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!