StreamPipes

Wie kann man ohne Programmieren echtzeitfähige Big-Data-Anwendungen erstellen?

Die Integration von Sensordaten aus Produktionsmaschinen und -prozessen ist heutzutage verhältnismäßig einfach und hat häufig das Ziel, Produktionsstörungen möglichst frühzeitig durch die Echtzeitanalyse großer Datenmengen zu erkennen. Allerdings benötigt die Erstellung solcher Anwendungen heute noch sowohl technische Expertise (Big-Data-Infrastruktur) als auch fachliche Expertise (Data Scientists). Unsere Lösung StreamPipes ermöglicht erstmals die Definition echtzeitfähiger Anwendungen durch Domänenexperten – vollkommen ohne Entwicklungsaufwand und auf Basis ausgereifter und breit verfügbarer Stream-Processing-Technologien.

Im Zuge der digitalen Transformation der Industrie wird die Analyse von Sensor- und Unternehmensdaten innerhalb der gesamten Wertschöpfungskette der Fertigung für viele produzierende Unternehmen immer wichtiger. Dies ermöglicht beispielsweise, kontinuierlich über Leistungsdaten und aufkommende Probleme unterrichtet zu werden oder Wartungsprozesse zustandsabhängig zu optimieren.

Einführung und Betrieb verteilter und skalierbarer Systeme, wie sie für derartige Anwendungsfälle benötigt werden, verlangen heute noch einen vergleichsweise hohen Entwicklungsaufwand und technische Expertise, die insbesondere bei produzierenden kleinen und mittelstän­dischen Unternehmen häufig abseits des Kerngeschäfts liegt. Dies verlangsamt Entwicklungsprozesse und macht Änderungen an Big-Data-Verarbeitungspipelines wenig flexibel. Durch Veränderungen der Datenebene wie zum Beispiel neue Sensorik oder andere Parameter oder auch durch neue fachliche Anforderungen wie etwa zustandsabhängige Wartung müssen Anpassungen jedoch relativ häufig vorgenommen werden. Aus diesem Grund besteht ein Bedarf zur flexiblen Erstellung und Anpassung von Big-Data-Anwendungen in kurzer Zeit direkt durch die Domänenexperten im eigenen Unternehmen.

Das FZI stellt mit StreamPipes eine Lösung vor, die es insbesondere kleinen und mittelständischen Unternehmen ermöglicht, mit geringem Aufwand eine Big-Data-Umgebung aufzubauen und mit graphischer Tool-Unterstützung echtzeitfähige Verarbeitungspipelines zu erstellen. ­StreamPipes ist eines der ersten Modellierungstools für verteilte Echtzeitsysteme im Big-Data-Maßstab. Es ist dabei nicht auf eine bestimmte Laufzeitumgebung beschränkt, sondern erlaubt über eine semantische Inte­grationsebene die Anbindung heterogener Verarbeitungsknoten sogar innerhalb einer Verarbeitungspipeline.

Zu den Anwendungsfällen zählt die kontinuierliche Aufbereitung und Harmonisierung heterogener Daten zur Überführung in Drittsysteme (Data Ingestion), sowie Monitoring- und Situationserkennung, um frühzeitig drohende Ausfälle der Produktion zu erkennen und zu verhindern.

Ihr Ansprechpartner

Dr.-Ing. Dominik Riemer

Bereichsleiter

mehr

Werdegang

Dominik Riemer studierte Informationswirtschaft am Karlsruher Institut für Technologie (KIT). Von 2011 bis 2016 arbeitete er als Wissenschaftlicher Mitarbeiter und später als Projektleiter am FZI bei Prof. Dr. Studer im Forschungsbereich IPE mit dem Schwerpunkt Complex Event Processing (CEP). Anschließend war er von Januar 2017 bis März 2019 Abteilungsleiter "Wissensmanagement" am FZI. Seit Oktober 2018 verantwortet er gemeinsam mit Dr.-Ing. Fabian Rigoll den Forschungsbereich "Information Process Engineering".

Dominik Riemer ist Experte für technische Fragestellungen bzgl. ereignisgesteuerter Architekturen, verteilter Systeme und Datenstromverarbeitung. Im Rahmen seiner Tätigkeit arbeitet er als Projektmitarbeiter, Projektleiter und wissenschaftlicher Koordinator in zahlreichen öffentlichen Forschungsprojekten (z.B. ProaSense (EU), ALERT (EU), PostBot-E (BMWi), PartSense (BMBF), WEKOVI (BMVI)) und berät Großunternehmen wie Bosch und BASF sowie KMU bei der Umsetzung innovativer Lösungen für Echtzeitverarbeitung und IoT in Domänen wie Mobilität, Produktion und Logistik.

2016 promovierte Dominik Riemer am Karlsruher Institut für Technologie (KIT) summa cum laude zum Thema "Methods and Tools for Management of Distributed Event Processing Applications". Die Arbeit wurde ausgezeichnet mit dem Wissenschaftspreis der KIT-Fakultät für Wirtschaftswissenschaften.

Seine derzeitigen Forschungsinteressen liegen im Bereich des intelligenten Datenmanagements für Stream Processing und Fog Computing, dabei insb. der Zugänglichmachung komplexer echtzeitfähiger und hochskalierbarer Analytics-Verfahren und -Anwendungen für Fachanwender.

 

Forschungsinteressen:

  • Stream Processing 
  • Fog Computing
  • Self-Service Big Data Analytics / Guided Analytics
  • Distributed Systems

Forschungsprojekte:

  • StreamPipes: Flexible Modellierung echtzeitfähiger Datenpipelines (https://www.streampipes.org
  • Lieferbot-E (BMWi Elektromobilität): Automatisierte Ver- und Entsorgung städtischer Quartiere durch autonome Elektrofahrzeuge
  • OCROSS (BMVI mFUND): Open Data Crowd Sensing Service für die einfache Fusion annotierter und schwarmbasierter Massendaten
  • WEKOVI (BMVI mFUND): Werkzeuge für die einfache Erstellung komplexer Vergleichsindizes
  • ProveIT (BMWi Zukunftsfähige Logistiknetzwerke): Echtzeitbasierte Störungserkennung und -behebung in Logistikprozessen 
  • ProaSense (EU FP7): The Proactive Sensing Enterprise, Datengetriebene proaktive Erkennung von Störungen in Produktionsprozessen
  • ALERT (EU FP7): Echtzeitkoordination und Kollaboration von Entwicklern in Softwareprojekten 
  • ReFLEX (EU FP7 SME): Ad-hoc Prozessadaptionen im Logistikumfeld
  • PartSense (DE KMU-Innovativ): Anwendungen und Technologien für Participatory Sensing 

Publikationen

zu den Publikationen

Kontakt

Telefon: +49 721 9654-724
Fax: +49 721 9654-725
E-Mail: riemer@dont-want-spam.fzi.de

weniger