1. Time-Aware-Konzepte für Edge Computing: In erster Linie werden wir eine bessere zeitbasierte Unterstützung für Anwendungen entwickeln. Daher müssen wir eine neuartige zeitabhängige Semantik für alle Analysekomponenten implementieren, die eine deterministische und damit nachvollziehbare Ausführung von Analyse-Workflows unabhängig von der Verarbeitung in den Sensorgeräten ermöglicht.
  2. Prädiktive Analytik spielt bei vielen Instandhaltungs-Szenarien eine große Rolle. Für diese Szenarien ist es wichtig, einen potenziellen Fehler "früh genug" vorherzusagen, um das Ereignis eines kritischen Fehlers zu vermeiden. Auf diese Weise reduzieren wir die Auswirkungen bei einem Ausfall auf ein Minimum.
  3. Insgesamt ermöglicht die verteilte Entscheidungsfindung den Nutzern, Entscheidungen schneller und präziser zu treffen, indem sie sinnvolle Wissensmodelle und kohärente Entscheidungen für den Menschen bereitstellen

Time-aware Analysemethoden für die nächste Generation von Sensornetzwerken werden zukünftige Geschäftsprozesse beschleunigen, vielseitiger und wettbewerbsfähiger machen. Um die richtigen Entscheidungen rechtzeitig zu treffen, ist es von entscheidender Bedeutung, die Datenverarbeitung von zentralisierten Knoten an den Rand des Netzwerks auszulagern, um die Latenzzeit zu reduzieren und den notwendigen Informationsaustausch zwischen Sensoren und den Analysekomponenten zu minimieren.

Unser Hauptziel ist die Einstiegsbarrieren für time-aware Analytik zu verringern, um diesen Ansatz in der nächsten Generation der industriellen Anwendung zu verwenden. Neben den passenden time-ware Konzepten wird auch an prädiktiver Analytik und kognitiven Methoden mit zeitabhängigen Konzepten geforscht. Das wird die Verwendung von time-awareness in datengesteuerten Anwendungen viel einfacher und billiger machen.