Nachricht vom 26.10.2019    

Smarte Informationen statt „Big Data“

Wie lassen sich aus Sensordaten möglichst direkt und effizient smarte Informationen über unsere (Um-)Welt gewinnen? Das möchten Wissenschaftler der Universität Siegen zusammen mit Partnern im Projekt MENELAOS_NT erforschen.

Siegen. Wir sind von einer Vielzahl von Sensoren umgeben, die permanent die Umwelt vermessen – und dabei eine wahre Datenflut produzieren. So basieren etwa moderne Geoinformationen auf Satellitenmessungen, Luftbildern, mikroskopischen sowie 3D-Darstellungen, die Daten zu den unterschiedlichsten Aspekten liefern. Ist jedoch eine bestimmte Fragestellung von Interesse – möchte man beispielsweise nach einem Hochwasser gezielt sämtliche Überschwemmungsgebiete identifizieren – ist es häufig sehr aufwendig, aus der Übermenge an Daten die gewünschte Antwort zu „extrahieren“.

Im Forschungsprojekt MENELAOS_NT möchten Wissenschaftler des Zentrums für Sensorsysteme (ZESS) der Universität Siegen zusammen mit internationalen Partnern Methoden entwickeln, um aus Sensordaten auf direktem Wege smarte Informationen zu generieren. Das Projekt wird im Rahmen des EU-Programms für Forschung und Innovation, „Horizont 2020“, mit rund 3,7 Millionen Euro durch die Europäische
Kommission gefördert und ist eines der größten Forschungsprojekte an der Universität Siegen.

MENELAOS_NT ist darüber hinaus als Ausbildungsnetzwerk für insgesamt 15 Doktoranden konzipiert, drei davon in Siegen. „Durch die enorme Entwicklung im Bereich der Sensortechnologie stehen uns heute nicht nur enorm viele, sondern auch sehr detaillierte Daten zur Verfügung – mehr, als wir überhaupt analysieren können“, sagt Prof. Dr. Otmar Loffeld, Vorsitzender des ZESS und Koordinator von
MENELAOS_NT.

Den „Big Data“-Ansatz, bei dem zunächst sämtliche Daten erhoben und
gesammelt werden, um anschließend zu schauen, welche Informationen sich daraus gewinnen lassen, hält Loffeld für wenig praktikabel: „Wenn Sie in den Supermarkt gehen, kaufen Sie ja auch nicht erst alle Regale leer und entscheiden anschließend, welche Produkte Sie zum Kochen brauchen. Sie machen sich vorher eine Liste und wählen danach die benötigten Lebensmittel aus. Ähnlich kann man sich unser Vorgehen bei MENELAOS vorstellen.“

Mithilfe neuartiger Technologien Signale und Bilder gezielt so zu erfassen, dass nur die interessanten Informationen herausgefiltert werden – darum geht es den Wissenschaftlern. „Ein vielversprechender Ansatz aus der Mathematik ist in diesem Zusammenhang das ‚Compressed Sensing‘. Danach ist es möglich, Signale oder andere Informationsquellen komprimiert zu erfassen – das bedeutet, dass von Anfang an nur wenige Sensordaten mit hohem Informationsgehalt aufgenommen werden“, erklärt Dr. Miguel Heredia Conde, Projektmanager bei MENELAOS und Gruppenleiter am ZESS.
Veranschaulichen lässt sich das Prinzip des ‚Compressed Sensing‘ am Beispiel moderner Digitalkameras: Sie haben extrem viele Pixel und produzieren Fotos in so hoher Auflösung, dass sie nachträglich im Chip komprimiert werden müssen, damit die Dateien nicht zu groß werden.

Ein Großteil der aufgenommenen Sensordaten erscheint daher gar nicht so nutzbringend – einfacher und ressourcenschonender wäre es, Fotos gleich in komprimierter Form aufzunehmen. Das ‚Compressed Sensing‘ ermöglicht eine solche Komprimierung mithilfe mathematischer Berechnungen. Voraussetzung ist, dass die jeweilige Informationsquelle „dünnbesetzt“ ist, erklärt Prof. Loffeld: „Denken Sie zum Beispiel an das Weltall als dreidimensionalen Raum. Darin gibt es beliebig viele Positionen – aber nur an bestimmten Positionen befinden sich Sterne. Beim Compressed Sensing werden nicht alle denkbaren Positionen gemessen, sondern nur einige, zufällig ausgewählte Kombinationen.

---

Stellenanzeige

Mehrere Stellen bei der Lebenshilfe (m/w/d) Lebenshilfe im Landkreis Altenkirchen/Ww gGmbH 57610 Altenkirchen

---

Wie viele Messungen benötigt werden, lässt sich mathematisch berechnen und hängt auch davon ab, wie eng diese relevanten Positionen – in unserem Beispiel die Sterne – beieinanderliegen.“ Im Rahmen von MENELAOS_NT möchten die Wissenschaftler eine solide Methode entwickeln, um das mathematische Prinzip des „Compressed Sensing“ auf allen Ebenen der Sensortechnologie, der Signalverarbeitung und der Informationsgewinnung anzuwenden.

Dabei gilt es, Messwerte unterschiedlicher Sensorsysteme (optischer und nicht-optischer Sensoren, Systemen der Nah- sowie der Fernerkundung) möglichst geschickt auszuwerten und miteinander zu kombinieren, um fokussierte Informationen im Hinblick auf eine bestimmte Fragestellung zu erhalten. „Wir hätten dann die Möglichkeit, grundlegende Prozesse unserer Umwelt genauer zu
beobachten und sie besser zu verstehen. Das wäre im Hinblick auf viele aktuelle
Herausforderungen von großem Nutzen – vom Klimawandel, über nachhaltige Land- und
Forstwirtschaft bis hin zu einer effizienten Ressourcennutzung und dem Schutz von Frieden und Sicherheit in Europa“, hofft Loffeld.

Aber auch für ganz konkrete Anwendungen verspräche die neuartige Methode der Informationsgewinnung rasante Fortschritte: So könnten selbstfahrende Autos anhand verbesserter, dreidimensionaler Informationen Hindernisse schneller und exakter identifizieren. Auch die Gestenerkennung von Handys oder in der Robotik ließe sich deutlich verbessern.


Hintergrund:
An dem Innovative Training Network (ITN) MENELAOS_NT („Multimodal Environmental
Exploration Systems_Novel Technologies“) sind neben der Universität Siegen zehn weitere namenhafte Partner (Universitäten, Forschungseinrichtungen und Industriepartner) beteiligt: das Fraunhofer FHR, das Deutsche Zentrum für Luft- und Raumfahrt, das Siegener Unternehmen pmdtechnologies ag, die AMO GmbH aus Aachen sowie das Weizmann Institute of Science (Israel), Research Center for Spatial Information (Romania), Sabanci University (Türkei), Centro Singular de Investigación en Tecnoloxías da Información (Spanien), Gamma Remote Sensing
AG (Schweiz) and Insitu Engineering (Spanien). Die Federführung liegt bei der Universität Siegen. Projektstart ist im Januar 2020, die Laufzeit beträgt vier Jahre. (PM)

Feedback: Hinweise an die Redaktion