrolle. ‣ weiterlesen
Präzise 2D-Inspektion mit nativer Edge-Intelligenz
Neue Erkenntnisse durch Graph Analytics
Für das Thema IoT Analytics werden Graph-Datenbanken immer wichtiger, weil damit die Modellierung von Knowledge Graphs möglich werden. Damit ist das semantische Korrelation verschiedener Objekte gemeint, um gezielte Abfragen und Auswertungen anfertigen zu können. So modellieren Graphen von sozialen Netzwerken, welcher User mit welchen Usern Kontakt hat oder welchen Interessensgruppen er folgt. Im IoT-Bereich können Graphen die Beziehungen zwischen den verschiedenen Geräten abbilden. Das vereinfacht die Erkennung von Ähnlichkeiten oder Anomalien, die sich beim einfachen Hinschauen nicht erkennen lassen. Neo4j ist die derzeit stärkste offene Graph-Datenbankplattform. Das Tool besitzt mit Cypher eine eigene Query Language. Ähnlich wie SQL können damit Daten aus der Datenbank gelesen, verändert oder zurückgeschrieben werden. Wichtig für Data Scientists ist es, Graphen mit Graph-Algorithmen zu analysieren. Neo4j bietet dafür eine Reihe von Funktionen, sodass sich z.B. die Informationen des Graphs anhand von Ähnlichkeitsscores in Clustern zusammenfassen lassen. Auch das Entdecken von Auffälligkeiten oder die Umsetzung von Wegfindungsalgorithmen zur Routenoptimierung sind damit möglich.
