In dit artikel gaan we in op de keten die zich vormt tussen sensoren, Internet of Things (IoT; internet der dingen), Big Data en Artificial Intelligence (AI; kunstmatige intelligentie). Al deze – op het eerste gezicht – losstaande technologieën staan namelijk in verbinding met elkaar. We bespreken in dit artikel kort de losse elementen, maar bespreken vooral de verbanden. Wanneer alle elementen gezamenlijk toegepast worden, ontstaan er namelijk slimme oplossingen, waarmee we ons (dagelijks) leven enorm kunnen verbeteren en verrijken.

Slimme oplossingen – Wat zijn sensoren?

Een sensor is een kunstmatige uitvoering van wat in de biologie een zintuig wordt genoemd. Met een sensor neemt een machine de omgeving waar en kan informatie verzameld worden. Een sensor meet een fysieke grootheid en zet deze om in een signaal. Sensoren vertalen hiermee metingen uit de echte wereld naar data voor het digitale domein.Er is een bijna oneindige diversiteit aan parameters die gemeten kunnen worden, zoals locatie, verplaatsing, beweging, geluidsfrequentie, temperatuur, druk, vochtigheid, elektrische spanningsniveau, camerabeelden, kleur, chemische samenstelling, etc.

Het doel is om gebeurtenissen of veranderingen in de omgeving te detecteren. Een sensor wordt altijd gebruikt met andere elektronica, zo eenvoudig als een lamp of zo complex als een computer. Geavanceerde chiptechnologie maakt het mogelijk alle benodigde functies tegen lage kosten, in een klein volume en met gering energieverbruik te integreren. Het aantal sensoren om ons heen neemt in hoog tempo toe. Schattingen lopen uiteen, maar velen verwachten dat tegen 2020 meer dan 50 miljard sensoren met elkaar verbonden zullen zijn via het Internet of Things (IoT; Internet der Dingen).

Slimme oplossingen – Waarom willen we meten?

Maar waarom zou je sensoren inzetten? Of met andere woorden: waarom zou je willen meten? Een bekende uitspraak is: “meten is weten”. Hiermee wordt gewezen op het grote belang van het uitvoeren van metingen voor het beschikbaar maken van concrete, feitelijke informatie. Met cijfers kun je vergelijken, rekenen, voorspellen en controleren. Meten biedt inzicht in dingen die goed gaan en die minder goed gaan. Door te meten check je of je gedaan hebt wat je je voorgenomen had en of je doelen behaald zijn. Als je meet, weet je waar je nu staat; je kent de huidige situatie. Van daaruit kan je altijd beter worden. Door te meten kan je dus leren en verbeteren.

Slimme oplossingen – Sensoren in het Interet of Things (IoT)

De apparaten, die samen het Internet of Things (IoT; internet der dingen) vormen, zijn uitgerust met sensoren. Met deze sensoren verzamelen de apparaten gegevens over de manier waarop ze worden gebruikt en over de omgeving om hen heen. De verzamelde data kan zo simpel zijn als een meting van de temperatuur of zo complex als een volledige video feed. Maar denk ook aan sensordata in de vorm van locatie, geluid, of vochtigheid, en verschillende metingen van machines of ons lichaam. Deze apparaten hebben een ingebouwde (draadloze) connectiviteit, zodat ze verbonden kunnen worden met het internet en gegevens kunnen uitwisselen. Miljarden aangesloten apparaten maken deel uit van het internet der dingen. Een neveneffect van IoT is dan ook dat alle aangesloten apparaten een enorme hoeveelheid data (Big Data) opleveren.

Slimme oplossingen – Waarom IoT?

IoT maakt eindeloos veel informatie beschikbaar die voorheen niet voorhanden was. En als er al sensordata aanwezig was, was deze lastig te analyseren, omdat deze afkomstig was van allerlei losse apparaten. Met IoT leggen we continue meetwaarden van diverse sensoren vast, die we eenvoudig kunnen uitlezen. Hiermee kunnen we trends herkennen en  voorspellingen doen.

IoT maakt onze levens makkelijker (de slimme thermostaat), verschuift onze focus naar efficiëntie (de wasmachine begint te draaien als de prijzen van elektriciteit dalen), en helpt ons anticiperen (lichaamsmonitoren die ons continu voorzien van informatie). De verwachting is dat het IoT oplossingen kan bieden voor grote maatschappelijke problemen rondom energie, milieu en criminaliteit. Naar verloop van tijd zullen we met behulp van IoT bijvoorbeeld minder energie verbruiken, minder producten verspillen en minder geld uitgeven. Om een heel concreet voorbeeld te geven: dankzij het IoT kunnen vuilnisbakken ons laten weten hoe vol ze zijn en dus of ze geleegd moeten worden. Wie handig gebruik weet te maken van dergelijke informatie, kan veel efficiënter te werk gaan.

Slimme oplossingen – Big Data uit de sensoren van IoT

Het IoT groeit exponentieel: er zijn steeds meer apparaten die data verzamelen, opslaan en uitwisselen. Daarnaast produceren consumenten, organisaties, overheden en bedrijven zelf steeds meer data, bijvoorbeeld op social media.  De hoeveelheid data groeit dan ook exponentieel. Men spreekt wel van Big Data wanneer men werkt met een of meer datasets die te groot zijn om met reguliere databasemanagementsystemen onderhouden te worden.

Steeds vaker hoor je dat Big Data een ontwikkeling omschrijft. Het bevat namelijk twee componenten. Allereerst de computertechnologie: de steeds geavanceerder hard- en software die het mogelijk maakt meer data te verzamelen, te bewerken en te bewaren. Het tweede component is de statistiek die het mogelijk maakt om in een verzameling losse data betekenis te vinden. Big Data verwijst in deze definitie naar onze mogelijkheden om de steeds toenemende hoeveelheid data te analyseren en gebruiken. Big Data gaat in de kern om het realiseren van toegevoegde waarde afkomstig van de bewerking en analyse van data. Kenmerkend is dat het gaat om ongestructureerde, gevarieerde data uit verschillende soorten bronnen die realtime verwerkt worden.

Slimme oplossingen – De meerwaarde van Big Data

Big Data speelt een steeds grotere rol. Deze data bevatten immers een schat aan informatie voor verschillende doeleinden, zoals marketing, wetenschappelijk onderzoek, of preventief onderhoud. Om de toenemende hoeveelheid data werkelijk te benutten, is een goede en slimme analyse van de data nodig. Big Data-analyse is het proces van het onderzoeken van Big Data – om verborgen patronen, onbekende correlaties, markttendenzen, klantvoorkeuren en andere nuttige informatie te ontdekken om beter geïnformeerde beslissingen te nemen.

Het voordeel van data-analyse is dat beslissingen gebaseerd kunnen worden op kennis gewonnen uit feiten en zo minder afhankelijk worden van subjectieve intuïtie en ervaringen. Met deze kennis kunnen onder meer kosten verlaagd worden, processen gestroomlijnd worden en de kwaliteit van producten en diensten verhoogd worden. Door data slim te combineren en te interpreteren/vertalen ontstaan nieuwe inzichten die kunnen worden ingezet voor nieuwe diensten, toepassingen en markten. Deze informatie kan ook nog gecombineerd worden met data afkomstig uit diverse externe bronnen, zoals gegevens over het weer of demografie.

Slimme oplossingen – De relatie tussen IoT en Cloud

Het IoT genereert dus een ongekende hoeveelheid Big Data, hetgeen de internetinfrastructuur enorm belast. Volgens een schatting zullen er tegen 2020 5.200 gigabytes aan gegevens zijn voor alle mensen op aarde. Om de miljarden gekoppelde apparaten die tegen die tijd worden verwacht te ondersteunen, zouden we ongeveer 340 applicatieservers per dag (of 120.000 servers per jaar) moeten inzetten. Cloud computing biedt een manier om aan deze duizelingwekkende vereisten tegemoet te komen.

Cloud computing is het via een netwerk op aanvraag beschikbaar stellen van hardware, software en gegevens. Het werken in de Cloud is het opslaan en opvragen van deze hardware, software en gegevens, op een andere plek dan je eigen locatie. Omdat deze opslaglocatie niet zichtbaar en tastbaar is, wordt de term Cloud gebruikt. Alles wordt op een voor jou onbekende server opgeslagen. De Cloud staat daarbij voor een netwerk dat met al de computers die erop aangesloten zijn een soort wolk, waarbij de eindgebruiker niet weet op hoeveel en op welke computer de software draait, of waar die computers precies staan. De gebruiker beschikt over een eigen in omvang en mogelijkheden schaalbare, virtuele infrastructuur. Zonder de mogelijkheid tot schalen heeft een aangeboden online dienst geen betrekking op cloud computing.

IoT-apparaten lopen soms via hun eigen embedded software of firmware, maar ze kunnen voor de verwerking van gegevens ook gebruik maken van de Cloud. De gegevens die worden verzonden, worden opgeslagen en verwerkt binnen de Cloudserver, dat wil zeggen in een datacenter met behulp van data-analyse. Zodra de gegevens de Cloud bereiken, voert de software een verwerking uit. Dit kan heel eenvoudig zijn, zoals controleren of de temperatuurwaarde binnen een acceptabel bereik ligt. Of complex, zoals het gebruik van computervisie op video om objecten te identificeren (zoals indringers in je huis).

Slimme oplossingen – Big Data-analyse in de Cloud

We zien een explosieve groei in het volume, de snelheid en de verscheidenheid van door het IoT verzamelde Big Data. Maar hoe kom je tot manieren om grote hoeveelheden gegevens te analyseren en daarmee informatie te ontsluiten? Dit probleem wordt ook wel het “Big Data-probleem” genoemd: het verzamelen van complexe datasets die zo groot zijn dat het moeilijk wordt om deze handmatig of met behulp van de huidige toepassingen te analyseren en interpreteren. Big Data-analyses vereisen nieuwe verwerkingsvormen voor grote gegevenssets.

Big Data, Cloud en Internet of Things zijn allemaal onderdelen van een continuüm. Cloud computing vormt de structuur die Big Data-projecten ondersteunt. Je kunt niet nadenken over het IoT zonder na te denken over de Cloud, en het is moeilijk om over de Cloud na te denken zonder na te denken over de analyse van de opgeslagen Big Data. Want hoe sneller je gegevens analyseert, hoe sneller de resultaten en hoe groter de voorspellende waarde van data. De echte waarde van Big Data zit immers in de inzichten die het oplevert bij analyse – ontdekte patronen, afgeleide betekenis, indicatoren voor beslissingen en uiteindelijk het vermogen om met grotere intelligentie op de wereld te reageren.

Slimme oplossingen – Een toekomst met IoT en AI

Big Data-analyse bestaat uit een reeks geavanceerde technologieën die zijn ontworpen om met grote hoeveelheden heterogene gegevens te werken. Om de volledige voordelen van IoT-data te oogsten, moeten we de snelheid en nauwkeurigheid van Big Data-analyse verbeteren. Hierbij wordt gebruik gemaakt van geavanceerde kwantitatieve methoden zoals Artificial Intelligence (AI; kunstmatige intelligentie), waaronder machine learning, om de data te verkennen, en om verbanden en patronen te ontdekken. Om potentiële problemen te kunnen identificeren, moeten de gegevens worden geanalyseerd in termen van wat normaal is en wat niet. Overeenkomsten, correlaties en afwijkingen moeten snel worden geïdentificeerd op basis van realtime datastromen. In een IoT-situatie kan AI helpen de miljarden datapunten te doen neerkomen op wat echt zinvol is. Het is onmogelijk om alle Big Data met traditionele methoden te beoordelen en te begrijpen. Ook kost het gewoon te veel tijd.

Het is algemeen aanvaard dat IoT en AI zeer belangrijk zijn in elkaars toekomst. AI zal IoT levensvatbaar op schaal maken, en middels IoT zal het leven van de meeste mensen dagelijks worden beïnvloed door AI. Het potentieel voor sterk geïndividualiseerde diensten is eindeloos en zal de manier waarop mensen leven drastisch veranderen.

Slimme oplossingen – Waarom traditionele analyse niet volstaat

Als het gaat om IoT, is het vaak nodig om correlaties te identificeren tussen input van tientallen sensoren en externe factoren die snel miljoenen gegevenspunten produceren. Machine learning begint met de uitkomstvariabelen (bijvoorbeeld energiebesparing) en zoekt vervolgens automatisch naar voorspellingsvariabelen en hun interacties. Machine learning is waardevol als je weet wat je wilt, maar je de belangrijke invoervariabelen niet kent om die beslissing te nemen. Dus je geeft het algoritme het doel en vervolgens “leert” het uit de gegevens welke factoren belangrijk zijn om dat doel te bereiken.

Daarnaast is machine learning ook waardevol voor het nauwkeurig voorspellen van toekomstige gebeurtenissen. Algoritmen worden voortdurend verbeterd naarmate er meer gegevens worden vastgelegd en geassimileerd. Dit betekent dat het algoritme voorspellingen kan doen, kan zien wat er feitelijk gebeurt, dit kan worden vergeleken met de voorspellingen en vervolgens aanpassingen kan maken om nauwkeuriger te worden. De voorspellende analyses die mogelijk worden gemaakt door machine learning zijn enorm waardevol voor veel IoT-toepassingen. Door gegevens van meerdere sensoren te verzamelen, kunnen algoritmen leren wat typisch is en het vervolgens detecteren wanneer iets abnormaals begint te gebeuren.

Slimme oplossingen – IoT, Big Data en AI zijn onafscheidelijk

In de kern betreft het IoT sensoren, die zijn ingebed in allerlei soorten apparaten en datastromen via internetverbindingen verzenden naar een of meer centrale (Cloud-)locaties. Die gegevens kunnen vervolgens worden geanalyseerd. Deze resultaten worden ingezet om het leven van de gebruiker te verbeteren. Alle IoT-apparaten volgen deze vijf basisstappen: meten, verzenden, opslaan, analyseren, acteren.  Hetgeen een IoT-toepassing het kopen (of maken) waard maakt, is waarde in de laatste stap van die keten, “acteren”. Acteren kan een oneindig aantal dingen betekenen, variërend van een fysieke actie tot het verstrekken van informatie. Ongeacht hoe acteren eruit ziet, is de waarde ervan volledig afhankelijk van de “analyse”. En bij deze analyse speelt AI (of beter gezegd machine learning) een cruciale rol. Met machine learning kunnen namelijk patronen in de gegevens gedetecteerd worden. Wanneer machine learning wordt toegepast op de stap “analyseren”, kan dit dramatisch veranderen wat wel of niet wordt gedaan bij de daaropvolgende stap “acteren”.

We moeten de snelheid en nauwkeurigheid van Big Data-analyse verbeteren om ervoor te zorgen dat het IoT zijn belofte nakomt. Alle gegevens ter wereld zijn volledig nutteloos als we er geen gebruik van kunnen maken. De enige manier om deze door het IoT gegenereerde gegevens te analyseren, is met machine learning. Met machine learning kunnen patronen, correlaties en anomalieën gevonden worden, waarvan kan worden geleerd, zodat uiteindelijk bijvoorbeeld betere beslissingen kunnen worden genomen. Het potentieel van Big Data kan alleen echt worden gerealiseerd wanneer het wordt gecombineerd met AI.

Slimme oplossingen – AI en IoT vormen Smart Machines

De combinatie van IoT-oplossingen met AI maakt realtime reacties mogelijk, bijvoorbeeld via een op afstand gelegen videocamera die kentekenplaten leest of gezichten analyseert. Daarnaast zorgt AI voor verwerking van gegevens naderhand, zoals het zoeken naar patronen in gegevens en het uitvoeren van voorspellende analyses. AI maakt hiermee de enorme hoeveelheden gegevens van IoT-apparaten waardevol, terwijl IoT de beste bron is voor de realtime gegevens die AI nodig heeft om te ontwikkelen. Apparaten transformeren van “smart” , oftewel verbonden met internet en heeft met een bijbehorende mobiele app, naar “intelligent”, hetgeen gekenmerkt wordt door de mogelijkheid voor apparaten om te leren van hun interacties met gebruikers en andere apparaten, evenals van de interacties met alle apparaten in het netwerk. Artificial Intelligence helpt IoT-apparaten echt slim te worden.

Slimme oplossingen – Big Data Intelligence

Hoe ziet de toekomst eruit voor Big Data Intelligence; de convergentie van Big Data en AI? Welke schijnbaar onmogelijke uitdagingen kunnen we aanpakken? Betere banen, een duurzamer milieu, slimmere economie, een veiliger wereld, een einde aan kanker?

Dankzij Big Data krijgen gegevenswetenschappers ongehinderd toegang tot en werken ze met enorme gegevenssets. In plaats van te vertrouwen op representatieve gegevensvoorbeelden, kunnen gegevenswetenschappers nu vertrouwen op de gegevens zelf. Dit is de reden waarom veel organisaties zijn overgestapt van een op hypothesen gebaseerde benadering naar een “data first”-benadering. We kunnen data de richting laten bepalen en het verhaal vertellen. Big Data maakt een omgeving mogelijk die het ontdekken van gegevens door middel van iteratie stimuleert. Als gevolg hiervan kunnen we sneller leren.

Slimme oplossingen – Van IoT-apparaat terug naar de gebruiker

De informatie van IoT-apparaten wordt op de een of andere manier nuttig gemaakt voor de eindgebruiker. Slimme objecten moeten met mensen kunnen communiceren. Meestal hebben we via apps of browsers toegang tot de resultaten op onze mobiele apparaten of computers. Informatie wordt weergegeven in de vorm van grafieken of diagrammen in een gebruiksvriendelijke interface. De gebruiker kan dan een actie uitvoeren en het systeem beïnvloeden. De aanpassingen of acties die de gebruiker maakt, worden vervolgens via het systeem verzonden: van de gebruikersinterface, naar de Cloud en terug naar de sensoren/apparaten om een of andere wijziging aan te brengen.

Sommige acties worden echter automatisch uitgevoerd. In plaats van te wachten tot jij de temperatuur aanpast, kan het systeem dit automatisch doen via vooraf gedefinieerde regels. En in plaats van je alleen te bellen om je te waarschuwen voor een indringer, kan het IoT-systeem ook automatisch de relevante autoriteiten informeren. Ze kunnen metingen van de omgeving doen en de data inzetten om hun eigen instellingen te veranderen en andere apparaten te signaleren om dit te doen. Veel van de objecten voeren acties uit op basis van algoritmen, die ofwel binnen hun eigen processors ofwel op Cloudservers plaatsvinden.

IoT kent verschillende gradaties: 1) je kunt een object iets laten meten en op basis daarvan een eenduidige actie laten uitvoeren, 2) je kunt een object ook bepaalde informatie laten duiden en op basis daarvan laten ingrijpen, en 3) je kunt een object data laten begrijpen en zelfstandig nieuwe doelen laten stellen. Dingen en producten worden door het toevoegen van rekenkracht ‘intelligent’ en zijn zo in staat om zelf beslissingen te nemen. Ze kunnen daardoor op ieder moment informatie uitwisselen en fysieke acties in gang te zetten. Dit betekent dat er binnenkort weinig tot geen menselijke interactie meer nodig is met deze apparaten. Zeker als er meer apparaten zijn die met andere apparaten kunnen samenwerken, kunnen we veel alledaagse taken automatiseren.

Slimme oplossingen – Toegevoegde waarde door Big Data-analyse

Het gaat uiteindelijk dus niet om het product zelf, maar om de digitale, data- en informatiegedreven toegevoegde waarde die ontstaat. Door IoT krijgen we veel meer inzicht en invloed op situaties. Inzicht en invloed ontstaan doordat er continue betekenisvolle informatie ontstaat, die omgezet kan worden in (automatische) actie.

Om bovenstaande keten naar slimme oplossingen te illustreren, maakten we een infographic. Ook geven we een aantal voorbeelden van slimme oplossingen, waarin alle benoemde technologieën samenkomen.

Dit artikel is onderdeel van een serie.

Lees meer:

Infographic – De keten van slimme oplossingen: sensoren, IoT, Big Data en AI 

Artikel 2 – Voorbeelden: Sensoren, IoT, Big Data en AI in slimme oplossingen

Artikel 3 – Verdieping: smart oplossingen met Fog computing en deep learning