Ziel: Assistenzsystem
Beschreibung von Arbeitsinhalt und -aufwand der Arbeitsschritte
- Konzeptionierung des AS auf mobilen Endgeräten
Es wird ein Konzept für das Datenmanagement, grafische Nutzeroberfläche (GUI) und der zugehörigen Schnittstellen erstellt. Im Umfeld einer mobilen Applikation, die darüber hinaus auch in Bewegung genutzt wird, ist besonderer Wert auf einfache und intuitive Nutzung zu legen, die sich mit wenigen Augenblicken dem Nutzer erschließt. Zudem muss das Datenmanagement und die Reaktion des darüber liegenden App-Layers so gestaltet werden, dass die App bedienbar bleibt, auch wenn im Hintergrund große Datenmengen gestreamt werden und auch dann, wenn der Datentransfer nicht wie vorgesehen funktioniert. - Erstellung der Alpha-Version des AS (Meilenstein 1)
a
Erstellen des funktionsfähigen Prototypen
Der Prototyp wird als Minimum Viable Product (MVP) entwickelt, um die grundsätzliche Vorgehensweise zu demonstrieren. Die Produktivschnittstellen zum Streamingserver werden dabei noch nicht realisiert, es wird mit statischen Labordaten gearbeitet.
b
Entwicklung einer intuitiven UX und Überführung des Prototypen
Der Prototyp wird in diesem Schritt mit einer intuitiven Benutzerschnittstelle versehen, die auf die besondere Nutzungssituation Rücksicht nimmt; der mobile Client muss intuitiv und natürlich in Bewegung bedienbar sein und visuelle und ggf. haptische Rückmeldungen zu den Nutzereingaben geben. - Integration der IP und der AR-Lösung in das AS
a
Implementieren der Schnittstellen sowie des Datenhandlings und Cachings
Der IP Algorithmus wird in die App integriert, so dass der für die AR-Visualisierung erforderliche örtliche Kontext vor allem auch in Innenräumen in hinreichender Genauigkeit vorliegt. Zudem werden die Streaming-Serverdienste über die definierten Schnittstellen anstelle der Labordaten angesprochen, damit die kontextspezifischen Daten in Abhängigkeit vom Standort verlässlich getriggert werden können und der Content im korrekten Kontext gestreamt und vom AS dargestellt werden kann. Ggf. wird im AS ein Cache realisiert, der die Streamingdaten empfängt und harmonisiert an das Userinterface weiterleitet, um eine maximal „flüssige“ Darstellung der AR-Streaming-Daten sicherzustellen.
b
Fortlaufende Visualisierung der dynamisierten Daten in der App als AR-Szene
Die Synchronisierung und Darstellung verschiedener AR-Streams in Abhängigkeit vom Userkontext muss gemanaged werden. In Abhängigkeit von Bewegung und Verweildauer müssen vom AS verschiedene Streams entsprechend getriggert werden können, damit das jeweils fokussierte Objekt mit Priorität ausgeliefert wird. - Entwicklung des IoT-Moduls zur Bereitstellung der Daten der IoT-Sensoren und Integration der IoT-basierten Echtzeit-Sensordaten in das AS
Es wird eine Lösungsarchitektur entwickelt, welche es ermöglicht Sensordaten über das 5G Netz in die Cloud zu übertragen. Dazu wird spezifiziert, welche Daten für das Projekt relevant sind und ein entsprechender Sensor ausgewählt. Auf der Cloud Seite wird von IOX eine Infrastruktur mit Broker und IoT Device Management bereitgestellt, welche die Sensordaten speichern und für den Zugriff vom mobilen Gerät bereitstellt.
Ergebnisse und Risiken; Meilensteine mit Abbruchkriterien
- Konzept für ein AS auf mobilen Endgeräten mit zugehörigen Schnittstellen
- Alpha-Version des Basis-AS (Meilenstein 1)
- AS mit integriertem IP und AR-Visualisierung
- IoT-Modul zur Bereitstellung der Daten der IoT-Sensoren und Integration in das AS
Meilenstein 1
Alpha-Version des AS erfolgreich erstellt
Meilenstein 2
IoT-Modul erfolgreich erstellt
Risiken/Folgen
Die Vielzahl der verfügbaren mobilen Endgeräte wird in der Praxis eine besondere Herausforderung darstellen. Es muss die ideale Balance zwischen der rechenintensiven Arbeit auf dem mobilen Endgerät und der Datenübertragung und Latenz des Netzes bei dezentraler Berechnung gefunden werden. In jedem Falle bedarf es trotz der Auslagerung der Prozessierungen (z.B. der Rendering-Prozesse) zu dedizierten Serverprozessen einer hinreichenden Leistungsfähigkeit des mobilen Endgerätes. Es besteht das Risiko, dass die Leistungsfähigkeit nicht ausreichend ist. In diesem Fall müssen die Algorithmen optimiert werden und ggf. je nach Leistungslevel des verwendeten Endgerätes und Geschwindigkeit und Stabilität des Netzes unterschiedliche Rendering-Qualitäten geliefert werden, um eine flüssige Visualisierung zu gewährleisten. Weiterhin ist die Orchestrierung des Streaming-Fokus sowie das Cache-Management ein Faktor, der die Nutzbarkeit entscheidend beeinflusst, denn hier muss das Datenstreaming sensibel mit den Nutzerbewegungen abgestimmt werden.
Es besteht das Risiko, dass die Latenz der Daten vom Sensor in die Cloud und von dort zum mobilen Endgerät nicht in der gewünschten Echtheit mittels NB-IoT übertragen werden kann. In diesem Fall könnte man, passende 5G-Sensorardware im Bereich uRLLC suchen und integrieren. Bei der Verwendung von uRLLC kann es sein, dass die Gebäudedurchdringung des 5G Netzes nicht in alle Bereiche des Gebäudes reicht. In diesem Fall wäre die Echtzeitfähigkeit mit dem Nutzerbedarf abzustimmen und balancieren (Echtzeit vs. Datenverfügbarkeit).
