Smart Home: Die Vermessung der Küchenwelt

Inhalt

  1. Seite 1 ? Die Vermessung der Küchenwelt
  2. Seite 2 ? Die Sensoren können sich irren

Auf einer Seite lesen

Der Begriff des smarten Eigenheims ist streng genommen falsch. Denn es ist nicht das Zuhause, das vernetzt ist, sondern nur Teile davon. Die Überwachungskamera im Garten, der Thermostat an der Heizung, der Stromzähler im Keller und der sprechende Lautsprecher im Wohnzimmer ? diese Geräte haben ihre eigenen Sensoren und Zähler und mögen für sich genommen “klug” sein. Zusammenarbeiten können sie selten. Es sind digitale Inseln in einem weitestgehend analogen Haus, die zudem allesamt einzeln gepflegt, konfiguriert und mit Strom versorgt werden wollen.

Forscher der Carnegie-Mellon-Universität in Pittsburgh wollen das ändern. Sie haben den Prototypen eines Supersensors entwickelt (Laput et al., 2017), der nicht an einzelne Geräte oder Funktionen gekoppelt ist. Einmal in die Steckdose gesteckt, nimmt er stattdessen verschiedenste Informationen aus der Umgebung auf. Künstliche Intelligenz soll anschließend dafür sorgen, dass diese Daten für die Nutzer brauchbar eingesetzt werden.

In einer Küche etwa können verschiedene Sensoren zahlreiche Veränderungen feststellen. Ein Thermometer erkennt, wann das Fenster oder der Backofen geöffnet ist und die Herdplatten angeschaltet. Hygrometer messen kleinste Veränderungen der Luftfeuchtigkeit, wenn der Wasserhahn oder Wasserkocher läuft. Starke Vibrationen? Die Waschmaschine. Elektromagnetische Störungen? Die Mikrowelle. Und der Kühlschrank macht beim Öffnen ein anderes Geräusch als der Geschirrspüler.

Wann ist der Kaffee fertig?

Der Multisensor der Forscher kann all das erkennen ? und ist dabei kleiner als eine Zigarettenschachtel. Er vereint zehn einzelne Sensoren auf einer einzigen Platine. Da Sensortechnik immer kleiner und gleichzeitig günstiger wird (und viele bereits in Smartphones stecken), wäre eine Massenproduktion kein Problem, sagt Gierad Laput, der an dem Projekt beteiligt ist. Tatsächlich gibt es bereits erhältliche Produkte wie den MultiSensor von Aeotec oder den Sensor von Notion.

Der größte Unterschied zwischen den bestehenden Produkten und dem Projekt der Carnegie-Mellon-Universität liegt darin, dass erstere die einzelnen Sensordaten nicht zusammenführen. “Den durchschnittlichen Nutzern ist es egal, ob wir die elektromagnetischen Strahlen ihrer Kaffeemaschine als Spektrogramm darstellen können”, sagt Laput. “Sie wollen wissen, ob der Kaffee fertig ist.”

Um das sagen zu können, müssen die verschiedenen Sensoren zusammenarbeiten. Jede Aktion im Raum bekommt deshalb eine Signatur zugeteilt. Wird etwa der Geschirrspüler angeschaltet, ergibt sich eine besondere Signatur aus Geräusch und Vibration. Die Sensoren können ebenfalls erkennen, ob die Klappe der Mikrowelle geöffnet oder geschlossen ist, weil das An- und Ausschalten des Lichts ein durch den Raum messbares elektrisches Signal erzeugt. Aus diesen für Menschen teilweise nicht erkennbaren Veränderungen kann eine Software Rückschlüsse ziehen ? etwa ob der Kaffee fertig durchgelaufen ist ? und den Nutzern eine Nachricht aufs Smartphone schicken.

Künstliche Intelligenz lernt aus Sensordaten

Die Forscher sprechen in diesem Fall von synthetischen oder virtuellen Sensoren. Virtuell, weil es natürlich eigentlich keinen Sensor für erfolgreiches Kaffeekochen gibt. Diese Information ergibt sich erst durch Daten, die über einen längeren Zeitraum aufgezeichnet werden und für jeden Anwender unterschiedlich sind. Schließlich klingt jede Kaffeemaschine in einer Küche anders. Aus vielen individuellen Sensordaten (Vibration, Ton, Luftfeuchtigkeit) ergibt sich schließlich eine eindeutige, nutzerseitige Interpretation (“Kaffee fertig!”).

Um möglichst konkrete Anwendungen zu ermöglichen, setzen die Forscher auf künstliche Intelligenz (KI). Deren selbstlernende Algorithmen werden besser, je mehr Daten sie erhalten. Nutzer können sie zunächst auf eine ganz bestimmte Aktion trainieren: Indem sie der Software, zum Beispiel über eine App, sagen, dass sie jetzt Kaffee kochen und ihr später mitteilen, wann er fertig ist. Einmal aufgenommen, erkennt die künstliche Intelligenz das Muster im besten Fall jedes Mal wieder und jedes Mal ein bisschen besser.

Durch dieses Training sind die Anwendungsmöglichkeiten größer als bei Lösungen, die nur auf eine bestimmte Funktion ausgelegt sind. Sie müssen auch nicht bei Kaffeemaschinen enden. In einem Video zeigen die Forscher, wie die Sensoren in einer Werkstatt erkennen, ob der Staubfilter einer Säge funktioniert. Oder wie viele Papierhandtücher in einer öffentlichen Toilette aus dem Spender gezogen werden ? etwa um bei Bedarf automatisch Nachschub bestellen zu können.

hilfreiche Ressourcen Unsere Website