Wichtige Cookie Information

Diese Webseite nutzt Cookies für Funktions-, Komfort- und Statistikzwecke. Wenn Sie der Verwendung von Cookies zustimmen, klicken Sie bitte „Ok“ Datenschutzhinweise Icon forward-right

Geht es Ihren Geräten gut?

Anomaly Detection bei Event-Daten im Internet der Dinge

Anomaly Detection bei Event-Daten im IoT

Erfahren Sie anhand eines Praxisbeispiels, wie die Erkennung von Anomalien bei Event-Daten im Internet der Dinge helfen kann, vernetzte Produkte zu verbessern.

Anomaly Detection im IoT hilft, Fehlerwahrscheinlichkeiten und mögliche Ursachen für ein bestimmtes Produkt zu erkennen.
Anomaly Detection im IoT hilft, Fehlerwahrscheinlichkeiten und mögliche Ursachen zu erkennen.

Heutzutage erzeugen Geräte mehr Daten als Social-Networking-Dienste. Jedes von ihnen kann mehrmals pro Sekunde Daten senden. Bei Millionen vernetzten Geräten muss eine Datenverarbeitungsplattform ggf. mit Milliarden von eingehenden Events pro Tag umgehen können. Auch wenn derartige Datenmengen eine große technische Herausforderung darstellen, sind die Gerätedaten an sich, selbst wenn sie in vorverarbeiteter Form gespeichert werden, natürlich nicht ohne Weiteres verwertbar. Für Informationen, aus denen Aktionen abgeleitet werden können, müssen die gesammelten Daten erst analysiert werden.

Unter anderem lassen sich mittels Datenanalyse Anomalien effektiv ermitteln. Ziel der Anomaly Detection ist es, unübliches Verhalten, das deutlich von früheren oder erwarteten Verhaltensweisen abweicht, zu erkennen. In diesem Whitepaper beschreiben wir unseren Ansatz hierfür, geben Einblick in unsere Erfahrungen aus verschiedenen Projekten und beleuchten die typischen Komponenten eines Datenanalysesystems:

  • Datenvorverarbeitung: Dieses Komponentenmodul dient dazu, zahlreiche Probleme wie Datenpflege oder die Erstellung domänenspezifischer Funktionen zu lösen.
  • Datenanalyse: Diese Komponente soll vor allem Anomalien in den eingehenden Daten aufspüren. Die Herausforderung besteht darin, den passenden Data-Mining-Algorithmus zu ermitteln und seine Parameter genau anzupassen.
  • Datenvisualisierung: Hier geht es vor allem darum, dem Endnutzer das Ergebnis visuell darzustellen und ein Werkzeug zur visuellen Analyse zu geben. Die Herausforderung lautet, visuelle Verfahren auszuwählen, die sich für den Problembereich und zur Lösung der Aufgabe eignen."

Sie möchten mehr über uns erfahren?

Als Software- und Systemhaus der Bosch-Gruppe entwickeln und betreiben wir Software- und Systemlösungen, die Ihnen helfen, im IoT erfolgreich zu sein.