Mehr zum Thema: Smart Farming - Hintergrund, Konzepte, Aktivitäten
Im Projekt 6G NeXt wird eine Infrastruktur entwickelt, die Anforderungen an ein zukünftiges 6G Netz aufzeigt, indem zwei anspruchsvolle Anwendungsfälle aus innovativen und zukunftsweisenden Industriezweigen Deutschlands unter Nutzung neuer Systemarchitekturen erforscht und umgesetzt werden. Die Leistungsfähigkeit und Effizienz einer neuen Netzgeneration wird durch hochleistungsfähige Funkschnittstellen mit anwendungsoptimierten Radioprotokollen genauso bestimmt, wie durch ultraschnelle Software-Stacks, intelligente Medienverarbeitung sowie die tiefe Integration von Künstlicher Intelligenz (KI) zur Optimierung des Gesamtsystems. Hierbei liegt der Fokus des Vorhabens auf einer Umsetzung mit offenen Schnittstellen, leichter Integrierbarkeit, nachhaltiger Entwicklung und optimierter Wirtschaftlichkeit, so dass die gesellschaftliche Akzeptanz einer neuen 6G-Technologie auf eine breite Basis gestellt wird.
Logic Way übernimmt innerhalb des Projektes den Aufbau eines mobilen 6G Netzwerk Testsystems und die Entwicklung des Kommunikationsmoduls (Edge Device) und des zugehörigen Software-Komponentenstacks. Diese Arbeiten finden in enger inhaltlicher Abstimmung mit dem Open6GHub und insbesondere den Konsortialpartnern DFKI, Fraunhofer FOKUS und TH Wildau statt.
„6G NeXt“ wird von Logic Way in Kooperation mit Telekom T-Labs (Konsortialführer), Fraunhofer FOKUS, TU Berlin, TU Ilmenau, TH Wildau, SeeReal Technologies, Volucap, dem DFKI, dem Flugplatz Schönhagen und der Interessengemeinschaft der regionalen Flugplätze e.V. bearbeitet.
"6G NeXt" wird vom Bundesministerium für Bildung und Forschung gefördert.
Projektträger ist VDI/VDE-IT.
Eine kontinuierliche Zustandsüberwachung an im Dauerbetrieb befindlichen Maschinen ist ein wichtiger Faktor, um die Anlagenverfügbarkeit zu garantieren und Schäden durch unvorhergesehene Störungen zu minimieren. Eine qualitativ hochwertige Zustandsaussage erfordert die Unempfindlichkeit des Analysesystems gegenüber Veränderungen, die unabhängig vom Anlagenzustand eintreten. Hierzu zählen schwankende Umgebungsbedingungen, Fremdgeräusche oder planmäßig wechselnde Belastungszustände.
In Prozess- und Betriebsüberwachungssituationen an komplexen Systemen haben sich Künstliche-Intelligenz-Mustererkennungsverfahren als universelles Werkzeug herausgestellt, um ohne detaillierte physikalische Beschreibung des Vorgangs Klassifikationsergebnisse zu generieren. Die Wirksamkeit und das Erkennungsergebnis dieser Verfahren wird immer durch die Repräsentativität der trainierten Daten und eine mehr oder minder große zulässige Toleranz gegenüber den Referenzmustern bestimmt.
Als Beispielanwendungen kämen Geräusch- und Vibrationsprofile von Produktions- oder auch Landmaschinen in Frage mit dem Ziel, Produktqualität und Wartungszustand des Aggregates zu klassifizieren. Unterschiedliche Faktoren führen dabei zu einer Abwandlung des "Normzustandes". Schwankende Umgebungsbedingungen, Fremdgeräusche, unterschiedliche Maschinenausstattung sowie Material- und Gutstreuungen können den Fingerabdruck eines Vorgangs und damit auch das Klassifikationsergebnis maßgeblich beeinflussen.
Es ist vorgesehen, Sensordaten unterschiedlicher Meßgrößen zu fusionieren und als Muster für die Erkennung durch die nachgelagerte KI zu verwenden. Es wird erwartet, dass sich dadurch Trennschärfe und Präzision der Erkennung maßgeblich verbessern lassen.
Logic Way übernimmt innerhalb des Projektes die Entwicklung des Kommunikationsmoduls (Edge Device) und des zugehörigen Software-Komponentenstacks für die Abbildung von Condition-Monitoring-Aufgabenstellungen für Großkraftmaschinen. Der vom Kommunikationsmodul abzudeckende Funktionsumfang umfaßt dabei die Erfassung von Sensormeßwerten aus verschiedenen Quellen und mit unterschiedlichen Hardwareschnittstellen, deren relevanzadaptive Filterung und zeitliche Synchronisation sowie verzögerungstolerante und kryptografisch abgesicherte Weiterübertragung zum Cloud-Kommunikationsendpunkt. In umgekehrter Kommunikationsrichtung erstrecken sich die Aufgaben des Kommunikationsmoduls auf das Vorhalten eines lokalen Erkennungsmusterbestandes, die Ausführung vorgegebener KI-Modelle, die Parameterverteilung an Komponenten der Feldebene (hauptsächlich Sensoren). Mitlaufend werden vom Kommunikationsmodul statistische Auswertungen ausgeführt, Ereignislisten erzeugt und verwaltet und die Bedienoberfläche in Web-Technologie bereitgestellt.
„AKKUT/E“ wird von Logic Way in Kooperation mit Fraunhofer IGP Rostock bearbeitet.
„AKKUT“-Projektfamilie:
ASEDA - Akustisches Sensornetzwerk mit Echtzeitdatenauswertung
IDaS - Intelligente Datenauswertung von Sensornetzwerken
"AKKUT/E" wird kofinanziert von der Europäischen Union aus dem Europäischen Fonds für regionale Entwicklung.
In der bisherigen Entwicklung von Plattformtechnologien und Angeboten „as a service“ hat sich gezeigt, dass Hoheit über Daten und Inhalte beinahe untrennbar mit der Hoheit über Datenverarbeitungstechnologie und Algorithmen (digitale Produktionsmittel) verbunden ist. Die vorgeschlagene Entwicklung „OsKoNa“ schlägt daher ein technisches Modell aus untereinander vernetzbaren Funktionskomponenten vor, die verteilt und dezentralisiert betrieben werden können. Durch gleichberechtigte Vernetzung der dezentralisierten Installationen untereinander kann in Summe thematisch und dateninhaltlich eine umfassende Plattformfunktion umgesetzt werden. Der Komponentenstack erstreckt sich dabei über die gesamte Produktentstehung sowohl auf mobile Maschinen (Landmaschinen) und stationäre Betriebsstätten als auch auf Server-Installationen im Rechenzentrum.
Ziel des Projektes OsKoNa ist die Entwicklung und Referenzimplementierung eines durchgehenden Stacks smarter Komponenten für die Verwendung im Lebensmittel-Enstehungsprozess über die Anwendungsebenen IoT, Edge, Mobile Edge Cloud, Cloud, Metacloud. Dadurch kann durchgehende Funktionalität über alle Datenerfassungs-, -aggregations-, -kommunikations- und -aufbewahrungsebenen im land- und lebensmittelwirtschaftlichen Produktionsprozess über die Verkettung dieser Grundbausteine der smarten Agrardatenwirtschaft abgebildet werden. Die Anwendung der Stack-Komponenten verteilt sich dabei auf im Feld arbeitende mobile Landmaschinen und deren Umgebung, ortsfeste Produktionseinrichtungen und zentrale Cloud- und Metacloud-Instanzen. Durch abgestimmte Schnittstellen können die einzelnen Bausteine der Systemlösung bedarfsgerecht und flexibel zu smarten Services orchestriert werden.
Durch ein striktes Komponentenmodell mit klaren Schnittstellen und Verantwortlichkeiten des jeweiligen Moduls wird eine strukturierte Softwareinfrastruktur umgesetzt, an deren Modulgrenzen jeweils Sicherheits- und Plausibilitätsregeln angewendet werden können, um ein insgesamt sicheres und integeres System zu gewährleisten.
„OsKoNa“ wird von Logic Way in Kooperation mit AgriCon und den Technischen Universitäten Berlin und Dresden bearbeitet.
Kontakt aufnehmen
Big Data kann seinen Nutzen dort entfalten, wo Informationen aus unterschiedlichen Quellen und Sichten in neue Kontexte gebracht werden und dadurch neue Zusammenhänge hergestellt werden können. Das Projekt BiDa-LAP stellt daher Informationskanäle von allen für Feld- und Flurarbeiten relevanten Datenquellen bis zum zentralen Datenbestand her und liefert umgekehrt direkt vor Ort übergreifende Informationen und Entscheidungsunterstützung.
Das Projekt hat die Entwicklung, Inbetriebnahme und den Probebetrieb eines elektronischen Infrastruktursystems, bestehend aus einer Plattformarchitektur und mobilen Datenloggern mit der Möglichkeit zur Interaktion zu smarten Endgeräten zum Gegenstand. Die Entwicklung steht zukünftig Landwirtschaftsbetrieben und Dienstleistungsunternehmen als operatives und strategisches Entscheidungsunterstützungssystem zur Verfügung. Hierfür sollen historische (beispielsweise aus vorangehenden Anbauperioden) wie auch aktuell erfasste Daten genutzt werden. Dem Nutzer sollen dabei organisatorische (z.B. prognostizierte Restarbeitszeit einer Maschine auf einem Feld), technische (z.B. aktueller Schlupf einer Maschine), ökonomische (z.B. Gesamtkosten eines Arbeitsverfahrens in Abhängigkeit von der gewählten Arbeitsbreite), agronomische (z.B. Schadverdichtung oder Humusbilanzierung) und Nachhaltigkeits-Indikatoren (z.B. CO2 Emissionen eines Produktionsverfahrens) zur Entscheidungsfindung angeboten werden. Dazu ist unter anderem geplant, eine Bewirtschaftungsmusterdatenbank aufzubauen, worin betriebsgrenzenübergreifend entsprechende Parameter von Arbeitsmaschinen erfasst werden.
Basierend darauf sollen zukünftig Szenarien-Rechnungen zum Einsatz unterschiedlicher Maschinenkonfigurationen möglich sein. Hierdurch sollen Entscheidungshilfen zur Auswahl der optimalen Arbeitsbreite oder zur Konfiguration der Maschinenleistungskapazitäten eines Landwirtschaftsbetriebes ex ante gegeben werden. Wiederum betriebsgrenzenübergreifend soll es möglich sein, dass Nutzer ex post ein Benchmarking zur Effizienz des Maschineneinsatzes durchführen können. Aspekte des Datenschutzes sind hierzu zwingend während der gesamten Projektlaufzeit bei der Entwicklung des Systems zu berücksichtigen. Weitere operative Hilfestellungen sollen dem Nutzer zukünftig beispielsweise durch die Leitspuroptimierung auf dem Feld oder durch die Ausweisung des optimalen Bearbeitungsfensters gegeben werden.
Als Ausgangsbasis können die Projektantragsteller auf das aus dem Projekt Agro-MiCoS hervorgegangene flexible und offene Datenerfassungs- und Kommunikationssystem zurückgreifen.
Im Gegensatz zu bestehenden Telemetrie Lösungen am Markt richtet sich die Neuentwicklung an Landwirtschaftsbetriebe mit gemischten Fuhrparks hinsichtlich des Alters (neuere und ältere Maschinen) und der Herstellerherkunft (herstellerunabhängig). Dadurch wird die Flexibilität für den Nutzer erhöht, da insbesondere in Westeuropa meist gemischte Fuhrparks auf Landwirtschaftsbetrieben zu finden sind. Erweitert wird das Telemetriesystem zusätzlich über die Verknüpfung und das Benchmarking mit historischen Datenbeständen. Dies soll auch auch Betriebsgrenzen übergreifend möglich sein. Die Bereitstellung und Nutzung offener und dokumentierter Schnittstellen ist dabei erklärtes Ziel des Projektes und wesentliche Grundlage für durchgehende Funktion in gemischten Umgebungen.
„BiDa-LaP“ wird von Logic Way in Kooperation mit AgriCon und den Technischen Universitäten Berlin und Dresden bearbeitet. Die Konsortialführung liegt bei AgriCon.
Kontakt aufnehmen
"BiDa-LAP" wurde vom Bundesministerium für Ernährung, Landwirtschaft und Verbraucherschutz gefördert.
"BiDa-LAP II" wird durch die Landwirtschaftliche Rentenbank aus Mitteln des Zweckvermögens des Bundes gefördert.
Projektträger ist die Bundesanstalt für Landwirtschaft und Ernährung.