Methoden zur effizienten Datenaggregation in drahtlosen Big-Data-Sensornetzen

Sowohl in der Forschung als auch in der industriellen Anwendung erfahren drahtlose Sensornetze (engl. wireless sensor networks, WSN) eine immer höhere Popularität. Dies liegt nicht zuletzt an den Forschungsgebieten Car2X-Kommunikation, Internet of Things sowie Umweltüberwachung als Teil des Katastrophenschutzes. Typischer Schwerpunkt ist das energieeffiziente und latenzarme Übertragen von Informationen in einem drahtlos verknüpften Netz aus stark ressourcenbeschränkten Hardwareplattformen.
Die Dissertation beschäftigt sich mit der Forschungsfrage, inwieweit Methoden und konkrete Algorithmen aus dem Big-Data-Computing vorteilhaft in drahtlosen Sensornetzen eingesetzt werden können. Dazu zeigt die Arbeit Parallelen auf, die zwischen klassischem Big Data und einer Teilgruppe von Sensornetzen existieren und definiert den Begriff drahtloses Big-Data-Sensornetz (Big Data WSN).
Die Hauptbeiträge der Dissertation sind die Vorstellung eines Routingverfahrens für Big Data WSN, das anwendungsrelevante Knoten energieeffizient ermittelt, die Übertragung von konkreten Big-Data-Algorithmen auf WSN zur Reduzierung der zu übertragenden beziehungsweise zu speichernden Datenmenge sowie ein Ereignissystem zur Steigerung der Energieeffizienz und Verringerung der Latenz von Ereignisreaktionen. All diese vorgestellten Konzepte werden in der Implementierung des Big-Data-WSN-Aggregationssystem Planetary zusammengeführt.