Saar-Uni: Mit Open Source mehr Durchblick bei Massen-Sensordaten

1. April 2019


Ihre Software ist die Quintessenz aus einer Vielzahl von Forschungsprojekten. Jetzt stellen der Messtechniker und Sensor-Experte Professor Andreas Schütze und sein Team von der Universität des Saarlandes ihr Daten-Werkzeug kostenfrei anderen zur Verfügung: Die „Dave“ genannte Matlab-Toolbox ermöglicht eine schnelle Signalauswertung, Mustererkennung und Visualisierung bei großen Datenmengen. Mit ihrer Hilfe können Massendaten etwa von Sensoren so verarbeitet, ausgewertet und grafisch dargestellt werden, dass Forscher Messsysteme damit interaktiv optimieren können.

 

Unter http://www.lmt.uni-saarland.de/dave haben die Forscher den Programmcode der Matlab-Toolbox „Dave - Data Analysis and Verification/ Visualization/Validation Environment“ als Open Source veröffentlicht.

 

Wenn Ingenieure in Forschungsabteilungen oder -instituten bei Experimenten mit Sensoren massenhaft Messdaten sammeln und Signale auswerten, wird es sehr schnell sehr kompliziert. Nicht nur, weil sie eine Flut an Zahlen jonglieren müssen, die über einen bestimmten Zeitraum zusammenlaufen. Zuerst gilt es, alle Parameter, Variablen und Stellschrauben überhaupt erst optimal so einzustellen, dass die Ergebnisse auch aussagekräftig sind. Was hier am Ende am besten läuft, das müssen sie erst herausfinden. Und das kann dauern. Sind die gewählten Verkettungen ungeeignet, fällt das Zahlen-Puzzle schnell in sich zusammen. Dann waren lange Messreihen und die ganze Mühe vergebens.

 

Hilfe beim Durchblick verspricht jetzt eine Software, die Saarbrücker Messtechniker kostenfrei anderen Wissenschaftlern und Unternehmen zur Verfügung stellen. Statt auf den klassischen „Versuch und Irrtum“ setzt diese auf ein vorausschauendes „Was wäre wenn“:

 

„Wenn wir mit unseren Gassensoren zum Beispiel Schadstoffe in der Luft messen, stehen wir immer vor dem gleichen Problem der Auswertung von Massendaten und Mustererkennung. Wollen wir unsere Sensoren immer empfindlicher und selektiver machen, kommt es darauf an, Nuancen an ihnen und in der Auswertung zu verändern und zu sehen, ob sich dies zielführend auswirkt. Es gibt unzählige Möglichkeiten und Wege, die Sensoren zu verändern. Wir wollen die guten Wege schnell identifizieren, aber auch die schlechten Wege früh erkennen“, erklärt Professor Andreas Schütze. „Daher haben wir über lange Zeit und eine Vielzahl an Forschungsprojekten eine passende Software entwickelt. Sie hilft uns mit Methoden maschinellen Lernens dabei, Muster schnell zu erkennen, die Daten sauber auszuwerten und sie zu visualisieren“, erläutert er.

 

Weitere Informationen auf http://idw-online.de/de/news712608.