Wir stellen einen Algorithmus vor, der mit 80% Genauigkeit die Smart Home-Konfiguration bei einer Rekonstruktion einer ETS-Projektdatei für Sie erledigt.

Der globale Markt für Heimautomation blüht im Moment. Bald wird fast jedes Gerät, das wir in unsere Haushalte bringen, intelligent sein. In den letzten drei Jahren hat sich der IoT-Markt aufgrund seiner Benutzerfreundlichkeit und der Tatsache, dass er die Lücke mit intelligenten Heim-AV-, Reinigungsgeräten und Sicherheitsvorrichtungen hervorragend schließt, sehr gut etabliert.

Aber die Entwicklung all dieser neuen Geräte mit unterschiedlichen Kommunikationsprotokollen erfordert eine Vernetzung, die es bisher in keiner KNX- oder Smart Home-Branche gegeben hat. Zumindest nicht auf eine benutzerfreundliche Weise. Was der Markt braucht, ist eine einfachere Möglichkeit, neue Geräte zu einem bestehenden Smart Home hinzuzufügen und über eine einzige Schnittstelle zu steuern.

Dieser Bedarf wird durch mehrere Unternehmen hervorgehoben, die das gleiche Problem von verschiedenen Seiten angehen.

Zum Beispiel:

  • Die Unterstützung zum Importieren von KNX-Gruppenadressen wird fast jedem Visualisierungsserver hinzugefügt. Und während dies den Arbeitsaufwand für die Implementierung von Add-ons verringert, ist es bei weitem nicht die Endlösung, die dieses Problem ganzheitlich lösen würde.
  • Ein besserer Versuch wurde vom Unternehmen Schneider Electric unternommen, da es dieses Problem mit der Entwicklung des so-genannten eConfigure-Tool angegangen ist, währenddessen Theben einen ähnlichen Ansatz mit seiner LuxorLiving-Plattform verwendete. Mit diesen Lösungen sind diese zwei Unternehmen in der Lage, eine vollständige Heimkonfiguration basierend auf dem Grundriss zu erstellen. Das Problem bei diesen Plattformen ist, dass sie sich auf ihre eigenen Geräte (eConfigure und LuxorLiving) innerhalb ihrer eigenen Ökosysteme beschränken.
  • Control4, das hauptsächlich auf dem US-Markt vertreten ist, rückt langsam in die KNX-Welt vor und strebt eine einfache Integration in jedes KNX-Zuhause an. Deshalb hat Control4 ein automatisiertes Tool entwickelt, das die meisten gängigen KNX-Geräte in seine eigene Plattform integriert.

KNX-Installation speichert jedoch keine menschenlesbare Konfiguration, sondern Funktionen, die dann zu Kanälen mit zusätzlichen Textbeschreibungsfeldern zusammengefasst werden. Es besteht jedoch noch Verbesserungspotenzial durch die Nutzung moderner Software-Praktiken und maschinellen Lernens.

Wie geht es mit diesen Lösungen weiter?

Thinka und Pairot sind großartige Beispiele für die nächsten Evolutionsschritte, weil sie versuchen, diese Herausforderung anzugehen, indem sie die besten Praktiken der Installationstechniken rekonstruieren. Diese Praktiken (z.B. Gruppenadressnamen und -regeln) ermöglichten zwar weitere Schritte, aber in Wirklichkeit ist es schwer, diesen Schritten zu folgen, und deshalb tun es die meisten Installateure auch nicht. Obwohl Thinka und Pairot einen nächsten Schritt zur Vereinfachung des Prozesses machten, ist ihr Verfahren aber immer noch nirgendwo so einfach, dass es die Zeit der Installation drastisch verkürzen würde, oder sogar noch weiter, dass es dem Endbenutzer ermöglichen würde, diese Verfahren selbst auszuführen.

Welche bahnbrechende Lösung bietet 1Home?

Wir sind die Herausforderung aus einem anderen Blickwinkel angegangen und sind stolz darauf, einen Algorithmus zur automatischen Erkennung entwickelt zu haben, der eine Genauigkeit von 80% bei der Rekonstruktion von Smart Home Konfigurationen aus der bestehenden ETS-Projektdatei nachweist.

Nachdem Sie die ETS-Projektdatei abgelegt haben, werden Ihre KNX-Geräte innerhalb weniger Minuten erkannt.

Wie haben wir das erreicht?

Wir haben die Lösung basierend auf der Analyse und Erfahrung aus Zehntausenden von Smart Home-Projekten entwickelt. Der Algorithmus verwendet SVM (Support-Vector-Machines), um zu lernen, wie Gruppenadressen normalerweise zu einem logischen Gerät für bestimmte KNX-Aktoren und -Sensoren aufgebaut werden.

Nach dem Aufbau einer Datenbank mit KNX-Katalogfunktionen haben wir diese Funktionen in mehr als 80 Funktionsklassen zusammengefasst, die für die Visualisierung und Sprachsteuerung benötigt werden. Darüber hinaus haben wir ein maschinelles Lernmodell entwickelt, das Methoden der natürlichen Sprachverarbeitung und Klassifikationsalgorithmen verwendet.

Dieses Modell in Kombination mit einigen anderen Techniken erkennt zuerst die Funktionalität jedes Datenpunktes (z.B. ein, aus, Prozentsatz usw.). Anschließend identifizieren wir auf der Grundlage der erkannten Datenpunktfunktionalitäten und Gruppierungsregeln den Gerätetyp hinter jedem Kanal. Wir rekonstruieren dann die Gerätenamen basierend auf allen Funktionen, die einen bestimmten Gerätetyp definieren. Der letzte Schritt ist die Gruppierung der Geräte nach Räumen des Hauses (wenn Informationen in der ETS-Projektdatei vorhanden sind).

Alles in allem übertrifft unsere automatische Erkennungstechnik die besten Beispiele, die wir auf dem Markt beobachtet haben (Thinka und Pairot) – sowohl in der Erkennung von Licht, Thermostaten, Sensoren und Szenen, als auch in der Erkennung von Jalousien – mit gleicher Genauigkeit.

Was bringt uns das in der Praxis?

Wir verwenden unseren neuen Algorithmus bereits, um KNX Smart Home-Installateuren und -Eigentümern den einfachsten Weg zur Nachrüstung von Sprachsteuerungs- und Visualisierungsanwendungen in bestehenden Smart Homes zu bieten. Wir ermöglichen grundsätzlich die Integration von Smart Assistant-Plattformen (Amazon Alexa, Google Home, Apple HomeKit) in nur wenigen Minuten. Installateure und Benutzer können auch alle von diesen Plattformen unterstützten IoT-Geräten (insgesamt über 100.000 Geräte) in ihr Kern-Smart Home integrieren. Dies ermöglicht es ihnen, vernetzte Automatisierungen über eine übergeordnete Schnittstelle zu erstellen und das alles ohne großen Aufwand. Sprache, Berührung, Sensoren, Ort, Zeit – alle diese Funktionen können ein Auslöser für Geräteaktionen innerhalb zweier verschiedener Kommunikationsprotokolle (IoT & KNX/drahtlos & -gebunden) sein.



Und was halten Sie davon? Wo sollten wir den Algorithmus als nächstes implementieren, um Ihnen als Smart Home-Benutzer oder -Installateur den größten Nutzen zu bieten? Teilen Sie Ihre Meinung mit uns (support@1home.io) und wir werden gleich an die Sache herangehen!