 Und jetzt geht es zu unserem Speaker, der jetzt sprechen wird, und zwar ist das Felix Erdmann. Felix Erdmann ist Entwickler bei Redo, einem Spin-off des Institutes für Geoinformatik der Universität Münster, an dem Ideen und Projekte, Produkte rund um Themen wie digitale Bildung und Open Source entwickelt werden. Und heute stellt uns Felix das Projekt Sensebox vor, ein DIY-Citizen-Science-Baukasten, mit dem offene Sensor-Daten erfasst und auch in die Welt geworfen werden können. Und was man damit alles so anstellen kann, das erzählt er euch natürlich am besten selber. Begrüßt also deshalb mit einem ganz warmen Applaus Felix Erdmann. Ja, hallo zusammen, vielen Dank, dass ihr alle da seid. Vielen Dank für die schöne Anleitung. Da habe ich ja schon fast meine erste Folie durch, das war ein schöner Überblick. Genau, ich spreche über offene Sensor-Daten, die jeder erheben kann, mithilfe von Open Source, Open Hardware und Open Educational Resources. Im Prinzip geht es darum, um das Sensebox-Projekt der Uni Münster, was vor einigen Jahren gestartet ist und in dem wir mit kleinen Arduino-Baukästen Sensor-Daten erheben und damit einmal in den Citizen-Science-Bereich gehen und andererseits auch die digitale Bildung fördern wollen. Kurz zu mir, mein Name ist Felix Erdmann, ich war bereits 2012 Schülerpateikant am Institut für Geoinformatik, hatte da quasi den ersten Anhaltspunkt und die erste Berührung mit der Geoinformatik und auch mit Sensoren, mit der Sensorik, ich habe da mit Arduino's, mit dem GPS-Sensor und mit verschiedenen Sensoren, also Umweltdaten erhoben und habe dieses kleine Modul quasi auf eine Drohne geschnallt und das war quasi mein erster Berührungspunkt mit der Geoinformatik, habe dann nach dem Abitur Geoinformatik im Bachelor und der Master studiert, habe den Masterstudiengang dieses Jahr abgeschlossen und bin inzwischen Mitarbeiter bei REEDU, bzw. WIDU und wir entwickeln das Sensebox-Projekt weiter und als Bachelor war ich dann auch schon ständische Hilfskraft in diesem Projekt. Was ist die Sensebox? Fällt einmal kurz Handzeichen, wer hat davon schon mal gehört? Wer hat eine? Ja, so ein paar. Die Sensebox ist ein DIY Toolkit für stationäre und mobile Sensorstationen, das basiert auf Open Hardware, speziell auf der Arduino-Plattform und wir haben verschiedene Versionen, der Sensebox entwickelt, vertreiben die, um verschiedene Bereiche abzudecken, also einmal der Bereich Citizen Science, wo jeder Bürger irgendwie zum Wissenschaftler werden kann, je nachdem, wo seine Interessen sind und wo seine Stärken sind, der andere Bereich ist die digitale Bildung. Wir wollen vor allem in die Schulen und Bildungsanrichtungen gehen, um da irgendwie den Schülerinnen und Schülern zu zeigen, dass die Digitalisierung, dass das Programmieren und Speziellen gar nicht so schwierig ist, wie sich das vielleicht anhört und da so ein kleines Grundverständnis schon mal schaffen, um da dann irgendwie eine Plattform für irgendwie die Zukunft zu schaffen. Das zweite Produkt ist die Open Sense Map, das ist eine offene Plattform, die im Internet läuft, auf opensensemap.org, da kann jeder, wenn er dann möchte, seine Sensorstationen registrieren, seine Daten da in Hochladen und dann seine Messdaten auch anschauen. Also da haben wir verschiedene Visualisierungstools und damit kann man dann sehen, was man auch gemessen hat, beziehungsweise was andere Nutzer messen. Der eine Bereich, wie ich schon gesagt habe, ist Citizen Science, da kann jeder je nach seinen Möglichkeiten zum Wissenschaftler werden oder an der Wissenschaft teilnehmen. Da gibt es verschiedene Levels, die da bestimmt wurden. Das unterste Level ist quasi, dass der Nutzer einfach nur als Datenerfasser dient, also er sammelt irgendwie Daten und stellt die dann bereit bis zum höchsten Level, dass die Nutzer nicht nur die Daten sammeln, sondern auch damit Analysen anstellen, damit vielleicht auch irgendwie wissenschaftliche Publikationen erstellen, um aus den Daten dann wirklich was zu machen. Genau und genau für diesen Use Case haben wir die Sensebox Home entwickelt, auf diesem Bild ist das in Sao Paulo, das ist eine ziemlich einfache Plug and Play Sensorstation, man muss eigentlich nur alles zusammenstecken, USB-Kabel dranstecken, den SourceCode raufladen und dann kann man es auf seinen Balkon schneiden oder wo auch immer man das in seinem Garten stehen haben möchte und kann da dann Umweltdaten sammeln. Die Daten können dann halt über WLAN, Ethernet oder Lora beispielsweise ins Internet übertragen werden. Dazu gibt es dann das Equivalent für die digitale Bildung, das sind die Sensebox Edu, im Prinzip sind es die gleichen Komponenten, also wir haben einmal den Mikrocontroller, der da drin ist und dazu noch verschiedene Sensoren. Üblicherweise ist das Temperatur, Luftwäldigkeit, Luftdruck, UV-Strahlung, Helligkeit und als Zusatzoption kann man auch noch den Feinschaub messen mit einem SCS-Sensor, kennt vielleicht einiger. Genau und was sich dann unterscheidet, dass die Sensebox Home eher so Plug and Play, man muss alles verbinden und dann läuft alles. Bei der Sensebox Edu ist es ein bisschen anders, da muss man, also kann man auch alles zusammenstecken, da sind aber noch ein paar mehr Komponenten drin, da haben wir noch LEDs, weitere Sensoren, Drehregler, Buttons, Display, das kann man dann alles manuell anschließen und dann verschiedene Projekte ermöglichen und die Box an sich programmieren. Dazu haben wir dieses Programmiertool von Google genommen, das nennt sich Blockly, da kann man ja wie in Scratch einfach Puzzleteile zusammenziehen, kann da verschiedene Werte eingeben und an dieser Puzzloberfläche kann man dann seinen Quail-Code ziemlich einfach zusammenstellen. Und das ist dann eher für die jüngeren Schüler gedacht, die halt wirklich noch gar keine Erfahrung mit dem Programmieren haben, die können damit super einfach ziemlich schnell den ersten Quail-Code zusammenschreiben, für die etwas erfahrenen Schülerinnen und Schüler, die können dann natürlich auch den Quail-Code an sich selber schreiben, wie wir das hier auf der rechten Seite sehen. All das basiert, wie ich schon gesagt habe, auf Open Hardware. Wir haben unser eigenes Modul entwickelt, basierend auf einem Arduino. Die Sensebox MCU, der Grund, warum wir das gemacht haben, ist, dass wir mit dem Arduino Uno, mit dem wir begonnen haben, dass man da gar nicht alle Sensoren auf einmal abrufen kann und den Codop wirklich hochladen kann. Da war das Speicherplatz irgendwann zu gering, deswegen sind wir irgendwann auf dieses Modul umgestiegen. Da haben wir verschiedene Anschlüsse, I2C-Anschlüsse, Analoge, Digitale und serielle Ports, mit Steckkarten, die über nun andere Richtungen anschließen kann, damit da auch irgendwie keinen Kurzschluss in den Sensoren entsteht und damit man dann auch ziemlich einfach seine erste Sensation aufbauen kann. Dazu haben wir zwei XP-Ports, an dem man seine Daten übertragen kann, sei es über WLAN, Ethernet, Lora Warn oder über einen SD-Modul speichern, dass man das quasi auch alles offline machen kann und sich die Daten auf die SD-Karte speichern kann und dann zu Hause auslesen kann. Die ganzen Schaltpläne, die Gerberfalls und die Libraries sind alle offen, sind frei verfügbar auf GitHub und das heißt, jeder, der die Möglichkeiten hat, kann sich dann dieses Board, wenn er dann will, selber zusammenlöten. Wie ich schon gesagt habe, die OpenSense-Map ist das Rückgrat quasi vom Sensors-Projekt. Hier kann jeder seine Sensebox registrieren, kriegt dann ein Quellcode zugeschickt und kann da seine Messdaten hochladen. Wie man hier sieht, auf der Karte sind wir jetzt auf der ganzen Welt so grob gesagt vertreten, das meistens natürlich jetzt irgendwie in Deutschland und in Europa, aber es gibt schon irgendwie an den fruchtesten Orten Senseboxen, die dann irgendwie ihre Daten auf diese Plattform schicken und dass man sich die dann von überall anschauen kann. Dazu gibt es erstmal so eine kleine Analyse bzw. eine kleine Visualisierung der Messwerte, wenn man dann hier auf eine Station klickt, sieht man Details, sind Informationen und Diagramme zu der Box. Also wenn jetzt einer zum Beispiel ein Bild hochgeladen hat, sieht man das, sieht die Temperatur und eine Temperaturverlauf von der Box. Wie ich schon gesagt, ist bei uns ja alles irgendwie open und so ist das auch die OpenSense-Map. Also es können nicht nur Senseboxen ihre Daten zur OpenSense-Map schicken, sondern jeder. Also wenn man jetzt zum Beispiel den ESP hat oder einen WSWP, auch die alle können irgendwie ihre Umweltdaten zur OpenSense-Map schicken. Wir haben dann offene API, eine West-Schnittstelle, die halt die ganzen Daten annimmt. Einige Beispiele sind eine selbst gebaute Wattbox, die wir mal im Wattenmeer aufprobiert haben, um jetzt die Strömungsgeschwindigkeit und Strömungsrichtung während der Flut zu messen. Die Geräte von Luftdaten-Info können auch relativ einfach aktiviert werden und das ihre Daten auch zur OpenSense-Map schicken. Dann gibt es ausgefallene selbst gebaute Stationen, die jetzt irgendwie im Garten stehen und auch noch irgendwie Regen, Windgeschwindigkeit und Windrichtung messen. Geräte von SmartCitizen.mi können ihre Daten dahin schicken, Sensebox oder wie gesagt selbst selbst gebaute Stationen. Und dabei ist man nicht auch nicht auf irgendwelche Phänomene beschränkt. Also man kann wirklich alles mögliche Temperaturluftfortigkeit, irgendwie Lautstärke, irgendwelche Gase, all das, wenn man das ausmessen kann, kann man das auch einfach zu uns hochladen. Der QuailCode ist auch alles frei verfügbar auf GitHub. Das ist einmal der, das Sketch, beziehungsweise der Code, der auf dem Arduino läuft, auf der Sensebox MCU, das OpenSense-Map Front- und Backend und jegliche Services, die wir dazu entwickelt haben, können abgerufen werden. Da kann sich das SourceCode angeschaut werden. Die Webseite, Lernmaterialien, all das ist alles auf GitHub verfügbar und unsere API ist wie gesagt auch offen, also jeder kann seine Daten nach hochladen. Unsere Lernmaterialien sind als Open Educational Resources verfügbar, vor allem für Lehrerinnen und Lehrer oder für irgendwelche Bildungsinstitutionen, weil die Hürde für den Einstieg, um die Sensebox im Unterricht beispielsweise zu nutzen, ist auch relativ hoch. Viele kennen sich damit nicht aus, haben auch keine Zeit, sich da wirklich einzuarbeiten und wir wollen, dass damit der Einstieg in die digitale Bildung ein bisschen einfacher wird. Wir haben hier verschiedene Projekte zu entwickelt und an dem man sich so ein bisschen entlang hangeln kann. Da wird dann Theorie und Praxis irgendwie erläutert. In diesem Beispiel ist das hier so ein Verkehrszeller. Wir haben ein Ultraschall Distanzsensor mit in der Sensebox Edu. Damit kann man der Distanz messen und in diesem Beispiel wird dann an der Theorie gezeigt oder es wird erst mal eine Problemstellung gesagt, eine Aufgabe. Dann gibt es Anleitungsschritte, wie man das, wie man den Sensor verbindet, wie man den ausliest, was man auch mit den Daten machen kann. Ein Beispiel, das wurde einmal in der Schule genutzt und da kam dann die Schülerinnen und Schüler einmal die Menge des Verkehrs vor der Schule gemessen, die sind dann rausgegangen an die Straße und haben irgendwie in meiner Viertelstunde gemessen, wie viele Autos wirklich vor der Schule herfahren. Damit können dann auch irgendwelche Probleme mit Fakten wirklich belegen werden. Also wenn man jetzt zum Beispiel sagt, bei uns ist viel zu viel Verkehr und keiner will das wirklich sehen, dann kann man einmal wirklich damit ziemlich einfach, ziemlich schnell die Daten messen und damit auch wirklich was bewegen. Noch mal kurz zu Timeline. Für mich persönlich ging das Sensebox Projekt, grob gesagt, schon 2012 los, als ich als Schülerpraktikant an der Uni war und da wurde die erste Version, weil sie noch die ersten Prototypen wurden da schon in der Lehre und Forschung eingesetzt. Also alles noch auf einem Arduino Uno basierend mit verschiedensten Sensoren, die dann ausprobiert wurden und ich habe da wie gesagt so ein Kit auf eine Drohne geschnallt. Richtig los ging es dann ab 2016. Wir haben eine Förderung vom BMBF, dem Bundesministerium für Bildung und Forschung erhalten und haben in dem Rahmen viel gemacht, viel entwickelt und dann dann ganz verschiedene Ergebnisse herausgekommen. Einerseits wurde die OpenSense-Map weiter entwickelt, haben da irgendwie verschiedene Module mit eingepflegt, dass man Interpolationen machen kann, um auch die Sensordaten zu schätzen zwischen verschiedenen Sensoren, beispielsweise die Temperatur. Hardware-mäßig wurden verschiedene Experimente gebracht. Wir haben mit einem 3D-Drucker versucht, Temperaturgehäuse zu bauen, um da die Sonnenanstrahlung zu schützen. Wir waren auf der Zugspitze, haben die Sensebox unter Extrembedingungen getestet, einmal bei super kalten Temperaturen, einmal super viel Schnee, um zu schauen, was dann wirklich passiert. Und genau das war jetzt das Projekt, was jetzt auslief. Und jetzt ziemlich neu gibt es ein neues Projekt, das ist Sensebox Pro, wird wieder vom BMBF gefördert, läuft auch wieder 3 Jahre und da wollen wir dann ja die professionellen Anwender irgendwie ansprechen und auch teure Sensoren mal ausprobieren. Bisher ist alles noch im Low-Cost-Bereich und die Sensoren sind zwar für den Ansatzgebiet schon mal ganz nett und ganz schön, aber wirklich professionelle Nutzer können damit nicht willig was anfangen. Das heißt, wir müssen da verschiedene Sensoren ausprobieren und vielleicht auch die Industrie mal anzusprechen, um zu schauen, ob die da vielleicht Interesse daran haben. Softwareseitig wird dann auf der OpenSense-Map noch verschiedene Analyse-Methoden angezeigt, damit man die Daten noch besser vergleichen kann und noch besser auswerten kann. Wir haben uns irgendwann mal gefragt, es ist ein Citizen-Science-Projekt, das heißt OpenScience und wir wollen irgendwie, dass die Daten auch reproduzierbar sind, aber wir haben uns gefragt, wer nimmt eigentlich wirklich daran teil? Wir sagen, jeder kann mitmachen, jeder kann verschiedene Aufgaben übernehmen, aber was sind das eigentlich für Leute, die bei uns mitmachen? Wir haben dann im Rahmen meiner Maßarbeit eine Umfrage gemacht und einmal geschaut, wer sind die Teilnehmer? Es sind auf jeden fall größtenteils Männer, hätte das gedacht, und das Alter, ja zwischen 30 und 55, würde ich sagen, ist so der größte Großteil. Was interessant ist, dass viele Teilnehmer schon akademischen Hintergrund haben, also die haben irgendwie Bachelor, Master oder sogar ein Diplom und aus diesem Bereich kommen halt super viele, super viele Teilnehmer. Wir dachten ja, so im Citizen-Science-Bereich kann halt jeder mitmachen, offensichtlich interessieren, ich weiß nicht, ob sich dafür die meisten halt interessieren oder ob die Hürden dafür zu groß sind, auf jeden Fall sind größtenteils Akademiker, die an dem Projekt teilnehmen. Vielleicht als Hintergrund, die Nutzer, die wir befragt haben, sind alle Nutzer, die auf der OpenScience-Projekt registriert sind. Das sind also alle die Leute, die wahrscheinlich einmal eine Station angemeldet haben und Daten hochgeladen haben, sind jetzt aber nicht Leute, die unbedingt die Daten einfach nur runterladen, die können wir nicht erfassen. Was ist die Motivation der Teilnehmer, um an dem Projekt mitzumachen? Also grob kann man sagen, dass alle gerne irgendwie Umweltdaten messen, die gerne sammeln und auch uns gerne zu verfügen stellen. Das heißt, sie wollen sie nicht nur für sich haben, sondern möchten sie gerne teilen, um damit vielleicht auch irgendwie politische Entscheidungen durchbringen zu können. Also im Bereich Kommunikation, man möchte irgendwie gerne die Community-Supporten, also man möchte irgendwie, wo man kann irgendwie helfen, um Probleme zu lösen. Man möchte vielleicht auch andere Leute dazu überreden, damit zu machen, aber wirklich Leute kennenlernen, vor allem persönlich, irgendwie war das nicht so das Ziel. Und viele sind der Meinung, dass mit den Daten mehr gemacht werden soll, das sollen da schöne Analyse mitgemacht werden. Aber der letzte Punkt, dass man irgendwie selbst an dem wissenschaftlichen Prozess teilnimmt, also die da analysiert oder vielleicht sogar in der Publikation schreibt, nein danke. Und das sieht man auch an dem Hauptnutzen der Open-Sense-Map. Also die meisten Daten wollen irgendwie ihre Daten hochladen, Daten messen und irgendwie allgemein am Projekt teilnehmen, schauen sich aber letztendlich einfach nur ihre Daten an, erstellen Diagramme oder managen ihre Boxen, also fügen irgendwie Sensoren hinzu. Genau. Eine Erstanalyse der Daten über eine Interpolation zum Beispiel ist ziemlich weit unten, das wir gar nicht so stark genutzt. Wir sammeln ziemlich viele Daten, also wir sind schon im Big Data Bereich, kann man so sagen, wir haben über 5.700 registrierte Boxen auf unserer Plattform, da kommen 5.000 bis 6.000 Messungen pro Minute rein und wir haben über 3,9 Milliarden gespeicherte Messungen in unserer Datenbank. Und jeder kann alle Daten oder kann seine Daten nicht einfach hochladen, sondern jeder kann sie einfach runterladen und verarbeiten. Das ist eigentlich kein Problem, wir haben, speichern halt nur die Rohdaten, also es wird keine Validierung der Daten gemacht, um halt wirklich die Daten zu bekommen, die die Nutzer auch messen. An dem ganzen Projekt, vor allem in der Infrastruktur gibt es dadurch auch einige Probleme. Also wir haben ziemlich hungrige Server, die laufen aktuell in der Cloud. Gerade noch bei AWS wird aber bald auf das OpenStack der Uni Minster umgezogen und die Maschine benötigen ziemlich viel RAM und ziemlich viel Speicher, weil jetzt auch super viele Daten immer reinkommen. Die Datenbank ist eine MongoDB, da haben wir 4 Collections drauf und da haben wir quasi das Problem, weil es eine riesen Datenbank ist, dass das Indexing und das Abrufen von Statistiken super lange dauert, weil halt quasi die ganze Tabelle durchgegangen werden muss, um da irgendwie die Daten einmal zu erfassen beziehungsweise der Statistiken zu errechnen. Und das ist quasi ein Grund, weil wir die ökoschmögliche Architektur noch bisher beibehalten. Das ist quasi aus einer Bachelorarbeit entstanden, da hat man prototypisch das erst mal aufgesetzt und irgendwie ist das immer mehr geworden, immer mehr geworden, sind immer weitere Daten reingekommen und inzwischen sind wir halt bei diesen 3,9 Milliarden Daten und ja, langsam muss man sich irgendwie Gedanken machen, ob man das nicht etwas effizienter speichern kann. Wie gesagt, wir speichern nur die Rohdaten, das heißt, es wird irgendwie keine Anpassung an den Daten gemacht und die Daten werden bisher noch nicht validiert. Das heißt, daraus entstehen ein paar Probleme, wenn man die Daten analysieren will. Ich habe heute Morgen mal einen Screenshot von der Interpolation gemacht. Hier in Leipzig, hier sieht man den Temperaturverlauf oder den berechtigten Temperaturverlauf zwischen verschiedenen Boxen. Ich habe hier den Aufstellungsort draußen gewählt und man sieht, dass hier alles schön grün ist. Obenrecht ist aber eine Box irgendwie orange-rot und hier unten sieht man, dass das über 20,7 Grad bedeutet. Da ich mir gedacht habe, das kann ja eigentlich nicht stimmen, dass jetzt draußen eine Box steht und die irgendwie 20 Grad misst. Ich habe mir die mal genauer angeschaut und die misst halt durchgängig so um die 20 Grad. Also da könnte man sich denken, wahrscheinlich steht die nicht draußen, sondern vielleicht doch eher drin die Box und das ist ein Problem, dass man halt dann zum Beispiel diese Interpolation gar nicht richtig machen kann, weil das ist dann ja totaler Quatsch, was daraus kommt. Andererseits ist es in Hamburg, habe ich auch heute Mittag nochmal kurz nachgeschaut, da es anscheinend mit in Hamburg einen Sensor kaputt. Der misst dauernd minus 145 Grad und deswegen kann man diese Interpolation natürlich auch nicht machen. Genau. Und das wäre dann natürlich auch ein Ziel, was irgendwie in Zukunft kommen soll, dass man sowas erkennt, solche Ausreise erkennt und dann auch solchen Statistiken natürlich raushält. Genau. Wie geht es weiter mit dem Projekt? In Zukunft wird es durch die VEDU GmbH weiterentwickelt und der Uni im Rahmen des WMBF-Projekts. Und da machen wir weiter, was wir bisher schon gemacht haben, also Front und Backend, wir weitergemacht. Dilemmaterialien werden erweitert, weitere Projekte für den Bildungsbereich, genau die Hardware und Software, die da auch weiterhin verbessern, weiter machen, neue Sensoren ausprobieren und auch ein Sensor-Wiki erstellen, dass man einheitliches System hat, einheitliche Übersicht von welchen Sensoren es gibt und welche Abwechungen da entstehen können. Wie gesagt, der Feinstaubsensor, den wir nutzen, der ist relativ anfällig für Luftfeuchtigkeit und dass wir halt sowas mit reinschreiben, damit die Nutzer dann auch wissen, ah, da muss man aufpassen, wenn man sich die Daten anschaut, nicht dass man da irgendwie falsche Schüsse rauszieht. Ziel und Wunsch ist, dass es eher Community-Driven läuft, also dass die Weiterentwicklung, vor allem der Software, eher auf Open-Source-Basis basiert, dass irgendwie jeder Teil nimmt, der irgendwie Interesse hat und dass das alles unter der Stiemerschaft einer GmbH, einer Gemeinnützigen GmbH läuft, damit man da die Weiterentwicklung sichert. Und dazu dann natürlich auch irgendwie ein Selbstständiger Support. Wir haben aktuell schon ein Diskors-Forum eingerichtet, wo dann sich alle Nutzer registrieren können und da dann auch untereinander irgendwie Ideen austauschen können und die Fragen von anderen Nutzern beantworten können. Genau, apropos Fragen. Ich bin fertig mit meinem Vortrag. Vielen Dank für Ihre Aufmerksamkeit und ich denke, wir haben noch ein paar Minuten Fragen nachdem wir hier sind. Gerne. Danke Felix. Ja, da sehe ich schon die erste Frage und zwar alle der Hinweise, wenn ihr Fragen stellen wollt, an die drei Mikrofone bitte gehen und wir haben wirklich noch ein bisschen Zeit dafür. Bitte, da haben wir schon Frage zwei hier im Saal. Hallo, ich bin Sven vom Open Knowledge Lephanover und wir haben mit Luftdaten Info zusammengearbeitet und die grundsätzliche Frage, hast du irgendwelche Bedenken, dass jemand die den Soldaten einfach flutet? Also falsche Daten einfach hoch lädt? Ja, also das könnte auf jeden Fall passieren. Das wäre im Fall ein Worst Case, sollte nicht passieren. Da sind wir aber natürlich dann auch daran, dass das auf jeden Fall nicht passiert, dass man da irgendwie Mechanismen einbaut. Dann haben wir noch eine Frage aus dem Internet vom Signal Angel. Hallo, die Frage aus dem Internet ist zum einen, kannst du einen Windsensor empfehlen? Jetzt zeigt das Modell nicht. Ich habe damit schon mal herungespielt. Da gibt es halt verschiedene Arten. Ich habe mit einem gemessen, der hat quasi drei Kabel, einmal zwei für Strom und einer gibt nur einen Widerstand zurück. Da ist es oder es war nicht so schwierig, aber man muss halt den Widerstand dann in einer Windrichtung umrechnen und könnte die Daten halt nutzen, aber das Empfehlung habe ich leider nicht. Oh, noch einmal das Internet. Ja, und zum zweiten, kann die Sensebox PoE, also Power over Internet? Ja, das können wir. Super, danke. Knappe Fragen, knappe Antworten. Dann haben wir hier Mikrofon 2 noch eine Frage. Außer der Motivation der Bildungsarbeit und der wissenschaftlichen Arbeit gibt es dort noch weitergehende Interessen. Also ich kann mir zum Beispiel vorstellen, gerade Community, also dass Menschen wissen wollen, wie es ihrer Umwelt geht. Zum Beispiel, ich wohne in der Nähe eines Flughafens. Es hat ewig gedauert, bis ein Lautstärke-Messpunkt anerkannt wurde und dort überhaupt einen, also der muss anerkannt werden. Man kann das nicht einfach selbst machen. Und hier haben wir eigentlich das gleiche Problem. Wir brauchen valide Messdaten, um sie verwenden zu können in der Öffentlichkeit gegenüber Institutionen und so weiter. Das heißt, also eigentlich ist da auch ein bisschen Management, also eine Abhängigkeit von den Zielen, aber Management notwendig und auch eben dieses Werkzeug der Validierung. Also auch die Geräte selbst müssten ja justiert werden, sag ich jetzt mal überprüft werden. Genau, also aktuell ist es halt so, dass jeder einfach seine Station sich zum Beispiel in den Garten stellen kann, da jetzt Messdaten sammeln kann. Es ist aber auch aktuell noch ein Problem, dass wenn man zum Beispiel irgendwie, wie sagt man Baum hat oder so und die Sensebox irgendwie so halb darunter steht, wenn dann die Sonne darüber scheint, sieht man im Laufe des Tages, dass dann plötzlich die Sonnenanstaltung einbricht. Und sowas sollte natürlich verhindert werden. Also wenn man jetzt sich die offiziellen Messdaten vom DVD anschaut, das ist natürlich nicht der Fall. Da ist eine schöne freie Fläche, die eine schöne große Kiste, wo zum Beispiel der Temperatursensor drinsteht, wo es keine Verfälschungen drin sind. Und genau, da sollte man auf jeden Fall ruhig sich darauf genommen werden. Andererseits ist es aber die Sensoren und die Komponenten, die wir nutzen, sind natürlich relativ günstig. Und deswegen kann man damit schon mal relativ einfach und schnell einen einfachen Versuchsaufbau aufbauen. Man kann seine ersten Daten da einfach mal messen und dann vielleicht, wenn man irgendwie da erste Ergebnisse hat, damit irgendwie zu offiziellen Stellen geht, bei den Flughafen zum Beispiel, dass man dann da vielleicht dann zum Land oder wo auch immerhin geht zur Stadt und da schon mal die Daten vorlegen kann und vielleicht kann da dann mehr gemacht werden. Ja, und dann haben wir Mikro 3 eine Frage. Hallo, gibt es einen historischen Hintergrund, warum die MongoDB verwendet wurde und nicht irgendwie eine Time Series Datenbank? Das ist nicht unbedingt, wir haben damit wie gesagt angefangen in der Bachelorarbeit und das war dann die erste Datenbank, die dann genommen wurde. Das ist halt auch nicht gerade eben entstanden, das schon vor einigen Jahren sind auch relativ alte Versionen, die da genommen werden und aber irgendwie eine Influx DB oder so wird zum Beispiel sinnvoller, aktuell läuft es halt alles auf der Mongo. Ja, haben wir noch eine Frage aus dem Internet. Alle Fragen geklärt, ein Wunder mit diesem Internet. Ja, dann möchte ich an dieser Stelle sagen schon einmal noch herzlichen Dank an Felix Erdmann für diesen Talk.