36C3 Intro Herald: And now to our next Speaker. Und jetzt geht es zu unserem Speaker, der jetzt sprechen wird, und zwar ist das Felix Erdmann. Felix Erdmann ist Entwickler bei re:edu, einem Spin-off des Institutes für Geoinformatik der Universität Münster, an dem Ideen und Projekte Produkte rund um Themen wie digitale Bildung und Open Source entwickelt werden. Und heute stellt uns Felix das Projekt senseBox vor. Ein DIY Citizen-Science-Baukasten, mit dem offene Sensordaten erfasst und auch in die Welt geworfen werden können. Und was man damit alles so anstellen kann, das erzählt er euch natürlich am besten selber. Begrüßt also deshalb mit einem ganz warmen Applaus: Felix Erdmann. Applaus Felix: Hallo zusammen. Vielen Dank, dass ihr alle da seid. Vielen Dank für die schöne Einleitung. Da habe ich ja schon fast meine erste Folie durch . Das war ein schöner Überblick. Ich spreche über offene Sensordaten, die jeder erheben kann mithilfe von Open Source, Open Hardware und Open Educational Resources. Im Prinzip geht es darum, das SenseBox-Projekt der Uni Münster, was vor einigen Jahren gestartet ist und in dem wir mit kleinen Arduino Baukästen Sensordaten erheben und damit einmal in den Citizen-Science- Bereich gehen und andererseits auch die digitale Bildung fördern wollen. Kurz zu mir: mein Name ist Felix Erdmann. Ich war bereits 2012 Schülerpraktikant am Institut für Geoinformatik, hatte da quasi den ersten Anhaltspunkt oder die erste Berührung mit der Geoinformatik und auch mit Sensoren, mit der Sensorik. Ich habe da mit Arduinos, mit einem GPS Sensor und mit verschiedenen Sensoren, also Umweltsensoren, Umweltdaten erhoben und habe dieses kleine Modul quasi auf eine Drohne geschnallt und das war mein erster Berührungspunkt mit der Geoinformatik. Hab dann nach dem Abitur Geoinformatik im Bachelor und Master studiert, hab den Masterstudiengang dieses Jahr abgeschlossen und bin inzwischen Mitarbeiter bei re:edu und wir entwickeln das SenseBox-Projekt weiter. Und als Bachelor war ich dann auch schon studentische Hilfskraft in diesem Projekt. Was ist die senseBox? Vielleicht einmal kurz Handzeichen: wer hat davon schon mal gehört, wer hat eine? Ja, so'n paar. Die senseBox ist ein DIY-Toolkit für stationäre und mobile Sensorstationen. Das basiert auf Open Hardware, im Speziellen auf der Arduino Plattform. Wir haben verschiedene Versionen der SenseBox entwickelt, vertreiben die, um verschiedene Bereiche abzudecken. Also einmal der Bereich Citizen Science, wo jeder Bürger irgendwie zum Wissenschaftler werden kann, je nachdem, wo seine Interessen sind und wo seine Stärken sind. Der andere Bereich ist die digitale Bildung. Wir wollen vor allem in die Schulen und Bildungseinrichtungen gehen, um da irgendwie den Schülerinnen und Schülern zu zeigen, dass die Digitalisierung, dass das Programmieren im Speziellen gar nicht so schwierig ist, wie sich das vielleicht anhört und da so ein kleines Grundverständnis schon mal schaffen, um da dann irgendwie eine Plattform für die Zukunft zu schaffen. Das zweite Produkt ist die openSenseMap, das eine offene Plattform, die im Internet läuft. opensensemap.org. Da kann jeder, wenn er denn möchte, seine Sendestation registrieren, seine Daten dahin hochladen und dann seine Messdaten auch anschauen. Da haben wir verschiedene Visualisierungstools und damit kann man dann sehen, was man auch gemessen hat bzw. was andere Nutzer messen. Der eine Bereich, wie ich schon gesagt habe, ist Citizen Science. Da kann jeder, je nach seinen Möglichkeiten, zum Wissenschaftler werden oder an der Wissenschaft teilnehmen. Da gibt es verschiedene Levels, die da bestimmt wurden. Das unterste Level ist quasi, dass der Nutzer einfach nur als Datenerfasser dient -- also er sammelt irgendwie Daten und stellt die dann bereit -- bis hin zum höchsten Level, dass die Nutzer nicht nur die Daten sammeln, sondern auch damit Analysen anstellen, damit vielleicht auch irgendwie wissenschaftliche Publikationen erstellen, um aus den Daten dann wirklich was zu machen. Und genau für diesen Usecase haben wir die senseBox Home entwickelt. Auf diesem Bild ist das in Sao Paulo. Das ist eine ziemlich einfache Plug and Play Sensorstation. Man muss eigentlich nur alles zusammenstecken, USB-Kabel dran stecken, den Source Code heraufladen und dann kann man es auf seinen Balkon schnallen -- oder wo auch immer man das in seinem Garten stehen haben möchte -- und kann da dann Umweltdaten sammeln. Die Daten können dann über WLAN, Internet oder Lora beispielsweise ins Internet übertragen werden. Dazu gibt's dann das Äquivalent für die digitale Bildung, das nennt sich die senseBox:edu. Im Prinzip sind es die gleichen Komponenten. Wir haben einmal den Mikrocontroller, der da drin ist und dazu noch verschiedene Sensoren. Üblicherweise ist das Temperatur, Luftfeuchtigkeit, Luftdruck, UV-Strahlung, Helligkeit und als Zusatzoptionen kann man auch noch den Feinstaub messen mit 'nem SDS-Sensor. Kennen vielleicht einige. Und was sich da unterscheidet, dass die senseBox:home eher so Plug and Play hat. Man muss alles verbinden, und dann läuft alles. Bei der senseBox:edu ist es ein bisschen anders, da muss man, also kann man auch alles zusammenstecken. Da sind aber noch ein paar mehr Komponenten drin. Da haben wir noch LEDs, weitere Sensoren, Drehregler, Buttons, 'n Display. Das kann man dann alles manuell anschließen und dann verschiedene verschiedene Projekte ermöglichen und die Box an sich programmieren. Dazu haben wir dieses Progammiertool von Google genommen. Das nennt sich Blockly. Da kann man wie in scratch einfach Puzzleteile zusammen ziehen, kann da verschiedene Werte eingeben und anhand dieser Puzzle- Oberfläche kann man dann seinen Quellcode ziemlich einfach zusammenstellen. Und das ist dann eher für die jüngeren Schüler gedacht, die wirklich noch gar keine Erfahrungen mit dem Programmieren haben, die können damit super einfach, ziemlich schnell den ersten Quellcode zusammenschreiben. Für die etwas erfahreneren Schülerinnen und Schüler: die können natürlich auch den Quellcode an sich selber schreiben, wie wir das hier auf der rechten Seite sehen. All das basiert, wie ich schon gesagt habe, auf Open Hardware. Wir haben unser eigenes Modul entwickelt, basierend auf einem Arduino, die senseBox MCU. Der Grund, warum wir das gemacht haben, ist, dass wir mit dem Arduino UNO, mit dem wir begonnen haben, dass man da gar nicht alle Sensoren auf einmal abrufen kann und den Code auch wirklich hochladen kann. Da war der Speicherplatz irgendwann zu gering. Deswegen sind wir irgendwan auf dieses Modul umgestiegen. Da haben wir verschiedene Anschlüsse, I2C-Anschlüsse, analoge, digitale und serielle Ports mit Steckkarten, die man nur in einer Richtung anschließen kann, damit da auch irgendwie kein Kurzschluss in den Sensoren entsteht und damit man dann auch ziemlich einfach seine erste Sensorstation aufbauen kann. Dazu haben wir zwei Xbee Ports, an den man seine Daten übertragen kann, sei es über WLAN, Ethernet, Lora-WAN oder über einen SD-Modul speichern, dass man das quasi auch alles offline machen kann und sich dann die Daten auf die SD-Karte speichern kann und dann zu Hause auslesen kann. Die ganzen Schaltpläne, die Gerber Files und die Libraries sind alle offen, sind frei verfügbar auf GitHub und das heißt, jeder, der die Möglichkeiten hat, kann sich dann dieses Board, wenn er denn will, selber zusammenlöten. Wie schon gesagt habe, die openSenseMap ist das Rückgrat vom senseBox-Projekt. Hier kann jeder seine senseBox registrieren, kriegt dann einen Quellcode zugeschickt und kann da seine Messdaten hochladen. Wie man hier sieht auf der Karte, sind wir jetzt auf der ganzen Welt so grob gesagt vertreten. Das meiste natürlich jetzt in Deutschland und in Europa. Aber es gibt schon irgendwie an den verrücktesten Orten senseBoxen, die ihre Daten auf diese Plattform schicken, und dass man sich die dann von überall anschauen kann. Dazu gib'ts erst mal so eine kleine Analyse bzw. eine kleine Visualisierung der Messwerte. Wenn man dann auf eine Station klickt, sieht man Details, sieht man Informationen und Diagramme zu der Box. Also wenn jetzt einer zum Beispiel ein Bild hochgeladen hat, sieht man das, sieht die Temperatur und den Temperaturverlauf von der Box. Wie schon gesagt, ist bei uns ja alles irgendwie Open und so ist es auch die openSenseMap. Es können nicht nur senseBoxen ihre Daten zur openSenseMap schicken, sondern jeder. Also wenn man jetzt zum Beispiel 'nen ESP hat oder 'nen Raspberry Pi: auch die alle können irgendwie ihre Umweltdaten zur openSenseMap schicken. Wir haben da eine offene API, eine Rest-Schnittstelle, die die ganzen Daten annimmt. Einige Beispiele sind eine selbstgebaute Watt Box, die wir mal im Wattmeer ausprobiert haben, um jetzt die Strömungsgeschwindigkeit und Strömungsrichtung während der Flut zu messen. Die Geräte von luftdaten.info können auch relativ einfach aktiviert werden und dass ihre Daten auch zur openSenseMap schicken. Dann gibts ausgefallene, selbstgebaute Stationen, die jetzt irgendwie im Garten stehen und noch irgendwie Regen, Windgeschwindigkeit und Windrichtung messen. Geräte von smartcitizen.me können ihre Daten dahin schicken, senseBox oder, wie gesagt selbstgebaute Stationen. Dabei ist man auch nicht auf irgendwelche Phänomene beschränkt. Man kann wirklich alles mögliche Temperatur, Luftfeuchtigkeit, irgendwie Lautstärke, irgendwelche Gase, all das, was man ausmessen kann, kann man auch einfach zu uns hochladen. Der Quellcode ist auch alles frei verfügbar auf GitHub. Das ist einmal der Sketch, bzw. der Code, der auf dem Arduino läuft, auf der senseBox MCU, das openSenseMap Front- und Backend und jegliche Services, die wir dazu entwickelt haben können abgerufen werden. Da kann sich der Source Code angeschaut werden. Die Webseite, Lehrmaterialien -- all das ist alles auf GitHub verfügbar. Und unsere API ist, wie gesagt, auch offen: jeder kann seine Daten da hochladen. Unsere Lehrmaterialien sind als Open Educational Resources verfügbar. Vor allem für Lehrerinnen und Lehrer oder für irgendwelche Bildungsinstitutionen. Weil die Hürde für den Einstieg, um die senseBox im Unterricht beispielsweise zu nutzen, ist oft relativ hoch. Viele kennen sich damit nicht aus, haben auch keine Zeit, sich da wirklich einzuarbeiten. Und wir wollen, dass damit der Einstieg in die digitale Bildung ein bisschen einfacher wird. Wir haben da hier verschiedene Projekte zu entwickelt und an denen man sich so ein bisschen entlanghangeln kann. Da wird dann Theorie und Praxis irgendwie erläutert. In diesem Beispiel ist das hier so ein Verkehrszähler. Wir haben den Ultraschall-Distanzsensor mit in der senseBox:edu. Damit kann man Distanzen messen und in diesem Beispiel wird dann an der Theorie gezeigt, oder es wird erstmal eine Problemstellung gesagt, eine Aufgabe. Dann gibt's Anleitung, Schritte, wie man den Sensor verbindet, wie man den ausliest und was man noch mit den Daten machen kann. Ein Beispiel, das wurde an meiner Schule genutzt. Da haben dann die Schülerinnen und Schüler einmal die Menge des Verkehrs vor der Schule gemessen. Die sind dann rausgegangen an die Straße und haben irgendwie in einer Viertelstunde gemessen, wie viele Autos wirklich vor der Schule herfahren. Damit können dann auch irgendwelche Probleme mit Fakten wirklich belegt werden. Also wenn man jetzt zum Beispiel sagt: "Bei uns ist viel zu viel Verkehr" aber keiner will das wirklich sehen. Dann kann man einmal wirklich damit ziemlich einfach, ziemlich schnell die Daten messen und damit auch wirklich etwas bewirken. Nochmal kurze Timeline: Für mich persönlich ging das senseBox-Projekt grob gesagt schon 2012 los als ich als Schüler Praktikant an der Uni war und da wurde die erste Version, quasi noch die ersten Prototypen, wurden da schon in der Lehre und Forschung eingesetzt. Also alles noch auf einem Arduino UNO basierend mit verschiedensten Sensoren, die dann ausprobiert wurden. Ich hab da, wie gesagt, so'n Kit auf eine Drohne geschnallt. Richtig los ging es dann ab 2016. Wir haben neue Förderung vom BMBF, dem Bundesministerium für Bildung und Forschung, erhalten und haben in dem Rahmen viel gemacht, viel entwickelt und ganz verschiedene Ergebnisse herausbekommen. Einerseits wurde die openSenseMap weiterentwickelt, haben da irgendwie verschiedene Module mit eingepflegt, das man Interpolation machen kann, um auch die Sensordaten zu schätzen zwischen verschiedenen Sensoren beispielsweise die Temperatur. Hardware- mäßig wurden verschiedene Experimente gemacht. Wir haben mit einem 3D-Drucker versucht, Temperatur-Gehäuse zu bauen, um da die Sonneneinstrahlung zu schützen. Auf der Zugspitze haben wir die senseBox unter extremen Bedingungen getestet: bei super kalten Temperaturen, bei viel Schnee, um zu schauen, was dann wirklich passiert. Und das war das Projekt, was jetzt auslief. Und jetzt ziemlich neu gibt's ein neues Projekt, nennt sich sensebox Pro, wird wieder vom BMBF gefördert, läuft auch wieder drei Jahre. Und da wollen wir dann eher die professionellen Anwender irgendwie ansprechen und auch teure Sensoren mal ausprobieren. Bisher ist alles noch im low-cost-Bereich und die Sensoren sind zwar für den Einsatzgebiet schon mal ganz nett und ganz schön, aber wirklich professionelle Nutzer können damit nicht wirklich etwas anfangen. Das heißt, wir müssen da verschiedene Sensoren ausprobieren und vielleicht auch irgendwie die Industrie mal anzusprechen und zu schauen, ob die da vielleicht Interesse daran haben. Softwareseitig wird dann auf der openSenseMap noch verschiedene Analysemethoden angezeigt, damit man die Daten auch noch besser vergleichen kann und noch besser auswerten kann. Wir haben uns irgendwann mal gefragt: es ist ein Citizen-Science-Projekt, das heißt Open Science, und wir wollen irgendwie, dass die Daten auch reproduzierbar sind. Aber wir haben uns gefragt: wer nimmt eigentlich wirklich daran teil? Wir sagen ja, jeder kann mitmachen, jeder kann verschiedene Aufgaben übernehmen. Aber was sind das eigentlich für Leute, die bei uns mitmachen? Wir haben dann im Rahmen einer Masterarbeit eine Umfrage gemacht und einmal geschaut: wer sind die Teilnehmer? Es sind auf jeden Fall größtenteils Männer, wer hätte das gedacht, und das Alter ... so zwischen 30 und 55, würde ich sagen, ist so der Großteil. Was interessant ist ist, dass viele Teilnehmer einen akademischen Hintergrund haben. Also die haben irgendwie einen Bachelor, Master oder sogar ein Diplom. Aus diesem Bereich kommen super viele Teilnehmer. Wir dachten eher so im citizen-science-Bereich kann jeder mitmachen. Offensichtlich interessieren -- ich weiß nicht ob sich dafür die meisten interessieren oder ob die Hürden dafür zu groß sind. Auf jeden Fall sind's größtenteils Akademiker, die an dem Projekt teilnehmen. Vielleicht noch als Hintergrund: die Nutzer, die wir befragt haben, sind alle Nutzer, die auf der openSenseMap registriert sind. Das sind also alle die Leute, die wahrscheinlich einmal eine Station angemeldet haben und Daten hochgeladen haben. Sind jetzt aber nicht Leute, die unbedingt die Daten einfach nur runterladen. Die können wir halt nicht erfassen. Was ist die Motivation der Teilnehmer, an dem Projekt mitzumachen? Grob kann man sagen, dass alle gerne irgendwie Umweltdaten messen, die gerne sammeln und auch uns gerne zur Verfügung stellen. Das heißt, sie wollen sie nicht nur für sich haben, sondern möchten sie gerne teilen, um damit vielleicht auch irgendwie politische Entscheidung auf den Weg bringen zu können. Also im Bereich Kommunikation: man möchte irgendwie gerne die Community supporten, möchte irgendwie, man kann irgendwie helfen, um da Probleme zu lösen. Man möchte vielleicht auch andere Leute dazu überreden, da mitzumachen. Aber wirklich Leute kennenlernen, vor allem persönlich, irgendwie war das nicht so das Ziel. Und viele sind der Meinung, dass mit den Daten mehr gemacht werden soll, es sollen da schöne Analysen mit gemacht werden. Aber der letzte Punkt, dass man irgendwie selbst an dem wissenschaftlichen Prozess teilnimmt, also die Daten analysiert oder vielleicht sogar eine Publikation schreibt... Nein, danke! Und das sieht man auch an dem Hauptnutzen der openSenseMap. Die meisten wollen irgendwie ihre Daten hochladen, Daten messen und irgendwie allgemein am Projekt teilnehmen, schauen sich aber letztendlich einfach nur ihre Daten an, erstellen Diagramme oder managen ihre Boxen, also fügen irgendwie Sensoren hinzu. Genau. Eine Analyse der Daten über eine Interpolation zum Beispiel ist ziemlich weit unten. Das wird gar nicht so stark genutzt. Wir sammeln ziemlich viele Daten, also wir sind schon im Big-Data- Bereich, kann man so sagen. Wir haben über 5700 registrierte Boxen. Auf unserer Plattform kommen 5000 bis 6000 Messungen pro Minute rein und wir haben über 3,9 Milliarden gespeicherte Messungen in unserer Datenbank. Und jeder kann alle Daten, kann seine Daten nicht einfach hochladen, sondern jeder kann sie auch herunterladen und verarbeiten. Das ist eigentlich kein Problem. Wir speichern halt nur die Rohdaten, also es wird keine Validierung der Daten gemacht, um halt wirklich die Daten zu bekommen, die die Nutzer auch messen. An dem ganzen Projekt, vor allem in der Infrastruktur, gibt's dadurch auch einige Probleme. Wir haben ziemlich hungrige Server, die laufen aktuell in der Cloud gerade noch bei AWS. Es wird aber bald auf das openstack der Uni Münster umgezogen, und die Maschinen benötigen ziemlich viel RAM und ziemlich viel Speicher, weil es auch super viele Daten immer reinkommen. Die Datenbank ist eine MongoDB, da haben wir 4 Collections drauf, und da haben wir quasi das Problem, weil es eine riesen Datenbank ist, dass das Indexing und das Abrufen von Statistiken super lange dauert, weil halt quasi die ganze Tabelle durchgegangen werden muss, um da irgendwie die Daten einmal zu erfassen bzw. da Statistiken zu errechnen. Und das ist quasi ein Grund, weil wir die ursprüngliche Architektur bisher beibehalten. Das ist aus einer Bachelorarbeit entstanden, da hat man prototypisch das erst mal aufgesetzt, und irgendwie ist es immer mehr geworden, immer mehr geworden, sind immer weitere Daten reingekommen und inzwischen sind wir halt bei diesen 3,9 Milliarden Daten. Und ja, da muss man sich irgendwie Gedanken machen, ob man das nicht etwas etwas effizienter speichern kann? Wie gesagt, wir speichern nur die Rohdaten. Das heißt, es wird irgendwie keine Anpassung an den Daten gemacht, und die Daten werden bisher noch nicht validiert. Das heißt, daraus entstehen ein paar Probleme, wenn man die Daten analysieren will. Ich habe heute Morgen einen Screenshot von der Interpolation gemacht, hier in Leipzig. Hier sieht man den Temperaturverlauf oder den berechneten Temperaturverlauf zwischen den verschiedenen Boxen. Ich habe hier den Aufstellungsort draußen gewählt und man sieht, dass hier alles schön grün ist. Oben rechts ist aber eine Box irgendwie orange-rot und hier unten sieht man, dass das über 20,7 Grad bedeutet. Da hab ich mir gedacht, das kann ja eigentlich nicht stimmen, dass jetzt draußen eine Box steht und die irgendwie 20 Grad misst. Ich hab mir die mal genauer angeschaut und die misst halt durchgängig so um die 20 Grad. Also da könnte man sich halt denken: wahrscheinlich steht die nicht draußen sondern vielleicht doch eher drinnen die Box. Und das ist ein Problem, das man halt dann z.B. diese Interpolation gar nicht richtig machen kann, weil das dann ja totaler Quatsch was da rauskommt. Anders ist es in Hamburg, da habe ich auch heute Mittag noch einmal kurz nachgeschaut, da ist anscheinend mitten in Hamburg ein Sensor kaputt. Der misst dauernd minus 145 Grad Lachen und deswegen kann man diese Interpolation natürlich auch nicht machen. Genau. Und das wäre dann natürlich auch ein Ziel, was irgendwie in Zukunft kommen soll, dass man solche Ausreißer erkennt und dann aus solchen Statistiken natürlich raushält. Genau. Wie geht es weiter mit dem Projekt? In Zukunft wird's durch die Wido GmbH weiterentwickelt und der Uni im Rahmen des BMBF Projekts. Und da machen wir an allem weiter, was wir bisher schon gemacht haben. Also Front- und Backend wird weiter gemacht, die Lehrmaterialen werden erweitert um weitere Projekte für den Bildungsbereich. Die Hardware und Software, die darauf läuft, wahrscheinlich oder also auch weiterhin verbessern, weitermachen, neue Sensoren ausprobieren und auch ein Sensor-Wiki erstellen, dass man ein einheitliches System hat, ne einheitliche Übersicht, von welchen Sensoren es gibt und welche Abweichungen da entstehen können. Wie gesagt, der Feinstaubsensor, den wir nutzen, ist relativ anfällig für Luftfeuchtigkeit und das wir halt so was mit reinschreiben, damit die Nutzer dann noch wissen: ah, da muss man aufpassen, wenn man sich die Daten anschaut. Nicht das man da irgendwie falsche Schlüsse daraus zieht. Ziel und Wunsch ist, dass es eher community-driven läuft, also dass die Weiterentwicklung vor allem der Software auf Open-Source Basis basiert, dass da irgendwie jeder teilnimmt, der da irgendwie Interesse hat, und dass das alles unter der Schirmherrschaft einer gGmbH, einer gemeinnützigen GmbH läuft, damit man da die Weiterentwicklung sichert. Und dazu dann natürlich auch irgendwie ein selbstständiger Support. Wir haben aktuell schon ein Discourse-Forum eingerichtet, wo sich dann alle Nutzer registrieren können und dann auch untereinander Ideen austauschen können und die Fragen von anderen Nutzern beantworten können. Apropro Fragen -- Ich bin mit meinem Vortrag. Vielen Dank für eure Aufmerksamkeit und ich denke wir haben noch ein paar Minuten Fragen, wenn noch welche sind, gerne. Applaus Herald: Danke Felix! Ja, da sehe ich schon die erste Frage. Und zwar an alle der Hinweis, wenn die Fragen stellen wollt, an die drei Mikrofone bitte gehen und wir haben wirklich noch ein bisschen Zeit dafür. Bitte haben wir schon Frage zwei hier im Saal. Mikrofon 2: Hallo, ich bin Sven vom OpenKnowledge Lab Hannover und wir haben mit luftdaten.info zusammengearbeitet. Und die grundsätzliche Frage: Hast du irgendwelche Bedenken, dass jemand die Sensordaten einfach flutet? Also falsche Daten einfach hochlädt? F: Ja, das könnte auf jeden Fall passieren. Das wär vielleicht einfach ein worst case -- sollte nicht passieren. Da sind natürlich aber auch daran, dass uns das auf jeden Fall nicht passiert, was man da irgendwie Mechanismen einbaut. H: Dann haben wir noch eine Frage aus dem Internet vom Signal-Angel. Signal: Hallo? Die Frage aus dem Internet ist zum einen: Kannst du ein Windsensor empfehlen? F: Jetzt direkt das Modell nicht. Ich hatte damit schon einmal herumgespielt, da gibt's halt verschiedene verschiedene Arten. Ich habe mit einem gemessen, der hat quasi drei Kabel: einmal zwei für Strom, und einer gibt nur einen Widerstand zurück. Und da ist es ... es war nicht so schwierig. Man muss halt den Widerstand in eine Windrichtung umrechnen und könnte hier die Daten halt nutzen. Aber 'ne Empfehlung hab ich leider nicht. H: Oh, und noch einmal das Internet. S: Ja, und zum zweiten: kann die senseBox PoE, also Power over Ethernet. F: Ja, das können wir. S: Super, danke! H: Knappe Fragen, knappe Antworten. Dann haben wir hier am Mikrofon 2 noch eine Frage. Mikrofon 2: Außer der Motivation der Bildungsarbeit und der wissenschaftlichen Arbeit -- gibt es dort noch weitergehende Interessen? Also Ich kann mir zum Beispiel vorstellen, gerade Community, also dass Menschen wissen wollen, wie es ihrer Umwelt geht. Zum Beispiel, ich wohne in der Nähe eines Flughafens. Es hat ewig gedauert, bis ein Lautstärkemesspunkt anerkannt wurde und dort überhaupt ein ... also der muss anerkannt werden. Man kann das nicht einfach selbst machen. Und hier haben wir eigentlich das gleiche Problem: wir brauchen valide Messdaten, um sie verwenden zu können in der Öffentlichkeit gegenüber Institutionen und so weiter. Das heißt also, eigentlich ist da auch ein bisschen Management, also in Abhängigkeit von den Zielen, aber Management notwendig und auch eben dieses Werkzeug der Validierung, nich?. Also auch die Geräte selbst müssten ja justiert werden, sag ich jetzt mal, überprüft werden. F: Genau. Also aktuell ist es halt so, dass jeder einfach seine Station irgendwie, was weiß ich, in den Garten stellen kann, da jetzt Messdaten sammeln kann. Es ist aber auch aktuell noch ein Problem, dass wenn man z.B. irgendwie ich sag mal 'nen Baum hat oder so und die senseBox irgendwie so halb darunter steht. Wenn dann die Sonne darüber scheint, sieht man im Laufe des Tages, dass dann plötzlich die Sonneneinstrahlung einbricht. Und sowas sollte natürlich verhindert werden. Also wenn man jetzt die offiziellen Messstationen vom DWD anschaut. Da ist das natürlich nicht der Fall. Da ist 'ne schöne freie Fläche, die haben 'ne schöne große Kiste, wo zum Beispiel der Temperatur Sensor drinsteht, wo jetzt keine Verfälschung drin sind. Und ... genau ... da sollte dann auf jeden Fall Rücksicht d'rauf genommen werden. Andererseits ist es aber ... die Sensoren und die Komponenten, die wir nutzen, sind natürlich relativ günstig, und deswegen kann man damit schon mal relativ einfach und schnell einen einfachen Versuchsaufbau aufbauen. Man kann seine ersten Daten da einfach mal messen, und dann vielleicht, wenn man irgendwie da erste Ergebnisse hat, dann irgendwie zu offiziellen Stellen geht. Bei dem Flughafen z.B., dass man dann da vielleicht zum Land oder wo auch immer hingeht ... zur Stadt und da dann schon mal die Daten vorlegen kann und vielleicht kann da dann mehr gemacht werden. H: Ja, und dann haben an wir Mikro 3 eine Frage Mkrofon 3: Hallo! Gibt es einen historischen Hintergrund, warum die MongoDB verwendet wurde und nicht irgendwie eine time series Datenbank? F: Das nicht unbedingt. Wir haben damit, wie gesagt, angefangen in einer Bachelor- Arbeit und das war dann die erste Datenbank, die dann genommen wurde. Das ist halt auch nicht gerade eben entstanden. Das ist schon vor einigen Jahren. Das sind auch relativ alte Versionen, die da genommen werden aber irgendwie 'ne InfluxDB oder so wäre zum Beispiel sinnvoller. Aktuell läuft's halt alles noch auf der Mongo. H: Ja, haben wir noch eine Frage aus dem Internet? Alle Fragen geklärt. Ein Wunder mit diesem Internet. Ja, dann möchte ich an dieser Stelle sagen ... schon einmal noch ... Herzlichen Dank an Felix Erdmann für diesen Talk! F: Danke. Applaus 36C3 Outro Untertitel erstellt von c3subtitles.de im Jahr 202?. Mach mit und hilf uns!