Zum Hauptinhalt springen
TU Graz/ TU Graz/ Services/ News+Stories/

Junge Forschende machen das Internet der Dinge sicherer

07.07.2020 | Planet research | FoE Information, Communication & Computing | Young Talents

Von Birgit Baustädter

Sie untersucht black-box-Systeme – er sagt den Zustand vernetzter Systeme voraus. Andrea Pferscher und Markus Tranninger sind zwei von 11 Nachwuchsforschenden im TU Graz-Projekt „Dependable Things“.

Markus Tranninger und Andrea Pferscher forschen im TU Graz-Leadprojekt „Dependable Things“. © Lunghammer – TU Graz

11 junge Forschende arbeiten als Doktoratsstudierende oder Postdocs im TU Graz-Leadprojekt „Dependable Internet of Things in Adverse Environments“ – kurz: Dependable Things. Das sechs Jahre dauernde Projekt hat zum Ziel, unsere zunehmend vernetzte Welt sicherer und zuverlässiger zu machen, untersucht dafür die einzelnen smarten Gegenstände im Internet der Dinge unter harschen Umwelteinflüssen und entwickelt sie anschließend weiter.

Zwei dieser 11 jungen Menschen sind Andrea Pferscher (Institut für Softwaretechnologie) und Markus Tranninger (Institut für Regelungs- und Automatisierungstechnik).  

Von „Hello World“ zur Analyse von black-box-Systemen

„Es muss ein einfaches `Hello World` gewesen sein“, erinnert sich Softwaretechnologin Andrea Pferscher heute an ihre ersten Programmierversuche zurück. Und was mit zwei kurzen Wörtern begann, hat sich bis heute zu einer Leidenschaft für die von Natur aus analytisch denkende Steirerin weiterentwickelt. In der Arbeitsgruppe von Bernhard Aichernig beschäftigt sie sich heute mit dem Verifizieren und Testen von komplexen Softwareprodukten. „Mich hat schon immer gestört, dass in jedem Softwarecode tausende Fehler stecken und es keine automatische, effiziente Möglichkeit gibt, sie zu finden und zu eliminieren“, erzählt sie heute vom Beginn ihres Studiums. Also machte sie sich selbst daran, das Problem zu lösen.

„Es ist sehr schwer, ein System zu testen, in das ich keinen Einblick habe“, erklärt sie ihre Arbeit an sogenannten black-box-Systemen. „Bei ihnen kann ich nicht in den Code `hineinschauen` sondern muss andere Wege finden, um sie zu überprüfen.“ Forschende verwenden heute für das Testen von Software gerne Modelle. Für black-box-Systeme geht Pferscher nun einen neuen Weg: Sie kombiniert genetisches Programmieren mit aktivem Lernen, um ein System zu „erlernen“ – also über Fragen und Vergleiche herauszufinden, wie ein System funktioniert, ohne den Code sehen zu müssen.

Mich hat schon immer gestört, dass in jedem Softwarecode tausende Fehler stecken und es keine automatische, effiziente Möglichkeit gibt, sie zu finden und zu eliminieren.

„In meinem Fall kommt noch dazu, dass ich Systeme untersuchen möchte, die von Zeit abhängig sind – also zusätzliche Komplexität haben. Zum Beispiel ein Tastsensor, der unterschiedlich reagiert je nachdem, wie lange er berührt wird“, erklärt Pferscher. „Wir erstellen dazu mehrere timed Automata die sich dann selbstständig mit dem zu testenden System vergleichen. Automaten, die besonders gut im Vergleich mit dem zu testenden System abschneiden, werden in eine nächste Generation überführt und testen weiter. Das geht so lange, bis das Testsystem übrigbleibt, das dem zu testenden System entspricht.“ Ein Evolutionsprinzip.

An ihrem ersten Paper zu diesem Thema bekundete schlussendlich sogar die US-amerikanische Weltraumagentur NASA Interesse und die junge Forscherin konnte ihre Arbeit auf der jährlichen – diesmal virtuell – stattfindenden Konferenz der Organisation Mitte Mai präsentieren. „Das war natürlich der Hammer – einen solchen Erfolg gleich mit dem ersten Paper zu schaffen“, strahlt die Forscherin.

Dieses Video wird von Youtube gehostet, durch Klick darauf werden Daten an Youtube übermittelt. Es gelten die Datenschutzbestimmungen von Youtube.
Video starten
 

Zustände von komplexen Systemen

Markus Tranninger hat sich ebenfalls zum Ziel gesetzt, das Internet der Dinge zuverlässiger zu machen. Er konnte im Frühjahr 2020 sein Doktoratsstudium abschließen und ist seither als Postdoc im Projekt beschäftigt. Sein Fokus sind komplexe, dynamische Systeme und ihr jeweiliger Zustand. „In komplexen und vor allem autonomen Systemen ist es essentiell, immer genau über den jeweiligen System-Zustand Bescheid zu wissen“, erklärt er. „Ein autonomes Fahrzeug im komplexen Verkehrssystem muss zum Beispiel zu jeder Zeit wissen, wo sich die anderen Verkehrsteilnehmenden befinden und wohin sie sich bewegen.“ Für die Messung des aktuellen Zustands sind die verbauten Sensoren zuständig – für die Vorhersage des künftigen Zustandes der Ansatz von Markus Tranninger. „Wir kombinieren für die Zustandsschätzungen die aktuellen Daten der Sensoren mit mathematischen Modellen der Situation und können dadurch sagen, in welchem Zustand sich das System in Kürze befinden wird.“

In komplexen und vor allem autonomen Systemen ist es essentiell, immer genau über den jeweiligen System-Zustand Bescheid zu wissen.

Thema seiner Doktorarbeit war es, effiziente Algorithmen für die Schätzung des Systemzustandes zu entwickeln. „Herkömmliche Verfahren versagen bei komplexen Systemen aufgrund des hohen Speicherbedarf und des Berechnungsaufwandes. Gerade im Internet der Dinge muss der Ressourcenverbrauch jedoch minimiert werden.“ Im Leadprojekt wird er diesen Ansatz noch weiter ausbauen und möchte herausfinden, ob Daten und Modelle auch Rückschlüsse auf Fehler im nicht einsehbaren System erlauben.

Projekt läuft noch bis 2022

Das TU Graz-Leadprojekt „Dependable Internet of Things in Adverse Environments” wurde verlängert und läuft noch bis 2022.

Dieses Forschungsprojekt ist im Field of Expertise „Information, Communication & Computing“ verankert, einem von fünf strategischen Schwerpunktfeldern der TU Graz.
Mehr Forschungsnews finden Sie auf Planet research. Monatliche Updates aus der Welt der Wissenschaft an der TU Graz erhalten Sie über den Forschungsnewsletter TU Graz research monthly.

Information

Mit der Förderschiene „Leadprojekte“ fördert die TU Graz außergewöhnliche, interdisziplinäre, interne Forschungsprojekte, die in einem unabhängigen, kompetitiven Prozess analysiert und genehmigt wurden. Das erste geförderte Projekt „Dependable Things beschäftigt sich mit den Möglichkeiten, das Internet of Things zuverlässiger zu machen. Derzeit laufen zwei weitere Leadprojekte – Porous Materials@Work und Aortic Dissection.

Kontakt

Andrea PFERSCHER
Dipl.-Ing. BSc
Institut für Softwaretechnologie
andrea.pferschernoSpam@ist.tugraz.at

Markus TRANNINGER
Dipl.-Ing. Dr.techn. BSc
Institut für Regelungs- und Automatisierungstechnik
markus.tranningernoSpam@tugraz.at