Zurück

IoT-Sensorik 2.0: Machine Learning direkt im Sensor

Unzählige IoT-Anwendungen werden heute mithilfe von Sensor-to-Cloud-Konzepten entwickelt. Dabei werden Sensorrohdaten an eine Serviceplattform übertragen, um dort mit verschiedenen Datenanalysemethoden werthaltige Informationen zu gewinnen. Neben der insgesamt sehr ineffizienten Nutzung des jeweiligen Übertragungskanals und der klassischen Echtzeitprobleme, bieten derartige Konzepte viele weitere Nachteile, bis hin zu ungeklärten juristischen Fragestellungen. Bedingt durch die immer noch gültigen Mechanismen des Mooreschen Gesetzes ist es inzwischen möglich, die gleichen Datenanalyse-Algorithmen, die in Cloud-Serviceplattformen zum Einsatz kommen, direkt im Sensor zu nutzen.

Vorkenntnisse

* Grundverständnis der Bestandteile und Zusammenhänge in einer IoT-Anwendung und zum Stand der Technik bei Embedded Systemen.
* Grundwissen zur Vorgehensweise beim Einsatz von Machine-Learning-Algorithmen. Praxiswissen zu den Connectivity- und Security-Anforderungen bei der Anbindung von Embedded-Systemen an das Internet.

Lernziele

Die Teilnehmer lernen die Bestandteile und den Einsatz eines KI-basierten Technologie-Stacks für IoT-Sensorsysteme kennen, der sich sowohl für intelligente Stand-alone-Sensoren als auch für Wireless Sensor Networks eignet. Zu den einzelnen Bausteinen dieses Stacks gehören die Ansteuerung der Sensorelemente, Machine Learning Software, Connectivity und Security sowie Power-Management-Funktionen.

Speaker

Klaus-Dieter Walter ist Gründer und CEO der SSV Software Systems GmbH. Darüber hinaus ist er als Vorstandsmitglied des Industrieforums VHPready tätig, um einen Standard für die Kommunikation im Smart Grid zu schaffen und engagiert sich seit Jahren aktiv in der Expertengruppe Internet der Dinge innerhalb der Fokusgruppe Intelligente Vernetzung des Digital Gipfel der Bundesregierung.

Jetzt Tickets sichern

building-IoT-Newsletter

Sie möchten über die building IoT
auf dem Laufenden gehalten werden?

Anmelden