Wer sein Zuhause zum Smarthome umrüsten möchte, hat bisher zwei Alternativen: Entweder man kauft sich viele neue Gadgets, die dann manchmal mehr oder weniger gut miteinander kommunizieren. Oder man upgraded die alten Geräte mit Sensoren, um sie in einem selbstgebastelten Netzwerk zu verknüpfen. Ersteres ist teuer, zweiteres ziemlich aufwendig. Es könnte aber schon bald eine dritte Möglichkeit geben: Ein simples Gerät, das einfach mit der Steckdose verbunden wird und alle Gadgets automatisch zu einem Smarthome verbindet.
Genau das ist das Prinzip von Synthetic Sensors. Das Projekt der Carnegie Mellon University will den Sprung zum Smarthome so einfach wie möglich machen. Es stellte seinen Sensor bei der ACM CHI Computer-Konferenz vor. Er kann alle Umgebungsdaten erfassen, die notwendig sind, um nahezu jedes Haushaltsgerät smart werden zu lassen. Die ersten Ergebnisse des Prototypen sind beeindruckend.
Das Modul in der Steckdose wird mit seinen zehn Sensoren zu den Augen und Ohren des Raums. Es erfasst Geräusche, Luftfeuchtigkeit, elektromagnetische Störungen, Bewegung und Licht. Eine Kamera haben die Forscher bisher nicht eingebaut, um die Privatsphäre zu wahren. Mit einem Machine-Learning-Algorithmus erkennt das Gerät dann genau, was im Raum passiert.
Synthetic Sensors erinnert daran, den Ofen auszuschalten, oder findet heraus, dass der Hahn an der Spüle ein Leck hat. Außerdem kann es warnen, wenn ein Mitbewohner die Snacks aus dem Küchenschrank klaut.
An Sensoren dieses Typs wird bereits länger geforscht und jetzt sind sie dabei, ihren Weg in fertige Produkte zu finden. Erste Beispiele sind Nest, Sen.se und Notion. Ähnlich wie diese Systeme, versuchen die Forscher Geräte mit einzubinden, die eigentlich gar nicht smart sind. Synthetic Sensors geht einen Schritt weiter, indem es alle dafür notwendigen Sensoren in einem Gadget zusammenführt. Es ist wie eine Universalfernbedienung für Smarthomes. „Unsere Ursprungsfrage war: Können wir das alles von einem Punkt aus wahrnehmen?“, sagt Gierad Laput, der Leiter des Projekts.
Weil die dafür notwendigen Sensoren immer kleiner und besser geworden sind, war das Sammeln der Daten leicht. Die Herausforderung war, sie zu interpretieren. Laput will den Menschen dabei helfen, Fragen über ihre Umgebung zu beantworten: Wie viel Wasser verbrauche ich im Monat? Hat jemand unbefugt meine Wohnung betreten? „Dem durchschnittlichen Nutzer ist es egal, ob wir die elektromagnetischen Strahlen seiner Kaffemaschine als Spektrogramm darstellen können“, sagt Laput. „Er will wissen, ob sein Kaffee fertig ist.“
Mit den gesammelten Daten weisen die Forscher jedem Gegenstand und jeder Aktion eine eigene Signatur zu. Wird der Kühlschrank geöffnet, gibt es eine eindeutige Signatur: ein knackendes Geräusch, Licht und Bewegung. Für die Sensoren hebt sich solch ein alltäglicher Vorgang völlig von anderen, etwa einem tropfenden Wasserhahn, ab.
Laput und sein Team haben ihr Gadget mit einem Machine-Learning-Algorithmus darauf trainiert, viele unterschiedliche Signaturen gleichzeitig zu erkennen. Entscheidend dafür ist, viele verschiedene Sensoren zu haben, sagt Irfan Essa, Direktor des Interdisziplinären Forschungszentrums für Machine Learning: „Wir ziehen alle Rückschlüsse aus den Daten. Wenn wir nur einen Sensor hätten, wären die Unterschiede nur schwer zu erkennen.“
„Dafür zu sorgen, dass ein Machine-Learning-System in unterschiedlichen Situationen zuverlässig funktioniert, ist ein komplexes Problem“, sagt Anthony Rowe. Er forscht als Senior-Experte an der Carnegie Mellon University. Umgebungen mit Menschen sind besonders schwierig. Ein Universalsensor muss viele Nuancen erkennen. Ein Beispiel: Handelt es sich bei diesem Objekt um eine Kaffemaschine oder einen Mixer? Und was passiert, wenn die beiden Geräte den Platz tauschen? Wird dann noch ein neues Gadget hinzugefügt, kann plötzlich das gesamte System versagen.
Nur durch Tests mit echten Menschen kann das System robuster werden. Der Machine-Learning-Algorithmus muss jetzt in der Praxis weiterlernen. „Eine einfache Lösung wird sein, ein Interface zu entwickeln, das Nutzern die Möglichkeit gibt, den Sensor auf Probleme hinzuweisen“, sagt Rowe. Beim Prototypen der Carnegie Mellon University geht das bisher noch nicht.
Das eigentlich Ziel für den Synthetic Sensors ist, ihn in bereits existierende Smarthome-Hubs einzubauen, damit diese in Zukunft auf Kameras verzichten können. So könnte ein Smarthome entstehen, das mehr über die Wohnung weiß, als die Menschen in ihr, ohne dass dabei ständig eine Kamera alles filmt.
