OpenLicht: KI-getriebener Smart-Lighting-Prototyp transformiert Raumbeleuchtung

Die deutsche Forschungsinitiative OpenLicht hat eine innovative Smart-Lighting-Lösung geliefert, die Open-Source-Software, Machine-Learning-Bibliotheken und erschwingliche Hardware nutzt, um Raumbeleuchtung autonom an die Aktivitäten der Bewohner anzupassen.

Aktuelle Smart-Lighting-Produkte wie Philips Hue und Osram Lightify bieten limitierte Automatisierung, typischerweise erfordern sie, dass Nutzer manuell Zeitpläne setzen oder Lichter via Smartphone-App steuern. Obwohl programmierbar, hängen diese Systeme noch von vorkonfigurierten Regeln ab und adaptieren nicht in Echtzeit an Nutzerverhalten.

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

Das OpenLicht-Projekt, gestartet im September 2016, zielte darauf ab, dieses Paradigma zu verschieben, indem es künstliche Intelligenz und Machine Learning in Smart Lighting integrierte. „Unsere dualen Ziele waren, KI-basierte Smart-Lighting-Forschung voranzutreiben und Spitzentechnologie für Startups und Maker zu demokratisieren“, sagte Projektkoordinator Juan Mena-Carrillo, R&D Manager für Smart Lighting bei Infineon Technologies.

Das kürzlich abgeschlossene Projekt wurde vom deutschen Bundesministerium für Bildung und Forschung (BMBF) gefördert mit Teammitgliedern Infineon, Bernitz Electronics, Deggendorf Institute of Technology und der Technischen Universität Dresden. Infineon und TU Dresden entwickelten die Machine Learning Applikation und Algorithmen. Deggendorf entwickelte die grafische Interface/App für das Projekt, und Bernitz war verantwortlich für Gateway und Kommunikation unter den Systemsensoren und Aktuatoren.

Smarter Prototyp

Das Flaggschiff-Ergebnis des Projekts ist ein voll funktionsfähiger Prototyp, bestehend aus einem KI-getriebenen adaptiven Software-Stack, einer benutzerfreundlichen grafischen Oberfläche und einem Raspberry-Pi-basierten zentralen Gateway, das Datenverarbeitung und Control-Aufgaben orchestriert. Der Prototyp moduliert Beleuchtung automatisch basierend auf Bewohnerposition und Aktivität – z. B. distincte Settings für Fernsehen schauen versus Lesen – und lernt individuelle Präferenzen über Zeit. Er kann auch auf neue Szenarien generalisieren, die er zuvor nicht begegnet ist.

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

Der Prototyp-Kern ist eine Open-Source Smart-Home Middleware, gebaut auf openHAB, einer vendor-agnostischen Plattform. Forscher erstellten custom openHAB Bindings für eine Suite von Sensoren – einschließlich Druck- und Radar-Module –, die Belegung und Bewegung detektieren. Sensordaten fließen durch diese Bindings in virtuelle „Items“, die dann an das Encog Machine-Learning Framework weitergeleitet werden.

Ein erstes neuronales Netz, trainiert auf Sensorstreams, inferiert die aktuelle Aktivität des Bewohners. Sein Output wird mit realen Beleuchtungsdaten gefused und in ein zweites, selbstlernendes neuronales Netz eingespeist, das sich kontinuierlich an Nutzerpräferenzen anpasst. Die resultierende Lampenkonfiguration wird via openHAB Bindings in Aktuator-Kommandos übersetzt.

Das Team richtete einen Demo-Raum ein, um das Prototyp-System zu evaluieren und Sensordaten für Training des neuronalen Netzes zu sammeln (Bild: Infineon Technologies/OpenLicht)

„Nutzer können Lampenfarbe und -intensität weiterhin manuell via UI, Schalter, Dimmer oder Fernbedienung anpassen. Wenn ein manueller Override erfolgt, zeichnet das System die neue Einstellung auf, mapped sie auf die detektierte Aktivität und Umgebungslicht, und retrainiert das neuronale Netz – priorisierend die frischen Daten – um zukünftige Vorhersagen zu verfeinern“, sagte Mena-Carrillo.

Privatsphäre-Problem

Sicherheit und Privatsphäre waren zentrale Herausforderungen. Das Team integrierte ein Infineon-deriviertes Trusted Platform Module (TPM), um kritische Daten zu sichern und gegen Manipulation zu schützen. Nach umfangreichen Nutzerinterviews identifizierte das Team Privatsphäre-Bedenken als Haupthindernis für Smart-Home-Adoption. Folglich setzt OpenLicht auf Edge AI, verarbeitet alle sensitiven Daten lokal, wodurch Privatsphäre gewahrt, Antwortzeiten beschleunigt und Abhängigkeit von Internetkonnektivität reduziert wird.

Open Source

OpenLichts Ambition, Technologie zu demokratisieren, spiegelt sich in seiner Abhängigkeit von Open-Source-Komponenten wider. Die Software erweitert openHAB, integriert die Open-Source Encog Library und basiert auf kosteneffektiver Hardware. Der gesamte Codebase – einschließlich Machine-Learning-Module, Knowledge Base und openHAB Bindings – wird bald auf GitHub verfügbar sein, was Industrie und Maker Community ermöglicht, die Plattform zu erweitern und anzureichern.

„Unser Open-Source-Release wird Nutzer befähigen, neue KI-Fähigkeiten in ihre openHAB Installationen einzuführen“, sagte Mena-Carrillo. „Diese Ergebnisse erlauben Nutzern nun, solche neuen KI-Funktionen und Features zu ihren openHAB Systemen hinzuzufügen.“

Während das Projekt seine primären Ziele erreichte, erkennt das Team an, dass weitere Verfeinerung für zuverlässigen Betrieb über alle Szenarien erforderlich ist. Die Open-Source-Natur von OpenLicht lädt zu fortgesetzter Kollaboration und Evolution von der breiteren Community ein.

>> Dieser Artikel wurde ursprünglich auf unserer Schwesterseite EE Times Europe veröffentlicht.