Machine Sensing

Unter Machine Sensing versteht man alle Technologien, die es einer Maschine ermöglichen ihre Umwelt wie ein Mensch – und darüber hinaus – wahrzunehmen. Durch die Möglichkeiten des Deep und Machine Learnings, immer leistungsfähigerer CPU´s und neuartiger Sensortypen können Maschinen dazu befähigt werden zu sehen, zu hören, zu fühlen, zu riechen, zu sprechen und sogar zu schmecken.

Alle diese Wahrnehmungen werden mit Hilfe eines Sensors und einem mathematischen Model, welches meist einem Machine Learning Algorithmus unterliegt, realisiert.

Die Technologie Machine Sensing lässt sich folglich in zwei wesentliche Komponente unterteilen:

• Sensoren oder Sensorsysteme dienen als Anknüpfungspunkt zwischen der digitalen und der realen Welt, indem sie Daten erfassen und in elektronische Signale umwandeln.
• Machine Learning dient im zweiten Schritt dazu, die Informationen mit Hilfe von Rechnersystemen aufzubereiten und zu verarbeiten.

Der Fokus des Einsatzes von Machine Sensing kann durch dessen breite Anwendungsmöglichkeiten nicht auf eine Branche beschränkt werden. Die umsatzstärksten Branchen sind der Fahrzeugbau, die Informationstechnik und die Gebäudetechnik.

• Empathetic Car

Mit Hilfe verschiedener Sensoren kann sowohl die Umwelt als auch die Reaktion des Fahrers, die sich in seiner Mimik, dem Puls, der elektrodermalen Aktivität, seiner Hauttemperatur und seiner Sprache äußert, erfasst werden. Durch die Verarbeitung und Interpretation dieser Daten, kann das Auto auf den emotionalen Zustand des Fahrers reagieren.

• Predictive Maintenance

In den Smart Fabrics der Industrie 4.0 werden Fertigungsprozesse überwacht und bei Auffälligkeiten noch vor Ausfall der Anlagen notwendige Wartungsarbeiten automatisiert eingeleitet.

• Smart Home

Das moderne Zuhause der Zukunft ist durch den Einsatz verschiedenster Sensoren dazu in der Lage, die Gewohnheiten der Bewohner zu erlernen und die Bedingungen gemäß derer Bedürfnisse zu steuern und zu überwachen.

• Comsumer-Elektronik – Smartphones, Wearables
• Industrie 4.0 – Smarte Fabriken
• Medizintechnik

Herausforderungen

• Datenmenge

Durch immer komplexer werdende Anwendungsfälle werden immense Mengen an Daten zur Auswertung erhoben.

• Sensorentwicklung

Der Einsatz von Machine Sensing steht und fällt mit den im jeweiligen Anwendungsgebiet nutzbaren Sensoren. Im realen Umfeld lassen sich vorhandene Sensoren auf Grund von spezifischen Anforderungen oftmals nicht integrieren. Die Entwicklung solcher Sensoren ist teuer und erschwert auf Grund dessen die Umsetzung in Branchen, die nur geringe Stückzahlen generieren.

• Datensicherheit

Da die Rechenleistung lokaler Systeme oft nicht zur Verarbeitung ausreicht, werden die Daten an externe Server oder in Cloudsysteme übertragen. Gerade bei sensiblen Daten wie bei der Bildverarbeitung und Spracherkennung kann die Wahrung der Privatsphäre problematisch sein. Aber auch der automatisierte Datenaustausch von z.B. vernetzten Produktionssystemen kann Unternehmen angreifbar machen.

Chancen

• intelligentere, vorausschauendere & präventivere Wartung
• Optimiertes Energiemanagement
• verbesserte Qualitätskontrolle
• effizientere Produktionsprozesse
• autonomes Fahren

• Texas Instruments
• NXP Semiconductors
• STMicroelectronics
• First Sensor
• AMA Verband für Sensorik und Messtechnik e.V.

• Amazon Machine Learning / AWS
• Microsoft Azure
• Google Cloud Machine Learning Platform
• IBM Watson

• Big Data
• Mikrosystemtechnik – MEMS
• Smart Data
• Smart Sensors