Im Projekt Quartierstrom, das vom Bundesamt für Energie als Leuchtturmprojekt gefördert wurde, haben Partner aus Forschung und Industrie einen blockchainbasierten Strommarkt entwickelt und in Walenstadt implementiert. Der einjährige Feldversuch ist im Januar 2020 erfolgreich abgeschlossen worden.

Der Schlussbericht des Projektes wurde nun vom BfE veröffentlicht.

SCS hat sich im Rahmen dieses Projektes in drei Kernthemen engagiert:

Datenschutz

Im Quartierstrom-Projekt wird der Stromverbrauch jedes einzelnen Haushalts im Viertelstundentakt erhoben. So kann das System den aktuell verbrauchten Strom via Blockchain auf dem dezentralen Markt einkaufen.

Die Werte zum Stromverbrauch sind aber schützenswerte Personendaten. Solch ein Lastgang lässt gewisse Rückschlüsse auf einen Haushalt und dessen Bewohner zu. Eine Ferienabwesenheit, der Tagesrhythmus und auch Gewohnheiten sind leicht zu erkennen: Wie oft kochen Sie? Benutzen Sie heute nur die Mikrowelle? Wie lange schlafen Sie? Wenn in der Garage ein Elektromobil steht, verrät der Lastgang nicht nur, wann jemand nach Hause kommt, sondern auch wie weit die Person an diesem Tag etwa gefahren ist.

In der herkömmlichen Stromversorgung kann der Elektrizitätsversorger diese Daten einsehen. Anders in der Blockchain. Denn ein Grundpfeiler dieser Technologie ist, dass alle Transaktionen von allen Teilnehmern validiert werden können. Die Teilnehmenden erscheinen zwar nicht mit Namen und Adresse auf der Blockchain, sondern mit einer Nummer. Dieser sogenannte «Public Key» kann nur indirekt mit dem tatsächlichen Verbraucher in Verbindung gesetzt werden, bietet aber nur einen geringen Schutz.

SCS hat Konzepte erarbeitet und ein Paper publiziert, wie diese privaten Daten mit modernsten kryptografischen Methoden geschützt werden können. Diese erlauben es, dass die Verbrauchswerte und Gebote zwar transparent sind, die Identität und das Verhaltensprofil der Bietenden aber verdeckt bleiben.

Ausserhalb von Quartierstrom hat SCS an diesem Thema weitergearbeitet: Siehe Ein TEE für Polkadot und SCS gewinnt Auszeichnung der Energy Web Foundation Innovation Challenge

Dynamischer, Spannungsabhängiger Netztarif

Speisen mehrere Solarstromanlagen gleichzeitig Strom ins Netz, können im Verteilnetz unerwünschte Lastspitzen entstehen. Findet zudem ein P2P Handel mit Energie ohne Berücksichtigung des Netzzustandes statt, kann dies die Netzstabilität zusätzlich gefährden. Um die intelligente Einbindung von Regelkapazitäten sowie Stromspeicher attraktiver zu machen, hat Supercomputing Systems eine Lösung entwickelt, mit der die Netzentgelte dynamisch gestaltet werden könnten. SCS hat diese Lösung mit einem Paper an der CIRED 2019 vorgestellt.

Liegt die Spannung über dem definierten Band, ist ein lokales Überangebot an Energie vorhanden und das Netzentgelt könnte kurzzeitig stark gesenkt werden, um die Einspeisung in Batterien und die Zuschaltung von flexiblen Lasten attraktiver zu machen. Liegt die Spannung unter dem Soll-Band würde die Netznutzungsgebühr steigen. Um das Solidaritätsprinzip aufrechtzuerhalten, gelten an jedem Messpunkt nur immer für 5% des Tages erhöhte und während 5% des Tages tiefere Gebühren. So werden alle gleich behandelt und trotzdem wird netzdienliches Verhalten so gut belohnt, dass sich Investitionen in die Flexibilisierung rechnen.

Evaluation von Blockchain Plattformen

In einem jungen Bereich wie der Blockchain Technologie überschlagen sich die Ereignisse und es ist anspruchsvoll, den Überblick über die besten Konzepte und die einsatztauglichsten Implementationen zu behalten. SCS hat die wichtigsten Plattformen, welche ohne energiehungriges Mining auskommen, bezüglich ihres Reifegrades evaluiert. Untersucht wurden neben der für dieses Projekt gewählten Tendermint Technologie die Plattformen Ethereum PoA, Corda, Hyperledger, Cardano, EOS, IOTA, Nano, Energy Web. Resultate können dem Schlussbericht entnommen werden. Für aktuelle Informationen wenden Sie sich an uns!

In naher Zukunft wird KI zu unserem Alltag gehören. So werden selbstoptimierende Maschinen, Spracherkennung sowie diagnostizierende Medizingeräte uns täglich unterstützen. Die zugrunde liegenden Algorithmen sind extrem leistungsfähig aber auch leistungshungrig. Was steckt wirklich hinter der KI? Wie kann diese «at the edge», also eingebettet im Endgerät laufen, ohne Daten in der Cloud zu rechnen? In diesem Talk erklären David Gschwend und Florentin Marty, wie Ingenieure von SCS für Ihre Kunden erfolgreich KI in eingebettete Systeme packen.

Dieser Vortrag wurde am 9. Juni 2020 im Rahmen der Embedded Computing Conference 2020 mit dem „Audience Choice Award“ ausgezeichnet.

Haben Sie Fragen, Anregungen, Ideen oder Projekte, die Sie gerne besprechen möchten? Dann nehmen Sie jetzt Kontakt mit uns auf!

Kontaktieren Sie David Gschwend

Protected by reCAPTCHA. The Google Privacy Policy and Terms of Service apply.

Das gezogene Diagnosefahrzeug (kurz gDFZ) der SBB ist seit 2018 regelmässig auf den Schweizer Schienen im Einsatz. Mit der Entwicklung des Zentralen Systems war SCS massgebend an der Entwicklung dieses neuen Diagnosefahrzeuges beteiligt. Das Zentrale System ist verantwortlich für die einheitliche Erfassung aller Messdaten und Speichern dieser Daten in einem offenen, standardisierten Format. Weiter stellt das Zentrale System einen Viewer zur Verfügung um die Messdaten direkt (live) auf dem Fahrzeug sowie nachgelagert im Büro anzuzeigen. Angeliefert werden die Messdaten von Mess- und Inspektionssystemen von unterschiedlichen Instrumenten-Lieferanten.

SCS war zuständig für die Entwicklung der spezifischen zentralen Software-Komponenten welche die hohen Anforderungen der SBB erfüllen kann. Zum Lieferumfang gehörten auch Server- und Netzwerkkomponenten sowie die Arbeitsplätze für die Messingenieure. Die Soft- und Hardware wurde von SCS zusammen mit den Messsystem-Lieferanten auf dem gDFZ integriert und in Betrieb genommen.

Die SBB überwacht mit dem gDFZ permanent den Zustand ihrer Infrastruktur. Wir sind stolz mit dem Zentralen System, einem Rechenzentrum auf Schienen, einen wertvollen Beitrag dazu geleistet zu haben.

 

Wie wichtig diese Überwachung ist, speziell bei den aktuell sehr hohen Temperaturen, zeigt auch ein aktueller Beitrag aus dem Westschweizer Fernsehen (RTS).

Das gDFZ und die Viewer-Software von SCS sind im Beitrag im Bereich 15-45s zu sehen.

Diese Woche durften wir erfolgreich den ersten Tech-Event dieses Jahres durchführen. Joel Casutt, Florentin Marty und Patrick Wernli führten unsere rund 200 Gäste in die Vision des gezogenen Diagnosefahrzeug ein, wie das Zentrale System funktioniert, Daten sammelt, verarbeitet, aufbereitet und visualisiert, wie auch welche Sensoren verwendet werden und welche ersten Erkenntnisse bereits aus den Daten gezogen werden konnten.

Die SCS ist Entwicklungspartner beim Quartierstrom Projekt in Walenstadt. Dort geht gerade der erste dezentrale P2P Energiemarkt der Schweiz in Betrieb. Im asut Bulletin 5/18 ist unser Artikel erschienen mit Fokus Datenschutz auf der Blockchain.

SCS unterstützt im Quartierstrom Konsortium die Entwicklung der dezentralen Blockchain Lösung, dem „Blockchain-Enabled-Smart-Meter“, beim Implementieren eines dynamischen Netztarifs und beim Gewährleisten des Datenschutzes. All dies sind Kernthemen des Departements für Decentralized Systems.

 

Per 1.Juli 2018 hat die SCS ein neues Departement im Bereich Blockchain und Internet-Of-Things aus der Taufe gehoben. Alain Brenzikofer leitet die neu entstandene Gruppe als neuer Department Head. Wir gratulieren Alain Brenzikofer herzlich zur neuen Rolle und wünschen ihm viel Erfolg.

Distributed Ledger Technologien, Blockchain, Kryptowährungen, IoT: Die Begriffe sind in aller Munde und werden in verschiedenen Branchen zukunftsweisend sein. Alain Brenzikofer befasst sich seit Jahren mit diesen Technologien und ist ein profunder Kenner der Szene. Gerade im Energiebereich, aber auch im Rohstoffhandel, bei Herkunftsnachweisen oder in der Industrie ergeben sich heute interessante Anwendungen, welche sich bei SCS bereits in Entwicklung befinden: So ist SCS u.a. Partner im Projekt „Quartierstrom“ am Walensee, wo ein Blockchain-basierter Peer-to-Peer Energiemarkt entsteht.

 

 

Die Hamburger GLP Systems GmbH ist ein innovativer Spezialist im Bereich Informations- und Automationssysteme für klinische Laboratorien. GLP Systems hat mit einem neuen Ansatz die Probenförderung revolutioniert: Einer Carrera Bahn gleich werden Probegefässe einzeln mit intelligenten CARs auf einfachen Fahrspuren durch die Labor- und Kühlräume transportiert. Weltweit sind bereits eine Vielzahl solcher Systeme im Einsatz, so auch im Zentrum für Labormedizin am Inselspital Bern.

Bild 1: Der Pool leerer CARs ermöglicht eine effiziente automatische Befüllung auf der rechten Fahrspur. Im Tube Assessment Center (TAC), rechts hinten im Bild, werden die Probegefässe bei ihrer Durchfahrt mit dem rein optischen SCS Computer Vision System zuverlässig klassifiziert und treten im Anschluss ihren individuellen Weg durch das Labor an.
Quelle: Zentrum für Labormedizin – Inselspital Bern

Fehlerhafte Analyseaufträge werden dank der SCS Computer Vision Lösung vermieden: Die Probegefässe werden anhand ihrer Form und Farbe rein optisch klassifiziert. In der Praxis ist die weltweite Vielfalt der Gefässtypen eine Herausforderung, da sich ihre Merkmale oft nur geringfügig unterscheiden. Dank einer statistischen Auswertung können Gefässe trotz Variationen in den Produktionschargen zuverlässig erkannt werden. Verwechslungen werden vermieden, indem das System CARs mit unsicherer Klassifizierung automatisch ausschleust. In diesen zum Glück seltenen Fällen prüft der Mensch als zuverlässigste Instanz die Proben manuell nach und sorgt damit für die unerlässliche Sicherheit.

SCS Service Tool
Bild 2: Das SCS Service Tool ermöglicht als stand-alone Applikation eine detaillierte Zustandsanalyse. Dank Rapid Prototyping mit MATLAB war die agile Entwicklung kosteneffizient und schnell einsatzfähig.

Ein Servicetechniker kann dank des SCS Service Tools rasch Ursachen von Unsicherheiten aufdecken: Es analysiert und visualisiert Diagnosebilder zusammen mit weiteren Daten der TAC. Bei Bedarf können einfach neue Bildserien erstellt und damit der Daten-Pool für das Machine Learning kontinuierlich erweitert werden. Neue Gefässtypen lassen sich auf diese Weise einfach einlernen. Zudem können Variationen bekannter Gefässtypen immer besser verstanden und die Erkennungsrate so laufend optimiert werden.

Bild 3: Dank Schwarmintelligenz fahren die CARs autonom durch die verschiedenen Module (TAC, Zentrifugen, Kappen-Entferner, Analysegeräte,…). Das ermöglicht eine individuelle und damit kostengünstige Analyse der Blutproben ganz im Sinne der Industrie 4.0 Idee.
Quelle: Zentrum für Labormedizin – Inselspital Bern

Am ersten Tech-Event dieses Jahres hat Dr. Uwe Franke von Daimler zusammen mit Felix Eberli in das Potential von Deep Learning für autonomes Fahren eingeführt. Daimler zeigte dabei in beeindruckender Weise die Entwicklung und technische Machbarkeit, getrieben durch Convolutional Neural Networks und mehr Rechenleistung der erhältlichen Halbleiterbausteine. Gerade in Nacht- und verspiegelten Situationen sind solche Netzwerke bereits heute dem Menschen überlegen und bilden künftig die Grundlage für die Umsetzung von autonomem Fahren.

In industriellen Anwendungen haben Vertraulichkeits- und Datenschutzaspekte einen zunehmenden Stellenwert. Der Nachweis der Herkunft, des Aufnahme- oder Produktionszeitpunkts oder eine vertrauenswürdige Rückverfolgbarkeit von Objekten und Daten werden immer wichtiger.

Der Nachweis, dass gewisse Daten vor einem bestimmten Zeitpunkt bereits existiert hat (z.B. bei Patentansprüchen) war bis anhin ein bekannter Anwendungsfall für Blockchain-Technologie. SCS hat dieses Konzept erweitert und eine Infrastruktur aufgebaut, welche zusätzlich auch die NICHT-Existenz von Daten vor einem bestimmten Zeitpunkt erlaubt, wodurch nun z.B. Sensordaten auf vertrauenswürdige Weise einem bestimmten Aufnahme-Zeitfenster zugewiesen werden können. Dieses Konzept findet im Bereich der Überwachung, im internationalen Handel oder auch im staatsnahen Bereich interessante Anwendungen.

Lesen Sie dazu auch unser Whitepaper:

trusted-sensor-whitepaper