Wir sind von einer Vielzahl von Sensoren umgeben, die permanent die Umwelt vermessen \u2013 und dabei eine wahre Datenflut\u00a0produzieren. So basieren etwa moderne Geoinformationen auf Satellitenmessungen, Luftbildern, mikroskopischen sowie 3D-Darstellungen, die Daten zu den unterschiedlichsten Aspekten liefern. Ist jedoch eine bestimmte Fragestellung von Interesse \u2013 m\u00f6chte man beispielsweise nach einem Hochwasser gezielt s\u00e4mtliche \u00dcberschwemmungsgebiete identifizieren \u2013 ist es h\u00e4ufig sehr aufwendig, aus der \u00dcbermenge an Daten die gew\u00fcnschte Antwort zu \u201eextrahieren\u201c. Im Forschungsprojekt MENELAOS_NT m\u00f6chten WissenschaftlerInnen des Zentrums f\u00fcr Sensorsysteme (ZESS) der Universit\u00e4t Siegen zusammen mit internationalen Partnern Methoden entwickeln, um aus Sensordaten auf direktem Wege smarte Informationen zu generieren. Das Projekt wird im Rahmen des EU-Programms f\u00fcr Forschung und Innovation \u201eHorizont 2020\u201c mit rund 3,7 Millionen Euro durch die Europ\u00e4ische Kommission gef\u00f6rdert und ist eines der gr\u00f6\u00dften Forschungsprojekte an der Universit\u00e4t Siegen. MENELAOS_NT ist dar\u00fcber hinaus als Ausbildungsnetzwerk f\u00fcr insgesamt 15 DoktorandInnen konzipiert, drei davon in Siegen.<\/p>\n
\u201eDurch die enorme Entwicklung im Bereich der Sensortechnologie stehen uns heute nicht nur enorm viele, sondern auch sehr detaillierte Daten zur Verf\u00fcgung \u2013 mehr, als wir \u00fcberhaupt analysieren k\u00f6nnen\u201c, sagt Prof. Dr. Otmar Loffeld, Vorsitzender des ZESS und Koordinator von MENELAOS_NT. Den \u201eBig Data\u201c-Ansatz, bei dem zun\u00e4chst s\u00e4mtliche Daten erhoben und gesammelt werden, um anschlie\u00dfend zu schauen, welche Informationen sich daraus gewinnen lassen, h\u00e4lt Loffeld f\u00fcr wenig praktikabel: \u201eWenn Sie in den Supermarkt gehen, kaufen Sie ja auch nicht erst alle Regale leer und entscheiden anschlie\u00dfend, welche Produkte Sie zum Kochen brauchen. Sie machen sich vorher eine Liste und w\u00e4hlen danach die ben\u00f6tigten Lebensmittel aus. \u00c4hnlich kann man sich unser Vorgehen bei MENELAOS vorstellen.\u201c<\/p>\n
Mithilfe neuartiger Technologien Signale und Bilder gezielt so zu erfassen, dass nur die interessanten Informationen herausgefiltert werden \u2013 darum geht es den WissenschaftlerInnen. \u201eEin vielversprechender Ansatz aus der Mathematik ist in diesem Zusammenhang das \u201aCompressed Sensing\u2018. Danach ist es m\u00f6glich, Signale oder andere Informationsquellen komprimiert zu erfassen \u2013 das bedeutet, dass von Anfang an nur wenige Sensordaten mit hohem Informationsgehalt aufgenommen werden\u201c, erkl\u00e4rt Dr. Miguel Heredia Conde; Projektmanager bei MENELAOS und Gruppenleiter am ZESS.<\/p>\n
Veranschaulichen l\u00e4sst sich das Prinzip des \u201aCompressed Sensing\u2018 am Beispiel moderner Digitalkameras: Sie haben extrem viele Pixel und produzieren Fotos in so hoher Aufl\u00f6sung, dass sie nachtr\u00e4glich im Chip komprimiert werden m\u00fcssen, damit die Dateien nicht zu gro\u00df werden. Ein Gro\u00dfteil der aufgenommenen Sensordaten erscheint daher gar nicht so nutzbringend \u2013 einfacher und ressourcenschonender w\u00e4re es, Fotos gleich in komprimierter Form aufzunehmen. Das \u201aCompressed Sensing\u2018 erm\u00f6glicht eine solche Komprimierung mithilfe mathematischer Berechnungen. Voraussetzung ist, dass die jeweilige Informationsquelle \u201ed\u00fcnnbesetzt\u201c ist, erkl\u00e4rt Prof. Loffeld: \u201eDenken Sie zum Beispiel an das Weltall als dreidimensionalen Raum. Darin gibt es beliebig viele Positionen \u2013 aber nur an bestimmten Positionen befinden sich Sterne. Beim Compressed Sensing werden nicht alle denkbaren Positionen gemessen, sondern nur einige, zuf\u00e4llig ausgew\u00e4hlte Kombinationen. Wie viele Messungen ben\u00f6tigt werden, l\u00e4sst sich mathematisch berechnen und h\u00e4ngt auch davon ab, wie eng diese relevanten Positionen \u2013 in unserem Beispiel die Sterne \u2013 beieinanderliegen.\u201c<\/p>\n
Im Rahmen von MENELAOS_NT m\u00f6chten die WissenschaftlerInnen eine solide Methode entwickeln, um das mathematische Prinzip des \u201eCompressed Sensing\u201c auf allen Ebenen der Sensortechnologie, der Signalverarbeitung und der Informationsgewinnung anzuwenden. Dabei gilt es, Messwerte unterschiedlicher Sensorsysteme (optischer und nicht-optischer Sensoren, Systemen der Nah- sowie der Fernerkundung) m\u00f6glichst geschickt auszuwerten und miteinander zu kombinieren, um fokussierte Informationen im Hinblick auf eine bestimmte Fragestellung zu erhalten.<\/p>\n
\u201eWir h\u00e4tten dann die M\u00f6glichkeit, grundlegende Prozesse unserer Umwelt genauer zu beobachten und sie besser zu verstehen. Das w\u00e4re im Hinblick auf viele aktuelle Herausforderungen von gro\u00dfem Nutzen \u2013 vom Klimawandel, \u00fcber nachhaltige Land- und Forstwirtschaft bis hin zu einer effizienten Ressourcennutzung und dem Schutz von Frieden und Sicherheit in Europa\u201c, hofft Loffeld. Aber auch f\u00fcr ganz konkrete Anwendungen verspr\u00e4che die neuartige Methode der Informationsgewinnung rasante Fortschritte: So k\u00f6nnten selbstfahrende Autos anhand verbesserter, dreidimensionaler Informationen Hindernisse schneller und exakter identifizieren. Auch die Gestenerkennung von Handys oder in der Robotik lie\u00dfe sich deutlich verbessern.<\/p>\n
Hintergrund:<\/strong>
\nAn dem Innovative Training Network (ITN) MENELAOS_NT (\u201eMultimodal Environmental Exploration Systems_Novel Technologies\u201c) sind neben der Universit\u00e4t Siegen 10 weitere namenhafte Partner (Universit\u00e4ten, Forschungseinrichtungen und Industriepartner) beteiligt: das Fraunhofer FHR, das Deutsche Zentrum f\u00fcr Luft- und Raumfahrt, das Siegener Unternehmen pmdtechnologies ag, die AMO GmbH aus Aachen sowie das\u00a0 Weizmann Institute of Science (Israel), Research Center for Spatial Information (Romania), Sabanci University (T\u00fcrkei), Centro Singular de Investigaci\u00f3n en Tecnolox\u00edas da Informaci\u00f3n (Spanien),\u00a0 Gamma Remote Sensing AG (Schweiz) and Insitu Engineering (Spanien). Die Federf\u00fchrung liegt bei der Universit\u00e4t Siegen. Projektstart ist im Januar 2020, die Laufzeit betr\u00e4gt vier Jahre.<\/p>\n