[ Sensordaten und Smart City ] [ Sensordaten und Smart City ] B S O I r e f o h n u a r F www.iosb.fraunhofer.de ISSN 1616-8240

Liebe Freunde des Fraunhofer IOSB, Editorial der Begriff einer »Smart City« erfreut sich nicht nur in der wissenschaftlichen Welt, sondern auch in der öffentlichen Diskussion einer zunehmenden Beliebtheit. Doch weshalb sollte eine City »smart« werden und welches sind die technologischen Konzepte dahinter? Bei einer Smart City geht es um weit mehr als die Digitalisierung der Verwaltung oder um digitale Bürgerdienste wie z. B. die Beantragung eines Personalausweises. Es geht um die Fähigkeit, in einer Stadt oder Region »informierte Entscheidungen« treffen zu können auf- grund von dauerhaft verfügbaren, verlässlichen Informationen. Die Aufgabe einer Stadt ist es, eine auf Sensordaten basierende Infrastruktur zu schaffen, so dass von möglichst vielen Teilnehmern ein Ökosystem von Geschäftsideen und Software-Anwendungen entwickelt werden kann – mit klar definierten, nachhaltigen Rahmenbedingungen zur Datennutzung und Datenverfügbarkeit. In diesem visIT wollen wir das Thema Smart City zusammen betrachten mit offenen Sensor- datenstandards. Hier setzen wir insbesondere auf Geodaten- und Geodienstestandards des Open Geospatial Consortium (OGC) wie z. B. die OGC SensorThings API als offenes und einheitliches Software-Rahmenwerk für die Verbindung von Sensorgeräten, -daten und -anwendungen im Internet of Things. Der Gastbeitrag von Thomas Paschke (Esri) zeigt die Bedeutung der SensorThings API auch für die Esri-Produktfamilie auf, während Dr. Hylke van der Schaaf den Standard selbst und unsere Open-Source-Implementierung FROST® vorstellt. Dr. Jürgen Moßgraber erläutert die Weiterentwicklung der europäischen Umweltdatendirektive INSPIRE durch die SensorThings API. Danach folgen verschiedene Anwendungsbeispiele für Smart Cities. Carsten Pieper und Harry Fast beschreiben ein Klimamonitoring- und -warnsystem für die Stadt Soest. Carsten Frey und Philipp Hertweck erläutern das Bauhaus.MobilityLab in Erfurt, ein Reallabor für Mobilität, Logistik und Energie. Abschließend zeigt Prof. Dr. Peter Bretschneider die Bedeutung des Open District Hub e.V. für neue Energiewendelösungen für Quartiere auf, während Reinhard Herzog ein Crowd- sensing-Projekt am Bodensee im Zusammenspiel von LoRaWAN- und der SensorThings API-Technologien vorstellt. Wie weit sind die Smart City-Lösungen in Ihrer Kommune? Wir wünschen viel Freude und Anregungen bei der Lektüre unseres Smart City-Heftes. Prof. Dr.-Ing. habil. Jürgen Beyerer Fraunhofer IOSB, im April 2021 Dr.-Ing. Thomas Usländer Prof. Dr.-Ing. habil. Jürgen Beyerer Dr.-Ing. Thomas Usländer vis IT 3 Sensordaten und Smart City

Abbildung 2: ArcGIS als Teil einer IoT-Plattform. dass es unterschiedliche Typen von Sen- soren gibt, die jeweils eigene Datenformate und Übertragungstechnologien nutzen. Deshalb sind standardisierte Schnittstellen, wie die OGC SensorThings API, natürlich ein wichtiger Baustein. »Die SensorThings API (STA) ist eine vom Open Geospatial Consortium (OGC) entwickelte Anwen- dungsprogrammierschnittstelle zum Mana- gement von Sensoren und Aktoren im In- ternet der Dinge (IoT)« und »bietet hierbei eine offene, raumbezogene und einheitliche Möglichkeit zur Verbindung von IoT-Ge- räten, Daten und Anwendungen über das Internet« (metaver.de, letzter Zugriff: 17.02.2021). Mehr Informationen zur STA erfahren Sie in dieser Ausgabe in dem Beitrag von Dr. Hylke van der Schaaf. Der Landesbetrieb Geoinformation und Vermessung (LGV) der Freien und Hanse- stadt Hamburg setzt die FROST-(Fraunhofer Open Source SensorThings API-)Server-Im- plementierung der SensorThings API bereits produktiv als Teil ihrer Sensordatenstrategie ein. Die Sensordaten stehen so als Open- Data-Dienst über die Urban Data Platform Hamburg zur Verfügung. Damit auch ArcGIS Anwenderinnen und Anwender diese Dienste einfach nutzen können, hat Esri Deutschland gemeinsam mit dem LGV Hamburg einen Konnektor zur STA für den ArcGIS GeoEvent Server entwickelt. Der ArcGIS GeoEvent Server bietet die Möglichkeit, über Konnektoren unter- schiedlichste Sensordatenströme in einer Vielzahl an Datenformaten in die ArcGIS Plattform zu integrieren. Zusätzlich stellt er Werkzeuge bereit, um diese Datenströme räumlich zu analysieren und so in Echtzeit Erkenntnisse und Benachrichtigungen für konkrete Ereignisse und Fragestellungen zu generieren. Diese großen Mengen an Sensordaten können zeitgleich effizient ge- speichert werden, womit sie anschließend jederzeit für weitergehende Analysen zu Erkennung von raum-zeitlichen Mustern genutzt werden können. Alle Sensordaten und Analyseergebnisse können über Schnitt- stellen in verschiedenen Anwendungen der ArcGIS Plattform sowie externen Anwen- dungen im Web, mobil oder auf dem Desktop genutzt werden. Das LGV stellt die bereits angesprochenen Sensordaten der Radzählstellen in verschie- denen zeitlichen Aggregationsstufen als standardisierten Open-Data-Dienst über die SensorThings API zur Verfügung. In der Abbildung 1 sehen Sie Ausschnitte aus einem ArcGIS Dashboard, welches zur Visualisierung von 5-Minuten-Intervallen der Radverkehrsdaten genutzt wird. Diese werden von dem GeoEvent Server über den Konnektor zur STA kontinuierlich in die ArcGIS Plattform integriert. Diese Daten können nun gespeichert und mittels weiterer Analysen auf raum-zeitliche Muster untersucht werden. Dieses Beispiel zeigt, wie wichtig der Raum- bezug für fundierte Entscheidungen am Beispiel einer nachhaltigen Verkehrswende ist. Dank der SensorThings API können unterschiedliche Sensordaten standardisiert zur Verfügung gestellt werden. Dies er- möglicht die Integration in verschiedene Systeme wie der ArcGIS Plattform, wo die Sensordaten von einem großen Anwender- kreis genutzt werden können, um infor- mierte Entscheidungen zu treffen. vis IT 5 Sensordaten und Smart City

Das Open Geospatial Consortium (OGC) ist eine gemeinnützige Organisa- tion, die 1994 mit dem Ziel gegründet wurde, offene Standards für die Ver- arbeitung von raumbezogenen Daten zu definieren. Derzeit besteht das OGC aus mehr als 500 Mitgliedern, darunter Regierungsorganisationen, Universitäten und private Industrieunternehmen, die diese Standards gemeinsam erarbeiten. tifiziert wurde und ist weltweit eine der am meisten verwendeten Implementierungen der SensorThings API. Den ersten Einsatz hatte der FROST-Server in zwei europäischen Projekten, an denen das Fraunhofer IOSB beteiligt war: Das EU- Projekt »beAWARE« hatte zum Ziel, eine integrierte Lösung für Vorhersage, Frühwar- nung und Notfallmanagement bei extremen Wetterereignissen zu entwickeln. Um z. B. bei Überschwemmungen einen schnellen und präzisen Überblick über Ausmaß und Auswirkungen zu bekommen, müssen sehr heterogene Daten berücksichtigt werden. Die SensorThings API wurde hier zur Verwal- tung von Flusspegelständen und zur Hoch- wasservorhersage genutzt. Das EU-Projekt »HERACLES« hatte zum Ziel, europäische Kulturgüter wie historische Gebäude durch ein Monitoring der Umweltdaten vor dem drohenden Klimawandel zu bewahren. Hier konnte die SensorThings API zeigen, dass sie auch mit Beschleunigungssensoren mit einer Datenrate von 100 Hertz, wie sie zum Erdbeben-Monitoring zum Einsatz kommen, umgehen kann. Die SensorThings API findet jedoch nicht mehr nur bei Forschungsprojekten Anwen- dung, sondern hat es mittlerweile auf eine internationale juristische Ebene geschafft: Die Europäische Kommission fördert schon seit vielen Jahren den offenen Zugang zu öffentlichen Daten in ganz Europa. Um diese Bemühungen zu erleichtern, müssen elektronische Barrieren an den nationalen Grenzen durch die Schaffung gemeinsamer Daten- und Dienstleistungsmodelle sowie durch die Bereitstellung begleitender Rechts- vorschriften abgebaut werden. Die INSPIRE- Richtlinie der EU regelt hierbei das Vor- gehen der nationalen Institutionen. Sie empfiehlt seit Ende 2020 die SensorThings API als »Best Practice« für die Bereitstel- lung von Sensordaten. Die OGC SensorThings API ist mittlerweile in sehr unterschiedlichen Dimensionen und Bereichen im Einsatz: vom Smart Home bis zur Smart City Hamburg, vom Wasserqua- litätsdaten-Management der Französischen Geo-Behörde BRGM über die Messung der Luftqualität in Taiwan bis hin zum Covid- 19-Datenmanagement. Experiment zur Bereitstellung von Eurostat-Daten mittels SensorThings API: Visualisierung der Bevölkerungsdichte in Europa. Literatur / Links Liang, Steve H.L.; Chih-Yuan Huang, and Tania Khalafbeigi: "OGC SensorThings API Part I: Sensing" OGC® Implementation Standard (2016) https://www.ogc.org/standards/sensorthings FROST-Server, ein Open Source Serverimplemen- tierung der SensorThings API https://www.iosb.fraunhofer.de/de/projekte- produkte/frostserver.html https://github.com/FraunhoferIOSB/FROST-Server FROST-Client, ein Open Source Clientimplemen- tierung der SensorThings API https://github.com/FraunhoferIOSB/FROST-Client https://beaware-project.eu http://www.heracles-project.eu/ vis IT 7 Sensordaten und Smart City

AUF OFFENE DATEN MIT RAUMBEZUG GRAMMIERSCHNITTSTELLEN Projekts integriert. Zusammen verwalten diese Datenanbieter Daten aus 14 INSPIRE- Themen (u. a. Luft- und Wasserqualität, Verkehrsdaten). Anwendungsfälle wurden basierend auf den verfügbaren Datensätzen und den Erfahrungen der Datenanbieter mit ihren aktuellen Datenkonsumenten definiert. Vorrang erhielten diejenigen Anwendungsfälle, die APIs enthalten, sofern dies von verschiedenen Anbietern möglich ist. Zahlreiche Datensätze wurden im Rahmen des Projekts online verfügbar gemacht und weitere Schritte zur Bewertung der Ver- wendbarkeit der Daten über diese neuen APIs durchgeführt. Dies bietet Einblicke sowohl in die Verwendbarkeit der einzelnen API-Standards als auch in die Interoperabili- tät zwischen API-Standards. Beispielsweise konnten erstmals Wasserqualitätsdaten des Rheins aus Frankreich und Deutschland verglichen werden. Anwendungsfälle Folgende drei Anwendungsfälle wurden zusammengestellt; ƒ »Luftiges Österreich«: In diesem Anwen- dungsfall wurden die Daten des Öster- reichischen Luftverkehrsnetzes mit Daten über Wetterbedingungen kombiniert. ƒ »Urban Data Plattform Hamburg«: Die Stadt Hamburg verwaltet in ihrer Eigen- schaft als Bundesland vielfältige Datenar- ten und führt diese bereits in der »Urban Data Plattform« zusammen, wie z. B. Verkehrsdaten (Ampelschaltungen, Elek- troladestationen) und Umweltdaten. ƒ »Französisch-germanische Strömungen«: Grenzüberschreitende Wasserdaten er- möglichen eine neue Sicht auf den Rhein und bieten ein vollständigeres Bild. Ergebnisse Ein zentrales Ergebnis des Projektes ist die Empfehlung beider untersuchter Standards als »Good Practice« für die Bereitstellung von INSPIRE-Daten. Zusätzlich wurden Un- terlagen erarbeitet, um die Verwendung dieser Standards zu vereinfachen. Diese sind auf der Projektseite zugreifbar. Auf der Projektseite finden sich weiterhin die Dokumentation der für standardbasier- te APIs entwickelten Bewertungsmethode und Bereitstellungsstrategien sowie die praktischen Erfahrungen bei der Bereitstel- lung und Verwendung der APIs im Kontext der definierten Anwendungsfälle. Diese Arbeiten wurden im Rahmen der ELISE-Action (European Location Interopera- bility Solutions for E-Government) entwick- elt, die durch Interoperabilitätslösungen für öffentliche Verwaltungen, Unternehmen und Bürger (ISA) finanziert wird. API4INSPIRE – Wasserqualitätsmessstationen links und rechts des Rheins. Literatur / Links API4INSPIRE Projektseite, https://datacoveeu. github.io/API4INSPIRE/ "OGC SensorThings API as an INSPIRE download service" und "OGC API – Features as an INSPIRE download service", https://inspire.ec.europa.eu/ portfolio/good-practice-library Liang, Steve H.L.; Chih-Yuan Huang, and Tania Khalafbeigi: "OGC SensorThings API Part I: Sensing" OGC® Implementation Standard (2016), https://www.ogc.org/standards/sensorthings Portele, Clemens, Vretanos, Panagiotis, Heazel, Charles. "OGC API - Features - Part 1: Core", 2019, http://www.opengis.net/doc/IS/ogcapi- features-1/1.0 vis IT 9 Sensordaten und Smart City

Diese haben im Vergleich zu hochwertigen Sensoren oft eine niedrigere Genauigkeit oder andere Schwachstellen. Um diesen Nachteil auszugleichen, entwickelt das Fraunhofer IOSB-INA auf Künstlicher In- telligenz basierende Algorithmen, die die Sensordaten auf Plausibilität prüfen und Messwertkorrekturen vornehmen. So wird in dem Projekt untersucht, ob Messfehler, die sich z. B. durch suboptimale Sensorpo- sitionierung ergeben, durch die Künstliche Intelligenz erkannt und korrigiert werden können. Die Einsetzbarkeit von Algorithmen als Basis eines Low-Cost-Sensornetzwerkes wird dabei evaluiert. Geplant ist, die Echtzeit-Klimadaten in das Geoinformationssystem der Stadt und in ihre urbane Datenplattform einzubinden. Zu diesem Zweck werden die Daten im Kartendienst der Stadt visualisiert. Die Bürgerinnen und Bürger der Stadt sollen die Daten über das Internet abrufen können. Die bestmögliche Darstellung der Daten soll dabei in Workshops mit der hiesigen Gemeinde erörtert werden, denn die An- wendbarkeit und der Nutzen für die Bür- gerinnen und Bürger sind entscheidend bei diesen Überlegungen. Zeitrahmen: Mai 2020 bis Oktober 2022. Für die Förderung zuständige Behörde: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen. 11 vis IT Sensordaten und Smart City Für das weitmaschige Klimamonitoring der Stadt Soest kommen Umweltsensoren zum Einsatz, diese werden über LoRaWAN-Gateways vernetzt. Daher wurde das Projekt »BürgerWOLKE Soest« im Jahr 2020 gestartet: ein hochver- dichtetes, Echtzeit-Klimamonitoring- und -warnsystem für die Bürger der Stadt Soest. Das Projekt entstand im Rahmen des Pro- gramms »Digitale Modellregionen« des nordrhein-westfälischen Ministeriums für Wirtschaft, Innovation, Digitalisierung und Energie. Es zielt darauf ab, lokale Wetter- bedingungen in der Stadt durch ein Netz- werk von Sen-soren vorherzusagen. Das Fraunhofer IOSB-INA unterstützt die Stadt dabei, geeignete Sensoren zu identifizieren, ein LoRaWAN (Long Range Wide Area Net- work) und eine Datenplattform aufzusetzen sowie die gewonnenen Informationen für die Bürger zu visualisieren. Um den Bürgerinnen und Bürgern ungün- stige Wetterbedingungen auf Ebene der Stadt und auch für die Umgebung anzu- zeigen, wird, unterstützt vom Deutschen Wetterdienst (DWD), ein lokales Sensor- Netzwerk aufgebaut. Die gewonnenen Daten werden – zusammen mit Berech- nungen zur Wärmebelastung und Hitze- warnungen – in Echtzeit bereitgestellt, visualisiert und dienen als Grundlage für eine flächendeckende, lokale Klimamodel- lierung. Dieser Ansatz erlaubt es, lokale Hotspots zu identifizieren, Vorhersagen (mittels Vorhersagedaten des DWD) bereit- zustellen und daraus Handlungsempfeh- lungen für die Bürgerinnen und Bürger zu erstellen. Die Daten werden über längere Zeit auf- genommen, um die Basis für das lokale Klimamonitoring in Soest zu generieren. Je mehr Sensoren installiert werden, desto höher sind die Beschaffungs-, Integrations- und Wartungskosten. Um die Kosten für das stadtweite Sensornetzwerk so niedrig wie möglich zu halten, werden in dem Projekt Low-Cost-Sensoren eingesetzt.

implementierung eines IDS-Konnektors bei- getragen und eine Anbindung an das EMS- EDM PROPHET®-Softwaresystem geschaf- fen. Diese erlaubt den IDS-konformen Datenaustausch mit anderen Datenanbie- tern oder Datenkonsumenten. Weiterhin bringt sich das Fraunhofer IOSB- AST mit der Konzeption und Implementie- rung von KI-Algorithmen auf der Plattform ein. Im Vordergrund steht dabei eine neu- artige wissensbasierte Prognose (WiBaPro). Aufgrund der jahrelangen Erfahrung in der Prognose von Energiezeitreihen existiert eine breite Datenbasis über in der Vergan- genheit erfolgreich angewendete Progno- sealgorithmen und deren Parameter. Die WiBaPro macht sich dies zu Nutze und lernt anhand früherer Auswertungen und der Korrelation zur angefragten Auswertung, welche Algorithmen z. B. zur Ersatzwert- bildung oder Prognose für die aktuelle Anwendung am geeignetsten wären, und schlägt diese den Nutzenden vor. In der finalen Ausbaustufe sparen die Anwenden- den bei der Erstellung von Prognosen damit wertvolle Zeit. Während der Entwicklung der Toolbox wurden und werden mögliche Strukturen von neuronalen Netzen unter- sucht und auf ihre Eignung im Rahmen des Projekts getestet. Bereits in den ersten Monaten hat sich gezeigt, dass das Reallabor Bauhaus.Mobi- lityLab für viele Unternehmungen und Partnerinnen und Partner eine spannende Möglichkeit bieten wird, neue Produkte und Dienstleistungen in den Sektoren Energie, Mobilität und Logistik auszupro- bieren und umzusetzen. Literatur Data Ecosystems: Sovereign Data Exchange among Organizations (Dagstuhl Seminar 19391 https://doi.org/10.4230/DagRep.9.9.66 Jarke, M.; Otto, B. & Ram, S.: Data Sovereignty and Data Space Ecosystems. Bus Inf Syst Eng 61, 549–550 (2019). https://doi.org/10.1007/s12599-019-00614-2 DIN SPEC 91357: Referenzarchitekturmodell Offene Urbane Plattform (OUP) 13 vis IT Sensordaten und Smart City Prinzip der wissensbasierten Prognose. Die vom Fraunhofer IOSB-AST entwickelte Softwarelösung EMS-EDM PROPHET® für den Energiesektor bietet ein breites Port- folio an Algorithmen zur Zeitreihenverwal- tung, Prognose- und Optimierungsfunkti- onen sowie weitere essentielle Funktionen im Energiedatenmanagement. Auch Ver- tragsstrukturen und Netztopologien lassen sich über das Softwaresystem abbilden. Im Rahmen des BML-EcoSys sollen einzelne Funktionen aus dem Softwaresystem her- ausgelöst und auf der Plattform angeboten werden, um gesammelte Daten auswerten und analysieren oder Vertragsbeziehungen darstellen zu können. In der aktuellen Pro- jektphase ist bereits ein Microservice um- gesetzt, welcher Kalenderinformationen mit Feier- und Brückentagen, Schulferien und Veranstaltungsdaten über eine offene Schnittstelle allen Anwendungen auf der Plattform bereitstellt. Weitere Services werden derzeit noch identifiziert und im weiteren Projektverlauf implementiert. Im Projekt wird sehr viel Wert auf die Sou- veränität von Daten gelegt. Auf der BML- EcoSys-Plattform werden Daten von vielen verschiedenen Anbietern, Sensoren und Systemen zusammentreffen, miteinander verknüpft und ausgewertet. Dabei ist es wichtig, dass die Souveränität der einzelnen Daten trotzdem zu jeder Zeit gewährleistet ist, damit diese nicht in falsche Hände ge- langen oder missbräuchlich verwendet wer- den. Um dies sicherzustellen, bedient sich die BML-Plattform der Referenzarchitektur des International Dataspace (IDS), welcher eine verschlüsselte Kommunikation und eine Festlegung der Nutzungsbedingung zu jedem Datum erlaubt. Durch ihre offene Struktur können beliebige Datenanbieter die Plattform mit ihren Daten erweitern und diese den Laborkunden für Auswerte- zwecke kostenlos oder kostenpflichtig zur Verfügung stellen. In den vergangenen Pro- jektmonaten hat das Fraunhofer IOSB-AST bereits zur Weiterentwicklung der vom Fraunhofer ISST bereitgestellten Referenz-

CROWDSENSING-EXPERIMENT AM BODENSEE In einer durch das Ministerium für Umwelt, Klima und Energiewirtschaft Baden-Würt- temberg fi nanzierten Machbarkeitsstudie im Jahr 2020 wurde die Erfassung der Ober- fl ächen-Wassertemperatur des Bodensees durch eine Crowdsensing-Methode erprobt. Die Wassertemperatur an der Oberfl äche eines Sees ist eine sehr wichtige Größe zur Beurteilung der Wassergüte. So wird etwa der vertikale Wasseraustausch wesentlich von den Temperaturunterschieden in den Wasserschichten bestimmt, was in der Folge etwa Auswirkungen auf den Sauerstoff- gehalt oder auch das Laichverhalten von Fischen hat. nehmenden Personen private und auch professionelle Bootsführende. Diese führten bei ihren Fahrten auf dem See einen mobilen Sensor mit sich, der kontinuierlich eine ortsreferenzierte Messung der Wassertem- peratur in ca. 1 Meter Tiefe durchführte und die Daten in Echtzeit an einen FROST®- Server übermittelte. Nun ist der Bodensee, als eines der größten europäischen Wasserreservoirs, für das Trinkwasser von etwa 4 Millionen Menschen verantwortlich, was ein sehr genaues Moni- toring notwendig macht. Die herkömmliche Methode basiert auf nur sehr wenigen sta- tionären Messstellen und gelegentlichen Messfahrten. Eine fl ächendenkende Erfas- sung ist damit aus Aufwandsgründen kaum möglich. An dieser Stelle kommt der Ansatz des Crowdsensing ins Spiel. Dabei werden von einer großen Anzahl von Teilnehmenden Daten gesammelt. Im Falle der Oberfl ächen- temperatur des Bodensees waren die teil- Der dabei genutzte Sensor ist eine – mit Materialkosten von knapp 50 Euro sehr kostengünstige – Eigenentwicklung des Fraunhofer IOSB. Er kann dank der energie- sparenden Long Range Wide Area Network (LoRaWAN)-Funktechnik und einer opti- mierten GPS-Nutzung über mehrere Wochen im batteriebetrieben, mobilen Einsatz Daten erfassen. In der Machbar- keitsstudie wurde eine Kleinserie von 35 Sensoren produziert, mit deren Hilfe bereits Daten über mehre Monate gesammelt werden konnten. Das Projekt wurde begleitet von den Partnern der ISB AG und der KuP GmbH. Dipl.-Inform. Reinhard Herzog Informationsmanagement und Leittechnik (ILT) Fraunhofer IOSB Karlsruhe Datenverwaltung mit der SensorThings API und dem FROST®-Server. www.iosb.fraunhofer.de/ILT K O N T A K T Telefon +49 721 6091-294 reinhard.herzog@iosb.fraunhofer.de visIT 15 Sensordaten und Smart City