State of the Art Report

Datum: 2024
Software: Microsoft Office, Zotero
Technologien: IoT/IIoT, CPS, Edge/Fog/Cloud Computing, AI, Machine Learning

Über das Projekt
Dieser State of the Art Report (STAR) zu Knowledge Modeling & Sensors entstand im Rahmen einer Lehrveranstaltung für das Josef Ressel Zentrum für wissensbasierte visuelle Datenanalyse in der industriellen Produktion. Ziel war es, eine fundierte Analyse aktueller Technologien, Methoden und Herausforderungen im Zusammenhang mit der Nutzung industrieller Daten bereitzustellen. Im Fokus standen die Rolle intelligenter Sensortechnologien, strukturierter Datenmodelle und moderner Systemarchitekturen im Kontext von Industrie 4.0, IIoT und Machine Learning. Aufgrund der zunehmenden Vielfalt und Menge an Daten in modernen Produktionsumgebungen wird die Fähigkeit zur effizienten Verarbeitung und Integration von Daten zu einer zentralen Kompetenz. Auf Basis begutachteter wissenschaftlicher Publikationen bietet der Bericht eine strukturierte Analyse relevanter Technologien zur Erfassung, Verarbeitung und Nutzung industrieller Sensordaten. Die Ergebnisse tragen dazu bei, Grundlagen für weiterführende Forschungsarbeiten am Zentrum zu schaffen und praxisnahe Lösungsansätze für reale industrielle Problemstellungen vorzubereiten.

Technischer Ansatz
Der Bericht basiert auf einer strukturierten Literaturrecherche, die im April 2024 unter Verwendung wissenschaftlicher Datenbanken wie IEEE Xplore, ScienceDirect, Google Scholar, ResearchGate sowie der KI-gestützten Plattform scienceOS durchgeführt wurde. Die Recherche konzentrierte sich auf Publikationen aus den Jahren 2019 bis 2024 und basierte auf themenspezifischen Suchbegriffen. Die Relevanz der Beiträge wurde anhand definierter Ausschlusskriterien systematisch bewertet, beispielsweise Sprache, Verfügbarkeit, Duplikate und fachliche Relevanz. Die ausgewählten Publikationen wurden anschließend anhand von vier Kernkategorien analysiert:

1. Sensortechnologie & Datenerfassung
2. Datenmodellierung
3. Systemarchitekturen
4. Leistungsfähigkeit & Benutzerfreundlichkeit

Dieser strukturierte Ansatz ermöglichte es, Querverbindungen zwischen den Arbeiten herzustellen und ein umfassendes Bild aktueller technologischer Entwicklungen zu zeichnen.

Rückblick
Obwohl es sich nicht um ein klassisches Entwicklungsprojekt handelt, war der STAR ein intensiver Analyseprozess mit hoher Relevanz für die anwendungsorientierte Forschung. Die Literaturrecherche zeigte deutlich, wie uneinheitlich und heterogen industrielle Dateninfrastrukturen bis heute sind – sowohl im Hinblick auf die Sensorintegration als auch auf Datenmodelle und Systemschnittstellen. Besonders wertvoll war die Auseinandersetzung mit intelligenten Sensoren, semantischen Datenstrukturen und verteilter Datenverarbeitung über Edge-, Fog- und Cloud-Konzepte. Der Bericht zeigt nicht nur aktuelle Herausforderungen auf, sondern auch strategische Lösungsansätze, um Daten wirksam für Predictive Maintenance, Effizienzanalysen oder automatisierte Entscheidungen zu nutzen. Als Beitrag zum Josef Ressel Zentrum legt die Arbeit eine wichtige theoretische Grundlage für zukünftige Forschungs- und Praxisprojekte.