Ortung

Die Begriffe „Lokalisierung“ und „Ortung“ sind eng miteinander verbunden. Ortung bezieht sich auf die Methoden und Techniken, die verwendet werden, um die Position oder die Koordinaten eines Objekts oder einer Person zu bestimmen. Dazu gehört z. B. die Werkzeugverfolgung oder Werkzeugortung. Zu diesen Methoden gehören satellitengestützte Ortungssysteme wie das Global Positioning System (GPS), zellulare Positionierung, Wi-Fi-Positionierung und Trägheitsnavigationssysteme (INS). Ortungstechnologien und -systeme liefern Informationen über die relative Position eines Objekts, typischerweise in Form von Breitengrad, Längengrad und Höhe.

Lokalisierung hingegen bezieht sich auf einen spezifischen Aspekt der Ortung. Es geht darum, die genaue Position eines Objekts oder einer Einheit innerhalb eines begrenzten Bereichs zu bestimmen, oft mit hoher Genauigkeit. Im Gegensatz zur Ortung, die sich auf die Bestimmung absoluter Koordinaten über ein großes Gebiet beziehen kann, geht es bei der Lokalisierung eher um die Bestimmung der relativen Position innerhalb eines kleineren, definierten Raumes.

Die Lokalisierung erfolgt durch Indoor-Positionierungssysteme, die Technologien wie Wi-Fi, Bluetooth Low Energy (BLE) und Ultraschall- oder Magnetfeldsensoren verwenden, um eine genaue Positionierung in Innenräumen zu ermöglichen. RFID-Ortungssysteme (Radio Frequency Identification) ermöglichen die genaue Ortung und Verfolgung von Objekten. Auch IoT-Ortungsgeräte mit Sensoren und GPS-Modulen können eingesetzt werden. LoRaWAN, Echtzeitlokalisierung (RTLS) und Ultrabreitbandtechnologie (UWB) werden ebenfalls zur Lokalisierung eingesetzt.

Geozonen beziehen sich im Zusammenhang mit Lokalisierung und Positionierung auf vordefinierte geografische Gebiete oder Zonen, die durch bestimmte Koordinaten oder Grenzen definiert sind. Geozonen werden häufig für standortbasierte Dienste, Asset-Tracking, Flottenmanagement und Geofencing-Anwendungen verwendet.

Die Fahrzeugortung ist ein Teilgebiet der Ortung, das sich mit der Überwachung und Verfolgung von Fahrzeugen befasst. Ein Echtzeit-Fahrzeugortungssystem ermöglicht es, die genaue Position eines Fahrzeugs in Echtzeit zu bestimmen und kontinuierlich zu überwachen. Diese Systeme nutzen die GPS-Technologie, um Positionsdaten zu erfassen und an eine zentrale Plattform zu übermitteln. Flottenmanager und Unternehmen können so jederzeit den Standort ihrer Fahrzeuge abrufen, die Routenplanung optimieren und die betriebliche Effizienz steigern. Echtzeit-Fahrzeugortungssysteme bieten zudem erhöhte Sicherheit, da sie im Falle eines Diebstahls oder eines Notfalls eine schnelle Lokalisierung und Reaktion ermöglichen.

Ein Ortungs- oder Lokalisierungssystem kann mit GPS-Trackern, Bluetooth-Beacons, LoRaWAN-fähigen Geräten, RFID-Tags und Wireless RFID Reader, Wi-Fi-Zugangspunkten, UWB-Tags und -Ankern, zellularen IoT-Modulen sowie IoT-Gateways und Edge Devices aufgebaut werden.

GPS-Tracker werden häufig an Gegenständen, Fahrzeugen oder Personen (über Kleidung oder Namensschilder) angebracht und nutzen Satellitensignale zur Standortbestimmung im Freien.

BLE-Beacons werden in Innenräumen angebracht, häufig an Wänden, Decken oder Möbeln, um ein Netz von Referenzpunkten für die Lokalisierung im Nahbereich zu schaffen. RFID-Tags werden an Geräten, Produkten oder Personen angebracht. Sie können auch direkt in Produktverpackungen oder in Namensschilder oder Armbänder integriert sein.

UWB-Tags werden an Anlagen, Geräten oder Personen angebracht, um eine hochpräzise Ortung zu ermöglichen.

Wi-Fi Access Points werden überall in Innenräumen installiert, üblicherweise an Decken, Wänden oder in regelmäßigen Abständen an Masten. Dies gewährleistet eine ausreichende Abdeckung und Signalstärke, um eine drahtlose Verbindung herzustellen und eine Wi-Fi-Ortung zu ermöglichen.

IoT-Gateways und Edge-Geräte werden häufig an zentralen Stellen innerhalb einer Einrichtung installiert, z. B. in Serverräumen oder Geräteschränken. Sie erleichtern die Datenaggregation und -übertragung an zentrale Plattformen.

In einem LoRaWAN-Netzwerk sind mehrere Gateways über ein geografisches Gebiet verteilt. Diese Gateways empfangen Signale von LoRaWAN-fähigen Geräten wie Sensoren oder Trackern. Mit Hilfe der Multilaterationstechnik kann die Position der Geräte in diesem Netz geschätzt werden.

Positionierung und Lokalisierung, die in den Medien oft synonym verwendet werden, sind enorme Wachstumsmärkte. Grund dafür ist vor allem der technologische Fortschritt.

Laut einem Bericht des kanadisch-indischen Marktforschungsunternehmens „Precedence Research“ wird der weltweite Markt für Location Based Services im Jahr 2022 auf über 49 Milliarden US-Dollar geschätzt. Bei den Komponenten hat das Hardware-Segment 2022 mit 45 Prozent den größten Marktanteil. Bei den Technologien hat das GPS-Segment im Jahr 2022 einen Marktanteil von 31 Prozent.
Bei den Anwendungen hat das Segment Mapping und Navigation einen Marktanteil von 35 Prozent.

Auch der Markt für Indoor-Navigation und Ortung wächst. Laut einem Bericht des Marktforschungs- und Beratungsunternehmens „Spherical Insights“ ist der globale Markt für Indoor-Ortungslösungen in verschiedene Technologien unterteilt, darunter BLE, Wi-Fi, UWB und RFID. Das BLE-Segment hat mit 32,6 Prozent im Jahr 2022 den größten Marktanteil und wird diesen voraussichtlich bis 2032 halten. Bei den Endnutzersegmenten hat das Segment Transport und Logistik mit 38,2 % im Jahr 2022 den größten Umsatzanteil.

Dies zeigt die wachsende Bedeutung der Indoor-Positionsbestimmung für die Ortung, Überwachung und Identifikation von Anlagen in diesem Sektor.

Gibt es Beispiele aus der Praxis, wie drahtlose IoT-Technologien zur Lokalisierung eingesetzt werden? Ja, es gibt sie! Im Gesundheitswesen, in der Logistik und im Bauwesen bieten drahtlose IoT-Technologien zahlreiche Vorteile.

Wireless IoT-Technologien werden die Ortung und Positionierung noch effizienter, skalierbarer und genauer machen. Die Lokalisierung und Echtzeit-Ortung von Personen und Objekten wird einfacher werden.

LPWAN-Technologien wie LoRaWAN und mioty werden beispielsweise zunehmend in Smart-City-Anwendungen eingesetzt, um Objekte oder Personen im Freien genauer zu lokalisieren.

In Zukunft wird maschinelles Lernen eine wichtige Rolle bei der Entwicklung von Lokalisierungs- und Ortungslösungen spielen. Deep Learning (DL), eine Unterkategorie des maschinellen Lernens, kann eingesetzt werden, um den Standort von Geräten auf der Grundlage von Datenmustern vorherzusagen. Im Bereich IoT-Ortung wird DL zur Analyse von Daten aus GPS-Trackern und Sensoren eingesetzt, um die Ortungsgenauigkeit zu verbessern.

Um die Position eines IoT-Geräts vorherzusagen, analysieren „neuronale Netze“, eine weitere Unterkategorie des maschinellen Lernens, Datenmuster aus erfassten Daten. Eine weitere zukünftige Innovation ist die Indoor-Lokalisierung auf der Grundlage von Fingerabdrücken in Kombination mit DL-Methoden.

Bei der Einrichtung von IoT-basierten Lokalisierungssystemen im Innen- und Außenbereich gibt es verschiedene Herausforderungen.

In Innenräumen und einigen Außenbereichen gibt es oft zahlreiche physische Barrieren. In Innenräumen sind dies Wände, Möbel, Türen und Maschinen. Im Freien gehören beispielsweise Gebäude und Berge dazu. Diese Hindernisse können die für die Lokalisierung verwendeten Funksignale stören, was zu ungenauen Positionsdaten führt. Es ist wichtig, potenzielle Störquellen zu identifizieren und Beacons oder Zugangspunkte strategisch zu platzieren, um Interferenzen zu minimieren.

Eine weitere Herausforderung, vor allem im Außenbereich, sind raue Bedingungen wie extreme Temperaturen, Feuchtigkeit und Staub. Diese Faktoren können die Leistung und Lebensdauer von IoT-Geräten beeinträchtigen. Es ist wichtig, dass IoT-Geräte, die im Freien installiert werden, über robuste Gehäuse verfügen.

Das Datenmanagement und die Datensicherheit für Unternehmen stellen eine weitere große Herausforderung für IoT-basierte Ortungslösungen und -systeme dar. IoT-Geräte im Außenbereich sind anfällig für Sicherheitsbedrohungen wie unbefugten Zugriff, Datenschutzverletzungen und physische Manipulation. Sicherheitsmaßnahmen wie Geräteauthentifizierung, Datenverschlüsselung und sichere Boot-Mechanismen sollten sowohl im Innen- als auch im Außenbereich zum Schutz vor Cyber-Angriffen implementiert werden. Manipulationssichere Siegel können auch physische Manipulationen und unbefugten Zugriff auf IoT-Geräte verhindern.

Die Erfassung und Verarbeitung von Ortungsdaten in Innenräumen wirft auch Datenschutzfragen auf, insbesondere am Arbeitsplatz, in Gesundheitseinrichtungen und im Einzelhandel. Laut einer Studie von Gemalto haben 50 Prozent der Verbraucher keine Kontrolle über ihre persönlichen Daten. 54 Prozent der Verbraucher sind sehr besorgt über den Mangel an Privatsphäre bei vernetzten Geräten. 51 Prozent der Verbraucher haben Angst vor Datenschutzverletzungen durch Unbefugte wie Hacker. Unternehmen müssen Datenschutzrichtlinien und Sicherheitsmaßnahmen einführen, um sensible Standortdaten zu schützen und Vorschriften wie GDPR und CCPA einzuhalten.

Im sich rasch entwickelnden Bereich der IoT-Lokalisierung und -Positionierung werden mehrere künftige Trends die Wahrnehmung und Nutzung von Standortdaten verändern. Die IoT-Lokalisierung der Zukunft umfasst Edge Computing, KI und maschinelles Lernen sowie Blockchain.

Mit der zunehmenden Anzahl von Netzwerkknoten steigen auch die Datenmengen und der Rechenaufwand für die IoT-Lokalisierung. Edge Computing in der digitalisierten Supply Chain wird eine entscheidende Rolle bei der IoT-Lokalisierung spielen, da es Daten näher an der Quelle verarbeitet und so Latenzzeiten und Bandbreitennutzung reduziert. Edge-basierte Lokalisierungsalgorithmen ermöglichen es Geräten, Entscheidungen in Echtzeit zu treffen, ohne stark von Cloud-Ressourcen abhängig zu sein. Dies macht sie ideal für Anwendungen, die geringe Latenzzeiten erfordern, wie Augmented Reality (AR) und Robotik.

Algorithmen der künstlichen Intelligenz und des maschinellen Lernens werden die Genauigkeit und Zuverlässigkeit von IoT-Lokalisierungssystemen weiter verbessern. Fortgeschrittene Ortungsalgorithmen wie Deep Learning werden große Mengen von Sensordaten analysieren, um Muster zu erkennen und selbst in schwierigen Umgebungen wie Städten oder Innenräumen präzise Positionsvorhersagen zu treffen.

Die Blockchain-Technologie wird eine entscheidende Rolle bei der Sicherung von Standortdaten und der Gewährleistung der Datenintegrität in IoT-Lokalisierungssystemen spielen. Die Distributed-Ledger-Technologie (DLT) wird eine fälschungssichere Aufzeichnung von Standortdaten ermöglichen und damit das Vertrauen und die Transparenz in standortbezogene Dienste erhöhen, während gleichzeitig die Privatsphäre der Nutzer geschützt wird.