KI unterstützt Forschungsprojekt zu intelligenter Beleuchtung

Das deutsche Forschungsprojekt OpenLicht hat erfolgreich ein intelligentes Beleuchtungssystem entwickelt, das auf Open-Source-Software und Bibliotheken für maschinelles Lernen sowie kostengünstiger Hardware basiert und die Beleuchtung in einem Raum automatisch an die Aktivitäten des Benutzers anpasst.

Heutige Smart-Lighting-Lösungen basieren auf intelligenten Glühbirnen wie Philips Hue und Osram Lightify. Sie bieten zwar einige intelligente Funktionen, erfordern jedoch in der Regel eine manuelle Steuerung durch den Benutzer über eine Smartphone-App. Einige können programmiert werden (zum Beispiel zum Ein- und Ausschalten zu bestimmten Zeiten), aber die Regeln müssen immer noch manuell eingerichtet werden, damit die grundlegende Beziehung zwischen Benutzer und Beleuchtungssystem nicht durch eine intelligentere Gestaltung verändert wird.

Heutige Smart-Lighting-Systeme müssen immer noch manuell vom Benutzer eingerichtet werden. Das Projekt OpenLicht
hat einen Prototyp für ein intelligenteres Beleuchtungssystem entwickelt (Bild:Infineon Technologies/OpenLicht)

Das Projekt OpenLicht, das im September 2016 gestartet wurde, wollte dies ändern, indem es intelligente Beleuchtung um künstliche Intelligenz und maschinelle Lerntechniken ergänzte. „Das Projekt hatte zwei Hauptziele:einerseits die Forschung und Zusammenarbeit von KI-basierten Smart-Lighting-Systemen weiter voranzutreiben und andererseits modernste Technologie für alle zugänglich zu machen, auch für Startups und den Hersteller Community“, sagte Projektkoordinator Juan Mena-Carrillo, F&E-Manager für intelligente Beleuchtung bei Infineon Technologies.

Das kürzlich abgeschlossene Projekt wurde vom Bundesministerium für Bildung und Forschung (BMBF) mit den Teammitgliedern Infineon, Bernitz Electronics, der Technischen Hochschule Deggendorf und der TU Dresden gefördert. Infineon und die TU Dresden haben die Anwendung und Algorithmen für maschinelles Lernen entwickelt. Deggendorf entwickelte die grafische Oberfläche/App für das Projekt, Bernitz war für das Gateway und die Kommunikation zwischen den Sensoren und Aktoren des Systems verantwortlich.

Intelligenter Prototyp

Das Hauptergebnis des Projekts war ein Prototyp eines auf KI basierenden intelligenten Beleuchtungssystems, einschließlich eines adaptiven Softwaresystems mit einer grafischen Oberfläche (App) und einem Raspberry Pi-basierten zentralen Hardware-Gateway, das die Datenverarbeitung und alle Steuerungsaufgaben übernimmt. Das Prototypsystem passt die Beleuchtung in einem Raum automatisch an die Position und Aktivität des Benutzers an; dies können beispielsweise unterschiedliche Einstellungen für Fernsehen und Lesen sein. Das System lernt die Präferenzen des Benutzers und reagiert entsprechend. Bis zu einem gewissen Grad kann es auch auf Situationen reagieren, die es noch nicht kennengelernt hat.

Das Open-Source-Hardware-Gateway basiert auf einem Raspberry Pi mit einer Erweiterungsplatine. Es gibt auch eine miniaturisierte Version, basierend auf einer Mikrocontroller-Architektur, die jedoch eine Verbindung zu einem OpenLicht-Gateway erfordert (Bild:Infineon Technologies/OpenLicht)

Die zentrale Komponente des Prototyps ist seine Open-Source-Smart-Home-Middleware, die auf openHAB basiert, einer hersteller- und technologieunabhängigen Open-Source-Softwareplattform für die Heimautomatisierung. Die Projektforscher entwickelten openHAB-Bindungen für die verschiedenen Sensoren, einschließlich Druck- und Radarsensoren, die in einem Raum platziert werden, um Anwesenheit und Bewegung zu erkennen. Die Sensoren schieben ihre Daten an die entsprechenden Bindings, die die realen Sensoren mit dem openHAB-System verbinden und die Daten an „Items“ liefern – virtuelle Darstellungen von Sensoren und Aktoren. Wenn Änderungen an den Elementen auftreten, werden diese Änderungen an das Open-Source-Framework für maschinelles Lernen Encog gesendet.

Ein auf Sensordaten trainiertes neuronales Netz verarbeitet die Veränderungen und erkennt die aktuelle Aktivität des Benutzers. Seine Vorhersage wird mit Daten zu den natürlichen Lichtverhältnissen kombiniert und die Informationen in ein zweites neuronales Netz eingespeist, das selbstlernend ist und sich während der Nutzung an die Vorlieben der Nutzer anpasst. Anhand der ihm zugeführten Daten ermittelt das zweite neuronale Netz die passende Konfiguration für die Lampen im Raum. Diese Konfiguration wird dann in Lampenbefehle umgewandelt, die über Aktorelemente und Bindungen an die realen Lampen gesendet werden.

Das Team richtete einen Demoraum ein, um das Prototypsystem zu evaluieren und Sensordaten für das Training des neuronalen Netzes zu sammeln (Bild:Infineon Technologies/OpenLicht)

„Ein Benutzer kann die Farbe und Lichtstärke von Lampen jederzeit über eine Benutzeroberfläche, einen Schalter, einen Dimmer oder eine Fernbedienung anpassen, wenn er oder er nicht zufrieden ist“, sagt Mena-Carrillo. „Das System erkennt die Veränderung und bildet die neue Konfiguration auf das natürliche Licht und die Aktivität ab, die im Moment der Anpassung erkannt und gemessen werden. Diese Abbildung wird dann verwendet, um das neuronale Netz neu zu trainieren, indem es [die neue Abbildung] mit den alten Daten kombiniert wird. Allerdings erhalten die neuen Daten im Umschulungsprozess ein höheres Gewicht als die alten Daten.“

Datenschutzproblem

Zu den wichtigsten Herausforderungen für das Projekt gehörten die damit verbundenen Fragen der Sicherheit und des Datenschutzes. Zum Schutz vor Hackerangriffen durch Verschlüsselung und Schutz der Systemintegrität wurde ein hardwarebasiertes Trusted Platform Module (TPM) von Infineon integriert. TPMs sind Sicherheitschips, die auf einem internationalen Standard für sichere Prozessoren basieren, die zum Speichern kritischer Daten wie Passwörter und Verschlüsselungsschlüssel sowie zum Ausführen von Verschlüsselungsalgorithmen verwendet werden.

„Nach Interviews mit vielen Endnutzern haben wir festgestellt, dass die Frage der Privatsphäre eine der größten Hürden für die Akzeptanz von Smart-Home-Systemen ist“, sagt Mena-Carrillo. Daher wurde entschieden, dass das OpenLicht-System KI am Edge verwenden würde; das heißt, die Daten der Nutzer werden innerhalb des Smart-Home-Systems und nicht in der Cloud verarbeitet. Die Technik schützt die Privatsphäre der Benutzer, da sensible Daten nur lokal verarbeitet werden. Es ermöglicht im Allgemeinen auch schnellere Reaktionszeiten und reduziert oder eliminiert die Notwendigkeit einer Internetverbindung.

Open Source

Eines der Hauptziele des OpenLicht-Projekts war es, die Technologie der Industrie und der breiten Öffentlichkeit zugänglich zu machen. Die gesamte Software basiert auf Open-Source-Technologien:Die Ergebnisse werden als Erweiterungen für openHAB umgesetzt und die Open-Source-Bibliothek für maschinelles Lernen Encog für den Einsatz im Projekt angepasst. Auch der Einsatz kostengünstiger Hardware wurde bewusst gewählt, um diese zugänglich zu machen. Die aus dem Projekt resultierende Software selbst wird in Kürze als Open Source bereitgestellt.

„Jeder kann unsere Softwareergebnisse nutzen und das Tolle daran ist, dass unser System um neue Features und Funktionen erweitert werden kann“, sagt Mena-Carrillo. „Diese Ergebnisse ermöglichen es Benutzern nun, ihren openHAB-Systemen solche neuen KI-Funktionen und -Features hinzuzufügen.“

Die gesamte OpenLicht-Software wird „sehr bald“ auf GitHub verfügbar sein, einschließlich der Machine-Learning-Software, der Wissensdatenbank und der openHAB-Bindungen, fügte er hinzu. Obwohl das Projekt beide Hauptziele erreichte, gab Mena-Carrillo zu, dass das Team auch erkannte, dass noch viel zu tun ist, bevor ein solches System unter allen Umständen zuverlässig funktioniert. Angesichts des Open-Source-Charakters des Projekts hoffen die Entwickler von OpenLicht, dass es sich weiterentwickeln wird, sobald die Industrie und die Maker-Community Zugang dazu erhalten.

>> Dieser Artikel wurde ursprünglich veröffentlicht am unsere Schwesterseite EE Times Europe.