Plattformen wie AWS, Azure, etc. bietet neben der schieren Rechen-Power mannigfaltigen Cloud SAAS Services. Ob KI, Analyse, Datenaufbereitung/Processing oder auch Visualisierungsangebote. Wie sind hier die Erfahrungen? Welche Dienste werden genutzt? Wie ist das Zusammenspiel? Gibt es Erfahrungen zu Kosten? Interessante Alternativen? Does und Don'ts?

Die Abteilung "E- und Open-Government & Smart City" der Landeshauptstadt München spricht im Rahmen unterschiedlicher Veranstaltungen mit Bürgerinnen und Bürger. Themen wie "Sensoren", "Daten sammeln", "Daten analysieren", "Daten in Apps oder Portalen bereitstellen" lösen nicht immer erfreuliche Reaktionen aus. Datenschutz und Transparenz tauchen hier immer wieder in Diskussionen auf und Kommunikation ist ein wichtiges Mittel um Ängste abzubauen und tatsächliche Mitbestimmung zu fördern.

Wir nutzen hier analoge Formate wie Co-Creation Workshops, BarCamps wie das jährlich stattfindende #MucGov zum Thema "Digitale Stadt", Hackathons, Veranstaltungen, Sommerfeste oder den OpenGovernmentTag für den Austausch und die Beteiligung, sind aber auch auf Twitter unterwegs.

Uns interessiert, ob auch andere Städte Bürgerinnen und Bürger oder die Community zu solchen Themen beteiligen und welche Formate genutzt werden! Online-Beteiligungsformate wie Ideenplattformen finden wir sehr spannend, tun dies aber noch nicht! Oftmals brauchen wir für die Veranstaltungen auch interessante städtische Daten, auch das ist nicht immer einfach zu organisieren. Zudem gibt es Ideen, für die Stadtverwaltung oder die Stadtgesellschaft interessante Daten auch von Bürgerinnen und Bürgern sammeln zu lassen. Wir stehen hier am Anfang und würden gerne von anderen lernen.

Welche Erfahrungen gibt es in anderen Städten? Wir würden uns gerne mit euch austauschen!

Die Landeshauptstadt München betreibt für das EU-geförderte Projekt 'Smarter Together' eine SmartData Plattform welche Daten aus den Bereichen Mobilität, Energie und Infrastruktur hält und Analysen über unterschiedliche Themengebiete zulässt. Zudem bietet die Plattform standardisierte Schnittstellen, so können Sensordaten von intelligenten Lichtmasten beispielsweise für die München SmartCity App bereitgestellt werden. Klingt einfach? Ist es jedoch leider nicht...

Wir beschäftigen uns häufig mit Fragen wie:

- Ist eine zentrale Datenplattform notwendig um SmartCity Daten zu bündeln? Interne und/oder externe Daten in der Plattform?

- Welche Datenquellen gibt es in der Stadt? bei Töchtern? extern? Wem gehören die Daten?

- Welche Qualität haben die Daten und wie sind diese zu interpretieren? Aktualität? Fehler in den Datenbeständen?

- Für welche UseCases sind die Daten relevant und hilfreich? Wie dürfen die Daten analysiert werden?

- Werden die Daten für eine zentrale Plattform zur Verfügung gestellt und dürfen diese (kostenlos) für das OpenDataPortal oder die München SmartCity App genutzt werden?

Wir haben gemerkt, organisatorische Hürden oder auch Vorbehalte sind hier größer als die technische Lösungsfindung.

Wir würden gerne unsere Erfahrungen teilen und wissen, welche Erfahrungen andere Städte hier machen! Gerne lernen wir von anderen und erstellen gemeinsam eine Liste von "Tipps"!

Mitarbeiter*Innen der Landeshauptstadt München präsentieren den aktuellen Stand der Projektlösung zur Integration von Sensordaten im Förderprojekt Digitaler Zwilling München und diskutieren gemeinsam mit den Teilnehmer*Innen der Session.

Wie bekomme ich multiple Sensordatenströme von einem Arduino-basierten Sensorknoten über LoRaWAN in den FROST-Server und von dort weiter in eine konkrete IoT-Anwendung?

Genau dieser Fragestellung haben sich die Studierenden in der Lehrveranstaltung „Geoinformatik 3“ des LST Geoinformatik im SS2019 an der Technischen Universität München (TUM) gewidmet. Hierzu haben die Studentinnen und Studenten in Gruppen konkrete IoT-Fragestellung bearbeitet.

Der gesamte Workflow von der Auswahl und Installation der Hardwarebausteine inkl. Sensoren, über die Programmierung von Microcontrollern und deren Anbindung an das Internet über LoRaWAN, bis hin zu einer konkreten IoT-Anwendung wurde abgedeckt. Bei den verwendeten Daten und Diensten wurden konsequent Open Source Software und offene Standards des Open Geospatial Consortium (OGC) eingesetzt. Es wurde das LoRaWAN Netz von den Stadtwerken München und TheThingsNetwork benutzt.

In dieser Session möchten wir ein detailliertes Walkthrough entlang der Datenpipeline vom Sensorknoten bis zur Anwendung geben.

Im Detail geht es um die Datenencodierung auf dem Sensorknoten für LoRaWAN (Cayenne LPP), die Decodierung der Daten mittels NodeRED, die Erstellung von POST-Requests für den FROST Server und die Datenvisualisierung mit Grafana. Als Beispiel bringen wir einen Demonstrator mit, der im Rahmen des Kurses entstanden ist.

Sensoren messen und wandeln die gemessenen Werte in digitale Daten um. Der Nutzen ist dabei nur gegeben, wenn sichergestellt ist, dass diese Daten im Kontext bewertet werden.

Typische Schritte hierzu sind Datenvalidierung, Datenkalibrierung und Korrelation. State-of-the-Art Technologien ermöglichen objektive und automatisierte Prozesse, um aus Daten, die durch Sensoren gesammelt werden, verwertbare und werthaltige Informationen werden.

Anhand der Erfahrung von Hawa Dawa GmbH (Hersteller Luftqualitätsmessboxen und -modellierung) werden die Reise von Sensorenwerten zu Smart City Dienste gezeigt. Barcamp-Teilnehmer*innen sind herzlich eingeladen Ihre eigene Erfahrungen von und Bedürfnisse für die Smart City vorzustellen und zu diskutieren.

35 digitale Luftqualitätssensoren messen Luftschadstoffe in acht Kommunen der NordAllianz (Eching, Garching, Hallbergmoos, Ismaning, Neufahrn, Oberschleißheim, Unterföhring und Unterschleißheim).

Erstes Ziel dieses Pilotprojektes ist es, die Bevölkerung live im Internet über die Beschaffenheit der Luftqualität zu informieren. In Echtzeit werden Werte für Feinstaub, Stickstoffdioxid und Ozon erhoben.

Die Luftqualitätsdaten können auch in die kommunale Planung miteinfließen - gerade in Punkto Verkehrsanalyse. Doch wie kann dies bestmöglich geschehen? Dies würden wir gern in dieser Session diskutieren!

In dieser Session wollen wir einen Blick hinter die technischen Kulissen einer LoRaWAN Architektur werfen. Wir werden auf Basis von Open Source Software zeigen, wie eine Infrastruktur für die verteilte, funkbasierte Erfassung von Sensordaten im ISM-Band und deren zentrale Speicherung auf Grundlage etablierter Standards aussehen kann. Nach einer kurzen Einführung in die LoRaWAN-Technologie und deren wesentlichen Systemkomponenten, wird eine komplette DIY-Lösung (do-it-yourself) bestehend aus Sensoren, einem LoRaWAN-Gateway, einem Netzwerkserver und einem FROST-Server für die standardisierte Sensordatenerfassung vorgestellt und auch vor Ort in Betrieb genommen. Wir stellen dabei kurz marktgängige LoRaWAN-Empfangsgeräte und Sensoren vor, zeigen aber auch DIY-Geräte, um den technischen Hintergrund erläutern zu können. Die notwendigen Software-Komponenten werden auf einem Linux-Minirechner (Raspberry Pi) auf Basis vorkonfigurierter Docker-Container installiert.

Der Name ist Programm. Hier soll es um erste Praxisbeispiele (Befüllung der Properties-Werte der Entitäten) im Rahmen von INSPIRE und SensorThingsAPI gehen.

Die Absicherung der SensorThingsAPI über den FROST Server kann mittels Keycloak erfolgen. In dieser Session geht es um das Praxisbeispiel der Sensordateninfrastruktur in Hamburg. Es wird das grundlegende Prinzip und die Einbindung in eine Microservice (Docker/Kubernetes) Infrastruktur erläutert.