Zum Inhalt springen

Internet der Dinge braucht Terminologie

"Hey Siri, schalte das Licht ein" … Das Internet der Dinge (IoT) macht sich in vielen Unternehmen wie auch in der Gesellschaft zunehmend breit. Vom Smart Home bis zur Smart Factory oder zu Smart Cities sind Geräte und Maschine miteinander vernetzt und arbeiten selbständig zusammen. Dienste steuern diese Prozesse und liefern bzw. reagieren auf Informationen. Im Jahr 2018 waren 7 Milliarden Geräte im IoT angeschlossen, und diese Zahl soll bis 2020 auf 10 Milliarden und bis 2025 auf 22 Milliarden ansteigen[1].

Technisch gesehen arbeiten Sensoren, RFID-Chips, GPS-Empfänger und Algorithmen im Hintergrund, erkennen die Umgebung und treffen Entscheidungen. Die zu lösenden Aufgaben können sehr komplex sein und mehrere Themen umfassen, wie es bei Smart City-Projekten der Fall sein kann. Die Darstellung und der Austausch der von diesen Geräten und Diensten generierten Informationen sind eine zentrale Herausforderung für das Internet der Dinge, denn diese Informationen sind heterogen und werden regelmäßig aktualisiert und erweitert.

Da es weltweit noch keine von allen Akteuren akzeptierten Informationsstandards gibt, kommt es zu Kommunikationsschwierigkeiten und -konflikten. Daher arbeiten in vielen Ländern und Regionen nicht wenige Arbeitsgruppen und Komitees daran, Standards, Protokolle und Schnittstellen zu definieren, damit die „Dinge“ miteinander sprechen können. Dazu gibt es mehrere Projekte, die von Staaten gefördert oder auch von Branchen gesteuert werden.

Ein Beispiel für Standardisierung liefern die Hersteller von Sensoren, die im Rahmen des Internets der Dinge eine herausragende Rolle spielen. Sie haben in gemeinsamer Arbeit die Semantic Sensor Network (SSN)-Ontologie aufgebaut, die zur Beschreibung von Sensoren und deren Anwendung dient.

In Deutschland ist u.a. die Richtlinie VDI/VDE 2193 "Sprache für I4.0-Komponenten - Struktur von Nachrichten" hervorzuheben, die den "semantisch interoperablen Austausch von Informationen" zwischen I4.0-Komponenten regeln will.

Was sind es für Informationen, die Objekte aus dem Internet der Dinge untereinander austauschen müssen? Zum einen gibt es natürlich numerische Daten wie Messwerte, Temperaturen, Geschwindigkeiten usw., die Computersysteme problemlos verarbeiten können. Aber das IoT braucht auch Informationen, um diese Zahlendaten zu interpretieren oder um Geräte und Softwarekomponenten zu identifizieren. Dafür reichen Sensorrohdaten nicht. So sind beispielsweise Kontextinformationen nötig. Und solche Informationen basieren auf natürlicher Sprache. Es können zum einen Daten sein, die den Internet-Objekten helfen, Daten zu interpretieren oder Ressourcen zu finden (die z.B. melden, dass die vom Sensor gelieferte Zahl ein Temperaturwert ist) oder einen Kontext zu erkennen (z.B. die Art des Gebäudes, in dem sich der Sensor befindet).

Intelligentere Daten kommen ebenfalls ins Spiel, denn die im IoT angeschlossen Geräte haben unterschiedliche Fähigkeiten. Mit Hilfe von semantisch angereicherten Beschreibungen können intelligentere Systeme Dienste und Informationen in natürlicher Sprache bieten bzw. nutzen. Die semantische Anreicherung ist die Voraussetzung für die Interpretation der Daten mit Logik und Schlussfolgerungen (sog. Inferenz), die höherwertige Dienste verwenden.

Im Gegensatz zu reinen Zahlen, sind diese auf Sprache basierenden Daten nicht ohne weiteres verständlich und einheitlich. Stichwort „semantische Interoperabilität“.

Wie Gerd Hoppe, Manager bei Beckhoff Automation, unterstreicht: „ Wir müssen zudem eine Metasprache entwickeln, eine Taxonomie und Ontologie beziehungsweise eine Begriffswelt, die es erlaubt, die Herstellung eines Produktes so zu beschreiben, dass sich diese Informationen weltweit an vielen verschiedenen Maschinen nutzen lassen.“[2]

Wie sind diese Daten aufgebaut und wie sind sie semantisch kompatibel? In vielen Fällen sind es Ontologien, die die jeweiligen Dienste und Domänen der IoT-Objekte beschreiben. Ontologien stellen das Wissen über einen bestimmten Bereich in maschinenlesbarer Form dar. Sie verwenden dabei Klassen, Instanzen und Eigenschaften. Damit können sie bspw. Relationen modellieren wie:

  • QuadSensor SubClassOf HumiditySensor
  • QuadSensor belongsTo ElectricalSystem

Nach diesem Prinzip aufgebaute Ontologien versorgen IoT-Objekte (Geräte und Dienste) mit den erforderlichen Kontextinformationen. Klassen bzw. Instanzen sowie Relationen (Eigenschaften) sind im Rahmen des IoT die Bezeichnungen, nach denen automatische Softwareagenten suchen. Wer sich für solche Ontologien interessiert, kann die Sammlung von über 500 verschiedenen Ontologien für das IoT anschauen.[3]

Der Haken bei vielen dieser Ontologien ist aber, dass sie untereinander nicht immer kompatibel sind. Unterschiedliche Hersteller benennen dieselben „Dinge“ unterschiedlich oder sie verwenden dieselben Benennungen für unterschiedliche Dinge. Kann man z. B. davon ausgehen, dass alle Ontologien, die eine Klasse „Building“ haben, denselben Kontext für den Einsatz eines Geräts meinen?

Nicht nur werden Klassen bzw. Instanzen unterschiedlich benannt und strukturiert, sie verwenden manchmal unterschiedliche Sprachen und meist fehlen fremdsprachliche Äquivalente.

Hier kommt Terminologie ins Spiel, wie sie Redakteuren und Übersetzern bekannt ist. Terminologie ist sehr wohl geeignet, die sprachlichen Schwächen von Ontologien zu kompensieren. Terminologien gehen von einem Begriff aus und fassen alle relevanten möglichen Benennungen für diesen Begriff zusammen. Die Benennungen sind in mehreren Sprachen verfügbar.

Wie haben bisher IoT-Spezialisten Ontologien aufgebaut? Meistens haben Domainspezialisten diese Aufgabe übernommen, und sich dabei mehr auf die sachlichen und weniger auf die sprachlichen Aspekte konzentriert. Der Aufbau von Klassen (eigentlich Begriffen) und Relationen war lange ein besonderes Merkmal von Ontologien. Inzwischen gibt es intelligente Terminologien am Markt, die wie unser Terminologieverwaltungssystem LookUp ebenfalls Relationen zwischen Begriffen darstellen können. Daher bieten solche Terminologien den idealen Ansatz, IoT-gerechte und semantisch angereicherte Ontologien aufzubauen. Dies erfolgt sozusagen als Crowdsourcing-Aufgabe an die eigenen Mitarbeiter.

Firmen, die bereits derartige Terminologien aufgebaut haben, haben einen klaren Zeitvorteil, wenn sie IoT-Projekte im Kooperationsverbund mit anderen Herstellern und Partnern implementieren möchten. Die Grundlage für einen reibungslosen Austausch semantischer Informationen ist dann bereits vorhanden. Ein weiteres Argument, das für die systematische Terminologiearbeit im Unternehmen spricht!

[1] https://iot-analytics.com/state-of-the-iot-update-q1-q2-2018-number-of-iot-devices-now-7b/

[2]Round-Table-Gespräch zu Industrie 4.0. November 2013 in: https://industrieanzeiger.industrie.de/allgemein/gesucht-eine-sprache-fuer-fertigungsanweisungen/

[3]https://lov4iot.appspot.com/?p=ontologies. Zugriff: 27.06.2019

Kommentare