ELEAS - Embedded Self-learning Autonomous System

In diesem Projekt sollen die Voraussetzungen für eine Forschungs- und Technologiekooperation (FuT) zwischen dem Studiengang Informatik der Hochschule Rapperswil und dem Studiengang Kommunikations- und Softwaretechnik der Hochschule Albstadt-Sigmaringen geschaffen werden. Die Ziele der FuT-Kooperation liegen in der Entwicklung autonomer, adaptiver, selbstlernender Systeme auf der Basis von Regeln.

Es existieren Milliarden elektronischer unbewachter Systeme ohne autonome Fähigkeiten. Wenn sich nun die Systeme selbständig bei Fehlern melden bzw. diese selbständig erkennen und beheben, besteht für den Hersteller der Vorteil, dass er den Fehler, bevor dieser seine Wirkung zeigt, bemerkt und damit in der Lage ist, immer zuverlässigere Systeme zur Verfügung zu stellen. Die Kosten für den Kundenservice könnten reduziert werden.

Autonome Systeme werden in vielfältigen Technikbereichen zum Einsatz kommen. Ein Einsatzschwerpunkt wird die Entwicklung von Unternehmenssoftware im betriebswirtschaftlichen Umfeld sein, da die Komplexität dieser Anwendungen stetig steigt. Dadurch werden die Kosten für die Administration dieser Systeme in Zukunft für die Unternehmen nicht mehr tolerierbar sein. Durch autonome Systeme können Überwachungsarbeiten, die derzeit noch manuell vom Personal ausgeführt werden müssen, automatisiert werden.

Das in diesem Projekt zu entwickelnde System ELEAS wird in die drei Teilvorhaben „Monitoring“, „Datenanalyse“ und „Regelanwendung“ unterteilt.
Das Teilvorhaben Monitoring extrahiert aus den gegebenen Anwendungen spezifische Daten über den Zustand des Systems. Das können beispielsweise Ausführungsgeschwindigkeit eines Teilsystems oder dessen Speicherverbrauch sein. Die Identifikation der für die Erkennung des Gesundheitszustandes relevanten Daten und deren Untersuchung auf universelle Anwendbarkeit bildet den forschungsrelevanten Teil des Monitoring.

Das Teilvorhaben „Datenanalyse“ verarbeitet die mitprotokollierte Datenbasis mittels neuartiger „Knowledge Discovery in Databases“ (KDD – Oberbegriff von Data Mining) Methoden zu sog. Erkenntnissen, die dem Teilvorhaben „Regelanwendung“ übergeben werden. In der Regelanwendung werden die Erkenntnisse aus der Datenanalyse mit dem Expertenwissen der Administratoren verknüpft. Die Autoren des Systems definieren hierfür Regeln für bestimmte Ereignisse und/oder Zustände des Systems mit dem Ziel, entsprechende Gegenmaßnahmen (im einfachsten Fall die Benachrichtigung der Administratoren) automatisch einzuleiten. Bei einem Verdacht auf Abweichungen des Systems von der Norm werden die Administratoren zu dem Gesundheitszustand des Systems befragt. Deren Antwort wird mittels speziellen Lernalgorithmen ausgewertet und in die Datenbasis zurückgeführt und dient dort als Erfahrungsrichtwert.

Zu dem Teilbereich „Regelanwendung“ zählt auch die Suche nach geeigneten Algorithmen, um Anwendungssysteme ohne größere programmtechnische Änderungen in ihrem Verhalten beeinflussen zu können. Diese sog. Aktionen sollen das Verhalten der Programmteile so beeinflussen, dass ein normales Weiterarbeiten mit der Anwendung gewährleistet ist.

Vereinfachte Autonomic Computing Architektur

Durch die Einbeziehung von Industrieunternehmen ist gewährleistet, dass ELEAS eine weitere Verbreitung findet. Die Firma Mettler-Toledo bietet sich hier als Industrieunternehmen an, da sie sowohl Standorte in der Umgebung von Rapperswil, als auch in Albstadt besitzt und daher die Kooperation ideal ergänzt. Die Firma Mettler-Toledo unterstützt das Vorhaben dahingehend, dass ELEAS in Wägesysteme der Firma Mettler-Toledo integriert wird.