Arbeitsbericht Nr. 2/2007. Hrsg.: Matthias Schumann. Adam Melski / Matthias Schumann. Management von RFID-Daten

Transkript

1 Arbeitsbericht Nr. 2/2007 Hrsg.: Matthias Schumann Adam Melski / Matthias Schumann Management von RFID-Daten

2 Arbeitsbericht des Instituts für Wirtschaftsinformatik Professur für Anwendungssysteme und E-Business Georg-August-Universität Göttingen Platz der Göttinger Sieben Göttingen Working Paper Institute of Information Systems Chair of Application Systems and E-Business University of Goettingen Platz der Goettinger Sieben Goettingen, Germany Tel. +49 (0) 551 / Fax +49 (0) 551 / as@uni-goettingen.de This work is licensed under the Creative Commons Attribution-Noncommercial-No Derivative Works 2.0 Germany License. To view a copy of this license, visit or send a letter to Creative Commons, 543 Howard Street, 5th Floor, San Francisco, California, 94105, USA.

3 Inhaltsverzeichnis I Inhaltsverzeichnis Abstract...III Abbildungsverzeichnis... IV Tabellenverzeichnis... V Abkürzungsverzeichnis... VI 1 Einleitung Grundlagen Funktionsweise und Einordnung von RFID Daten und Datenmanagement Anforderungen an das Datenmanagement in RFID-Systemen Besonderheiten der RFID-Technologie Besonderheiten von RFID-Daten Abgeleitete Anforderungen Datenmanagement-Konzepte in RFID-Systemen Datenerfassung Datenaufbereitung Reduzierung der Datenmenge und Beseitigung von Leseanomalien Zusammenfassung der Daten Generierung von entscheidungsrelevanten Informationen Datenmodellierung Datenorganisation Data-on-Network Data-on-Tag Vergleich der vorgestellten Konzepte Datensicherheit...33

4 Inhaltsverzeichnis II Gefahren für die Datensicherheit in RFID-Systemen Überblick über Schutzmaßnahmen Fazit und Ausblick...37 Literaturverzeichnis...40

5 Abstract III Abstract The implementation of RFID leads to improved visibility in supply chains. However, as a consequence of the increased data collection and enhanced data granularity, supply chain participants have to deal with new data management challenges. In this paper, we highlight the primary characteristics of RFID data and we give an overview of the current challenges and solution proposals in the area of data collection, data transformation, data modelling, data organization and data security. Keywords: RFID, Auto-ID, data management Stichwörter: RFID, Auto-ID, Datenmanagement

6 Abbildungsverzeichnis IV Abbildungsverzeichnis Abbildung 2-1: Aufbau eines idealtypischen RFID-Systems... 3 Abbildung 2-2: Data Evolution Life Cycle... 5 Abbildung 2-3: Die Rolle der Daten in der Generierung von Entscheidungen... 6 Abbildung 3-1: RFID-Merkmale und Anforderungen an das Datenmanagement Abbildung 4-1: Antikollisionsverfahren Abbildung 4-2: Beispielhafte Datenerfassungspunkte in einer Supply Chain Abbildung 4-3: Unterschiedliche Zeitfenster und Auswirkungen auf die Lesungen Abbildung 4-4: Beispiel für grundlegende Zustände und Ereignisse in RFID-Systemen Abbildung 4-5: Phasen der Datenaufbereitung in RFID-Systemen Abbildung 4-6: Dynamic Relationship ER Model Abbildung 4-7: Beispiel der zentralen Datenhaltung im Data-on-Network Ansatz Abbildung 4-8: Beispiel der dezentralen Datenhaltung im Data-on-Network Ansatz Abbildung 4-9: Beispiel der objektbegleitenden Datenspeicherung (Data-on-Tag) Abbildung 4-10: Vergleich der Datenorganisationskonzepte Abbildung 4-11: Beispiel eines einfachen RFID-Sicherheitsmechanismus... 36

7 Tabellenverzeichnis V Tabellenverzeichnis Tabelle 2-1: Rolle von RFID in relevanten Forschungsbereichen... 4 Tabelle 3-1: Besonderheiten der RFID-Technologie und Anforderungen an das Datenmanagement. 12 Tabelle 3-2: Besonderheiten von RFID-Daten und Anforderungen an das Datenmanagement Tabelle 4-1: Liste mit Rohdaten Tabelle 4-2: Liste mit Ereignissen Tabelle 4-3: Liste mit Passier-Ereignissen Tabelle 4-4: Phasen der Datenaufbereitung in RFID-Systemen Tabelle 4-5: Wesentliche Merkmale der Datenorganisationskonzepte... 31

8 Tabellenverzeichnis VI Abkürzungsverzeichnis Auto-ID CDMA CRC DB DoS DRERM EERM EPC EPC IS ERM FDMA Automatische Identifikation Code Division Multiple Access (Kodemultiplexverfahren) Cyclic Redundancy Check Datenbank Denial-of-Service Dynamic Relationship Entity Relationship Model Extended Entity Relationship Model Electronic Product Code EPC Information System Entity Relationship Model Frequency Division Multiple Access (Frequenzmultiplexverfahren) Gen 2 EPCglobal Class 1 Generation 2 GPS GSM ID IOS ISO IT ONS PML RFID SQL SDMA TDMA UbiComp WLAN XML Global Positioning System Global System for Mobile Communications Identifikationsnummer Interorganisatorisches System International Organization for Standardization Informationstechnologie Object Naming Service Physical Markup Language Radio Frequency Identification Structured Query Language Space Division Multiplex Access (Raummultiplexverfahren) Time Division Multiplex Access (Zeitmultiplexverfahren) Ubiquitous Computing Wireless Local Area Network Extended Markup Language

9 1 Einleitung 1 1 Einleitung Durch die Zunahme der Komplexität und Vernetzung von Supply Chains wird die logistische Visibilität in Form des digitalen Abbilds der physischen Materialflüsse zu einem wesentlichen Erfolgsfaktor für die kooperierenden Unternehmen. Um die notwendige Transparenz der Prozesse zu gewährleisten, wird dabei immer häufiger Radio Frequency Identification (RFID) zur automatischen Identifikation von logistischen Objekten eingesetzt. Schätzungen zufolge werden im Jahr 2010 acht Prozent der Bruttowertschöpfung in Deutschland durch RFID beeinflusst (im Jahr 2004 waren es noch 0,5 Prozent, vgl. BMBF 2007, S. 83). Als zuverlässiger Datenlieferant (Thiesse/Gross 2006, S. 184) bietet die RFID- Technologie zwei wesentliche Vorzüge, indem einerseits aufgrund der hohen Speicherkapazität der Transponder jedes Objekt eindeutig gekennzeichnet werden kann und andererseits ein vollautomatischer Erfassungsvorgang ohne Sichtkontakt zwischen Lesegerät und Objekt möglich ist. Dadurch können Prozesse im Bereich des Tracking (Monitoring von Objektbewegungen) und Tracing (Rückverfolgbarkeit von Objektbewegungen) effizienter gestaltet werden. Dieser Effizienzvorteil wird durch eine Komplexitätszunahme im Bereich des Datenmanagements erkauft. Die erhöhte Datengranularität, das hohe Datenvolumen und der rohe Charakter der erfassten Daten zählen hierbei zu den wesentlichen Herausforderungen. 1 Eine Umfrage unter IT- Verantwortlichen von Unternehmen, die RFID bereits nutzen, hat ergeben, dass dem Datenmanagement ein hoher Stellenwert beigemessen wird (vgl. O'Connor 2004). Über die Hälfte der Befragten sorgt sich dabei vor allem um die Datenqualität. Denn die erfassten Rohdaten müssen den nachgelagerten Applikationen fehlerfrei und in geeigneter Weise aggregiert, verdichtet und mit Kontext angereichert zur Verfügung gestellt werden. Fraglich ist hierbei, ob und inwieweit traditionelle Datenmanagement-Konzepte zur Informationsgewinnung in RFID-Systemen eingesetzt werden können. Ziel der vorliegenden Arbeit ist es, einen umfassenden Überblick wesentlicher Konzepte des Datenmanagements in RFID-Systemen zu geben. Zunächst werden in Kapitel 2 im Rahmen der grundlegenden Betrachtung die Begriffe RFID und Datenmanagement näher erläutert. Darauf folgend werden in Kapitel 3 Anforderungen an das Management von RFID-Daten herausgearbeitet. Im zentralen Kapitel 4 werden Datenmanagement-Konzepte in den Bereichen Datenerfassung, Datenaufbereitung, Datenmodellierung, Datenorganisation und Datensicherheit dargestellt und analysiert. Die Arbeit schließt mit einer Zusammenfassung der wichtigsten Erkenntnisse und einem kurzen Ausblick. 1 Successful RFID applications will potentially create terabytes of data. Quantitative changes of this magnitude invariably produce qualitative changes as well. In the case of RFID, such data volumes will impose severe strains on existing data management and storage structures and strategies. [ ] Envisioning new ways to manage, use, and control RFID generated data could provide a new role for IS researchers (Asif/Mandviwalla 2005, S. 34).

10 2 Grundlagen 2 2 Grundlagen Im Folgenden werden grundlegende Begriffe der vorliegenden Arbeit erläutert. Zunächst wird in Kapitel 2.1 auf den Aufbau und die Funktionsweise von RFID eingegangen und eine Einordnung der Technologie in relevante Forschungsfelder vorgenommen. Anschließend werden in Kapitel 2.2 die Begriffe Daten und Datenmanagement definiert. 2.1 Funktionsweise und Einordnung von RFID Der Begriff RFID bezeichnet Technologien, mit denen es möglich ist, Objekte per Funk zu identifizieren. RFID-Systeme bestehen dabei aus den nachfolgend erläuterten Komponenten und folgen grundsätzlich dem in Abb. 2-1 dargestellten Aufbau (in Anlehnung an die Informationsarchitektur von ALT ET AL. (Alt et al. 2004, S. 40 ff.)): Der am Objekt angebrachte Datenträger wird als Transponder bezeichnet. Transponder kommen in unterschiedlichen Varianten vor (vgl. Finkenzeller 2002, S. 14 ff.). Je nach Speicherkapazität können sie eine Vielzahl objektbezogener Daten oder lediglich eine eindeutige Identifikationsnummer beinhalten. Bezüglich der Energieversorgung werden kostengünstige passive Transponder, welche die zur Datenübertragung notwendige Energie aus dem elektromagnetischen Feld des Lesegerätes beziehen, von den teureren aktiven Modellen mit eingebauter Batterie unterschieden. Die Daten des Transponders werden durch das Lesegerät ausgelesen, vorgefiltert und an die angeschlossenen Systeme weitergeleitet. Das Lesegerät besteht aus einer oder mehreren Antennen sowie dem eigentlichen Schreib-Lesemodul (Reader) und kann mobil oder fest installiert sein. Die Middleware übernimmt in einem RFID-System zwei Aufgaben: Einerseits bereitet sie die vorgefilterten Daten des Lesegerätes auf und leitet diese an die Geschäftsanwendungen im Backend weiter. Andererseits steuert und koordiniert sie die angeschlossenen Lesegeräte und Applikationen.

11 2 Grundlagen 3 Reale Welt Digitale Welt RFID System Backend Infrastrukturebene Integrationsebene Applikationsebene Objekt DB Rohdaten Daten Identifikation Lesegerät Middleware Applikationen benötigt Informationen gefilterte Daten aufbereitete Daten Informationen Abbildung 2-1: Aufbau eines idealtypischen RFID-Systems RFID-Systeme gehören dem Bereich der automatischen Identifikation (Auto-ID) an, in welchem sie als Nachfolger der weit verbreiteten Barcode-Systeme angesehen werden (vgl. Pflaum 2001, S. 94) 2. Die RFID-Technologie bietet hierbei den Vorteil, dass mehrere Objekte ohne Sichtkontakt simultan (Pulkerfassung), vollautomatisch (kein manuelles Scannen notwendig) und eindeutig (Identifikation einzelner Instanzen) erfasst werden können. Zudem sind Transponder im Gegensatz zu Barcodes widerstandsfähiger gegen widrige Bedingungen. Allerdings sind nicht zuletzt aufgrund der gegenüber den Barcodes höheren Transponderpreise sowie offener Standardisierungsfragen Barcode-Systeme gegenwärtig führend (vgl. Lange 2005, S. 65). Aus der Perspektive des Ubiquitous Computing (UbiComp) 3 stellt RFID neben anderen drahtlosen Technologien wie WLAN, GSM und GPS eine wichtige Basistechnologie dar, die Objekte zu smarten Dingen 4 werden lässt (vgl. Sander/Leimeister/Krcmar 2006, S. 287 ff.). Neben der Identifikationsnummer lassen sich weitere Daten auf dem Transponder speichern (vgl. Schumann/Diekmann 2005) Aufgrund der umfangreichen Funktionalität von RFID wird die Beschränkung der Technologie auf die reine Nachfolge von Barcodes in der Literatur kritisiert: RFID systems are often thought merely as glorified bar-code systems. This is a dangerously limiting approach that could lock a user into a much smaller subset of the potential benefits of RFID (Sarma 2004, S. 52). Vgl. hierzu auch Agarwal 2001, S.9. Die Vision des Ubiquitous Computing besagt, dass Computer allgegenwärtig und für den Anwender nicht wahrnehmbar werden (vgl. Weiser 1995). Smarte (hybride) Dinge bestehen aus einem realen, physischen Objekt und einem integrierten (meist unsichtbaren, weil sehr kleinen) Computer, der das smarte Ding zur selbständigen Wahrnehmung des Kontextes befähigt (vgl. Fleisch/Mattern/Billinger 2003, S. 7).

12 2 Grundlagen 4 Zusätzlich zu der reinen Datenspeicherung können RFID-Transponder mit Mikroprozessoren ausgestattet und somit in die Lage versetzt werden, eigene Berechnungen durchzuführen (vgl. Overmeyer/Höhn 2004, S. 3). Werden Transponder ferner mit einem Sensor ausgestattet, können sie Veränderungen in ihrer Umwelt wahrnehmen und eventuell Korrekturmaßnahmen einleiten. Schließlich spielen RFID-Systeme eine bedeutende Rolle auf dem Gebiet der interorganisatorischen Systeme (IOS) (vgl. bspw. Yang/Jarvenpaa 2005). Vor allem die Entwicklung des standardisierten Electronic Product Codes (EPC), mit Hilfe dessen jedem Objekt eine eindeutige Identifikationsnummer zugewiesen wird, sowie die Anbindung der Unternehmen an das EPCglobal-Netzwerk 5 soll zur Vermeidung von Medienbrüchen an den zwischenbetrieblichen Schnittstellen und letztendlich zu einem effizienteren Datenaustausch führen. Tab. 2-1 fasst die drei Betrachtungsperspektiven zusammen. Automatische Identifikation Ubiquitous Computing Interorganisatorische Systeme Zweck Erfassung von Daten zu Objekten Integration physischer Objekte mit IT- Systemen Unternehmensübergreifende Datenintegration Nutzen Weniger Fehler, keine manuellen Tätigkeiten notwendig, schnellerer Erfassungsvorgang Möglichkeit der objektbegleitenden Datenspeicherung, Entlastung zentraler Systeme durch Dezentralisierung von Steuerungsaufgaben Bessere zwischenbetriebliche Kommunikation aufgrund des standardisierten Datenaustauschs Zentraler Gegenstand der Betrachtung Transponder, Lesegerät Objekt, Sensoren, Aktuatoren Informationsnetzwerk Tabelle 2-1: Rolle von RFID in relevanten Forschungsbereichen 2.2 Daten und Datenmanagement Für das weitere Verständnis der Arbeit ist eine Definition des Begriffs Daten sowie die Abgrenzung dieses Begriffes zu verwandten Termini notwendig. In der Wirtschaftsinformatik werden Daten als eine Folge maschinell verarbeitbarer Zeichen [ ] verstanden, die Objekte und Objektbeziehungen der Realwelt durch ihre Merkmale beschreiben und damit repräsentieren (Mertens et al. 2005, S. 54). Sie sind das digitale Spiegelbild der realen Geschäftsobjekte und -prozesse (vgl. Liu/Chi 2002, S. 295). Das Datenmanagement hat die optimale Nutzung der Daten im Unternehmen zum Ziel (Krcmar 2005, S. 111; Heinrich/Lehner 2005, S. 223). Im Einzelnen werden dabei folgende Datenmanagement- Bereiche unterschieden: 5 Die Non-Profit-Organisation EPCglobal entwickelt seit einigen Jahren eine standardisierte Infrastruktur, die den Einsatz von RFID über Unternehmensgrenzen hinweg ermöglichen soll (vgl.

13 2 Grundlagen 5 Datenmodellierung: Hierbei handelt es sich um die formale Beschreibung von Daten und der Interdependenzen zwischen den betrachteten Daten zur strukturierten Erfassung und Dokumentation von Informationen in Datenbank-Systemen. Entwurf/Betrieb von Datenbanken: Hierzu gehören vor allem Aufgaben aus dem Bereich der Mehrbenutzersteuerung und Verwaltung großer Datenbestände in Datenbankmanagementsystemen. Bedarfsgerechte Aufbereitung und Präsentation der Daten: Die gesammelten Rohdaten müssen zu Präsentationszwecken von Fehlern bereinigt, aggregiert und zu entscheidungsrelevanten Informationen verdichtet werden. Datensicherheit und Datenschutz: Ziel ist hierbei die Gewährleistung der Funktionalität, Integrität, Verfügbarkeit, Authentizität und Verbindlichkeit (Datensicherheit) und Vertraulichkeit (Datenschutz) der Daten. Datenerfassung: Beschaffung der Daten aus externen Quellen. Gemäß des Data Evolution Life Cycle durchlaufen Daten die Stufen Datensammlung, Datenorganisation, Datenpräsentation und Datenanwendung (siehe Abb. 2-2) (vgl. Liu/Chi 2002, S. 295). Zunächst werden Daten durch Beobachtung von Geschäftsprozessen und Messung von Objekten der Realwelt gesammelt. Sie werden in einem zweiten Schritt in der digitalen Welt gespeichert und organisiert. Anschließend werden die Daten verarbeitet, (re-)interpretiert, verdichtet und präsentiert. Schließlich werden die Daten für einen bestimmten Zweck verwendet, was eine weitere Datensammlung nach sich ziehen kann. Datensammlung Datenorganisation Datenpräsentation Datenanwendung Abbildung 2-2: Data Evolution Life Cycle Daten können als individuelle Fakten verstanden werden, die isoliert betrachtet in der Regel noch keine für den Menschen verwertbaren Informationen darstellen. Sie repräsentieren jedoch Bausteine, aus denen Informationen 6 generiert werden können. Daten werden dabei zu Informationen, wenn sie gezielt aus Informationssystemen abgerufen und in einem bestimmten Kontext wahrgenommen werden so- 6 Der Begriff Information stammt von dem lateinischen Wort Informatio (Formung, Bildung durch Unterweisung) ab. Demnach werden rohe Daten durch eine Art Formung (Aggregation, Verdichtung und Interpretation) zu Informationen.

14 2 Grundlagen 6 mit Bedeutung erlangen (vgl. Kuhlen 2004, S. 12). 7 Durch die Vernetzung relevanter Informationen lässt sich wiederum Wissen gewinnen, welches als Grundlage für die Entscheidungsfindung dient (siehe Abb. 2.3). Entscheidung Bestellung für das Produkt xy auslösen Kontext Vernetzung Wissen Informationen Der Vorrat an Produkt xy neigt sich dem Ende entgegen 300 Einheiten des Produkts xy auf Lager vorhanden Syntax Daten 300 xy Zeichen x y Abbildung 2-3: Die Rolle der Daten in der Generierung von Entscheidungen Die Qualität des Rohstoffs Daten hat somit einen bedeutenden Einfluss auf unternehmerische Entscheidungen (Smith/Offodile 2002, S. 110). Denn je besser die Daten sind, desto besser sind die auf ihrer Grundlage basierenden Informationen, die wiederum zu besseren Entscheidungen führen können. In der Literatur haben sich vorwiegend zwei Definitionen der Datenqualität 8 herauskristallisiert: Aus der subjektiven Sicht entsprechen qualitativ gute Daten den Anforderungen der Datenkonsumenten ( fitness for use ), während aus der operativen Perspektive Datenqualität als der Abstand zwischen der Datensicht des Informationssystems und den gleichen Daten in der Realwelt definiert wird (vgl. Bertolazzi/Scannapieco 2001). Da sowohl die unterschiedlichen Anforderungen der Datenkonsumenten nicht leicht zu benennen sind als auch Vergleiche mit der Realwelt sich als schwierig erweisen, wird die Datenqualität in der Regel als ein multidimensionales Konstrukt betrachtet (vgl. Liu/Chi 2002, S. 293). In der Literatur werden deshalb mehrere Qualitätsdimensionen, wie bspw. Vollständigkeit, Zugreifbarkeit oder Aktualität, unterschieden (vgl. Strong/Lee/Wang 1997, S. 104 ff.). Aufgrund der Multidimensionalität gestaltet sich die Messung der Datenqualität und somit die Abschätzung des Kosten- Nutzen-Verhältnisses von Datenmanagement-Maßnahmen als schwierig (vgl. Naumann 2007, S. 28). 7 8 Solange niemand eine Abfrage an das System startet und niemand mit den ermittelten Ergebnissen etwas anfängt, sind es eben nur Daten (Kuhlen 2004, S. 12). Datenqualität wird häufig synonym mit dem Begriff Informationsqualität verwendet.

15 3 Anforderungen an das Datenmanagement in RFID-Systemen 7 3 Anforderungen an das Datenmanagement in RFID-Systemen Dem Datenmanagement kommt in RFID-Systemen aus vielerlei Gründen eine wichtige Rolle zu. Der primäre Grund, weshalb der Einsatz von RFID in Unternehmen diskutiert wird, ist die effiziente Bereitstellung von Daten zu Objekten. Die Hauptaufgabe von RFID-Systemen besteht darin, Objektdaten auszulesen, bedarfsgerecht aufzubereiten und an die angeschlossenen Anwendungssysteme weiterzuleiten. Gemäß der Vision von EPCglobal soll der Einsatz von RFID dazu führen, dass alle relevanten Daten über jedes einzelne Objekt in der Versorgungskette nach Bedarf jederzeit zugreifbar sind (vgl. Popova 2005, S. 2). Nachfolgend werden Anforderungen an das Datenmanagement in RFID-Systemen formuliert. Hierzu werden zunächst in Kapitel 3.1 Spezifika der zugrunde liegenden Technologie und in Kapitel 3.2 die besonderen Charakteristika von RFID-Daten dargestellt und Auswirkungen auf das Datenmanagement analysiert. Basierend auf den gewonnenen Erkenntnissen werden in Kapitel 3.3 Anforderungen an das Datenmanagement abgeleitet. 3.1 Besonderheiten der RFID-Technologie Im Folgenden werden Besonderheiten der RFID-Technologie herausgearbeitet, die beim Datenmanagement Berücksichtigung finden sollten. Vollautomatische Datenerfassung über Radiowellen RFID-Systeme nutzen Radiowellen zur Kommunikation zwischen Transponder und Lesegerät. Dies führt zwar einerseits dazu, dass Objekte aus gewisser Entfernung ohne Sichtkontakt identifiziert werden können. Andererseits unterliegt der Identifikationsvorgang jedoch den üblichen physikalischen Einflüssen. So kann die Empfindlichkeit der elektromagnetischen Wellen gegenüber Metall zur Folge haben, dass Transponder in metallischen Umgebungen nicht erkannt werden. Aufgrund von Reflexionen können wiederum Daten eines entfernten Transponders unbeabsichtigt gelesen werden. Es werden somit alle möglichen Transponder auch die unerwünschten ausgelesen, deren Signale vom Lesegerät empfangen werden. 9 Darüber hinaus birgt die Tatsache, dass der auf Radiowellen basierende Lesevorgang vollautomatisch erfolgt und unsichtbar für das menschliche Auge ist, eine Gefahr für die Datensicherheit, da die Transponderdaten unauffällig ausgelesen werden können. Zudem ist im Gegensatz zum Barcode, wo ein akustisches Signal die erfolgreiche Lesung bestätigt, keine Qualitätskontrolle des Lesevorgangs möglich. Werden bspw. zusätzlich Sensoren zur Messung von Umweltdaten eingesetzt (um etwa die Umgebungstemperatur zu überwachen), kann es passieren, 9 Neben den beschriebenen Leseanomalien können auch Fehler auf der Geschäftsprozessebene auftreten. Beispielsweise kann ein Produkt im Supermarkt mehrere Male vom Lager auf die Verkaufsfläche und wieder zurück transportiert werden (etwa weil kein Platz im Regal vorhanden ist). Solche zyklischen Objektbewegungen könnten vom System als Anomalien aufgefasst und fälschlicherweise gefiltert werden (vgl. Rao et al. 2006, S. 175).

16 3 Anforderungen an das Datenmanagement in RFID-Systemen 8 dass diese aufgrund eines technischen Defekts falsche Daten liefern (vgl. Jeffery et al. 2006, S. 83). Da die Erfassung mittels RFID keine manuellen Tätigkeiten erfordert, sinken die Kosten für den Erfassungsvorgang. Durch diesen Umstand kommt es in RFID-gestützten Prozessen zu einem Anstieg der Erfassungsvorgänge und punkte. Beim Einsatz sog. smart shelves 10 werden bspw. fortwährend Daten zu den im Regal befindlichen Objekten ausgelesen. Dies hat mehrere Auswirkungen: Erstens nimmt die Datenmenge signifikant zu. Zweitens fallen die Daten kontinuierlich (asynchron) an (vgl. Sarma 2004, S. 54). Während also der Barcode nur bei Bedarf eingelesen wird, senden Transponder ihre Daten ständig an das Lesegerät. Drittens wird das Objekt an vielen Lesepunkten erfasst, wobei Daten verschiedener Lesegeräte zusammengeführt und ausgewertet werden müssen. Pulkerfassung RFID erlaubt es, Daten mehrerer Objekte gleichzeitig auszulesen (sog. Mehrfach- bzw. Pulkerfassung). Dabei kann es jedoch zu Kollisionen kommen, wenn mehrere Transponder gleichzeitig ein Signal versenden. Dies kann dazu führen, dass einzelne Transponder nicht erkannt werden und eine lückenhafte Abbildung des Materialflusses besteht. Hohe Speicherkapazität der Transponder Ein weiteres RFID-Merkmal, welches Auswirkungen auf das Datenmanagement hat, ist der gegenüber Barcodes wesentlich höhere Speicher, welcher es erlaubt, jede Objektinstanz über einen eindeutigen Schlüssel zu identifizieren. Dadurch nimmt einerseits wiederum die Anzahl der Daten in RFID-Systemen zu, andererseits erhöht sich aber auch die Datengranularität. Problematisch ist dabei, dass traditionelle Systeme bisher auf die Abbildung von Objektklassen ausgerichtet waren (vgl. Thiesse/Gross 2006, S. 184; Sarma 2004, S. 54). RFID-Systeme müssen auch eine (zumindest temporäre) Speicherungsfunktion erfüllen. Da die Lesegeräte als Informationsproduzenten und Informationssysteme im Backend als Informationskonsumenten in der Regel zeitlich voneinander entkoppelt arbeiten, müssen Daten in RFID-Systemen temporär gepuffert bzw. in einigen Anwendungsfällen dauerhaft gespeichert werden (vgl. Thiesse 2005, S. 104). Wie bereits in Kapitel 2.1 ausgeführt, ist RFID nicht nur aufgrund des effizienten Identifikationsvorgangs für betriebliche Prozesse von Interesse. Vielmehr ist es die Möglichkeit, Daten direkt am Objekt zu speichern, die Impulse für innovative Anwendungen setzt. Die Tatsache, dass die Daten an das Objekt gebunden sind, führt dazu, dass sie jederzeit von dem temporären Objektinhaber ausgelesen werden können. Obwohl dies in den meisten Fällen nicht problematisch und sogar erwünscht ist, kann es sensible Daten geben, die nicht allgemein zugänglich sein sollten. Dies ist aufgrund der öffentlichen Diskussion vor allem bei privaten Daten (etwa bei einem Einkauf im Supermarkt) der Fall. 10 Mit smart shelves werden Regale bezeichnet, die mit RFID-Lesegeräten ausgestattetet sind. Sie ermöglichen ein permanentes Monitoring des Regalinhalts und könnten in Zukunft verstärkt eingesetzt werden, um Out-of- Stock-Situationen, bei der sich ein vom Kunden angefragtes Produkt nicht im Regal befindet, zu vermeiden.

17 3 Anforderungen an das Datenmanagement in RFID-Systemen Besonderheiten von RFID-Daten RFID-Daten teilen sich in dynamische, historische Daten 11 (Dreiertupel, die von Lesegeräten erfasst werden) und statische Attributsdaten (beschreiben Eigenschaften des Objekts) auf (vgl. Harrison 2003, S. 5 ff.). Die RFID-Daten können dabei durch folgende Merkmale charakterisiert und zu herkömmlichen Daten, die mittels traditionellen Auto-ID-Verfahren erfasst werden, abgegrenzt werden. Temporärer Charakter der Daten Die Zeitkomponente spielt eine wichtige Rolle in der Auswertung von RFID-Daten. Der Abstand zwischen zwei Ereignissen bzw. die Intervall-Länge eines Ereignisses sind hierbei bedeutend für die Generierung von komplexen Ereignissen (vgl. Wang et al. 2006). Wird bspw. ein Objekt aus einem Regal entnommen und es erfolgt keine weitere Identifikation an einem bestimmten Punkt (z.b. an dem am Ausgang installierten Lesegerät) und in einem bestimmten Zeitintervall, dann wird ein Alarm ausgelöst, um einen möglichen Diebstahl zu signalisieren. Ein weiteres Beispiel ist die Zuordnung von einzelnen Produkten zu einem Transportbehälter: Auch in diesem Fall ist das Zeitintervall zwischen der Produkt- Identifikation und der Behälter-Identifikation entscheidend, um eine Zuordnung vornehmen zu können. Roher Charakter der Daten Bei den erfassten RFID-Daten handelt es sich um Rohdaten, die Duplikate und Leseanonalien beinhalten: The data produced by physical receptors [ ] are notoriously raw: they are dirty, unreliable, and tend to have little meaning to an application. Before the data can be used, they must be cleaned, processed, and transformed to a form that the application can use directly (Rizvi et al. 2005, S. 886) Kontinuierlicher Datenfluss RFID-Daten zeichnen sich dadurch aus, dass sie kontinuierlich anfallen ( continuous data streams ). Hier liegt der entscheidende Unterschied darin, dass herkömmliche Daten etwa einer Barcode- Lesung bei Bedarf anfallen (synchron), während RFID-Daten fortwährend gelesen werden (also asynchron anfallen) (vgl. Sarma 2004, S. 54). Im Einzelnen unterscheiden sich kontinuierliche von konventionellen Daten in folgenderweise (vgl. Babcock et al. 2002, S. 2): Kontinuierliche Daten fallen online am Entstehungort an. Das System hat keine Kontrolle darüber, in welcher Reihenfolge die einzelnen Datenelemente ankommen und bearbeitet werden müssen. In Extremfällen fallen neue Daten an, obwohl alte Daten immer noch nicht verarbeitet wurden. Das Datenvolumen ist im Vorhinein nicht bekannt und kann stark variieren. Wenn ein Element des Datenstroms bearbeitet worden ist, kann es nicht mehr in der Originalform abgerufen werden, es sei denn alle Elemente werden explizit gespeichert. Dies ist jedoch aufgrund des großen Datenanfalls und der im Verhältnis dazu relativ kleinen Speicherkapazität in der Regel nicht möglich. 11 Der Autor benutzt in seinem Manuskript den Ausdruck timestamped historical data (vgl. Harrison 2003, S. 5).

18 3 Anforderungen an das Datenmanagement in RFID-Systemen 10 Großes Datenvolumen Wie bereits in Kapitel 3.1 angedeutet, führt die Erhöhung von Datenerfassungspunkten und vorgängen sowie die Speicherung zusätzlicher Daten am Transponder zur Steigung der Datenvolumina in RFID- Systemen. Hierzu berichten THIESSE und GROSS von einem Beispiel aus der Praxis in dem Bereich der Lokalisierung von Produktionslosen in der Halbleiterfertigung: Die für die Datenfilterung verantwortliche Middleware verarbeitet pro Tag drei Milliarden Transponderlesungen, aus denen ID-Nummer und aktuelle Position der Lose errechnet werden. Aus dieser Datenmenge werden letztlich Identifikations- und Ortsinformationen generiert, die [ ] an die Fertigungssteuerung übertragen werden (Thiesse/Gross 2006, S. 183). 3.3 Abgeleitete Anforderungen Aus den in den vorigen beiden Abschnitten identifizierten Besonderheiten lassen sich die folgenden Anforderungen an das Datenmanagement in RFID-Systemen ableiten. Die Anforderungen werden anhand der in Kapitel 2.2 erläuterten Bereiche des Datenmanagements systematisiert. Datenerfassung Bei der Datenerfassung mittels RFID müssen insbesondere eventuelle Kollisionen, bei denen mehrere Signale gleichzeitig ankommen und deshalb vom Lesegerät nicht auseinander gehalten werden können, durch den Einsatz von Antikollisionsmechanismen vermieden werden. Mit ihnen ist es dem Lesegerät möglich, mit den Transpondern einzeln zu kommunizieren und damit dem Datenverlust beim Erfassungsvorgang vorzubeugen. Datenaufbereitung Aufgrund des rohen Charakters der Daten sowie den hohen Datanvolumina wird in der Literatur kollektiv die Anforderung einer erhöhten Datenfilterung in RFID-Systemen postuliert (vgl. Janz/Pitz/Otondo 2005, S. 23; Cheong/Kim 2005, S. 564; Zhang et al. 2006, S. 194; Meyer 2005, S. 23). Die Daten müssen zum einen bedarfsgerecht aufbereitet und zum anderen adäquat komprimiert werden, bevor sie an die angeschlossenen Systeme weitergeleitet werden. Zur Komprimierung von RFID-Daten werden sog. Aggregationsmethoden diskutiert (vgl. Thiesse 2005, S. 103 f.). Diese reduzieren die Datenmenge ohne Informationenverluste. Zusätzlich sollten auch geeignete Archivierungsmethoden implementiert werden, um alte bzw. nicht mehr gebrauchte Daten von den aktuell verwendeten Daten zu trennen und somit eine bessere Performance des Systems zu gewährleisten (vgl. Wang/Liu 2005, S. 1136). Denn in RFID-Systemen, die vor allem ein Abbild der realen Welt in ihrem digitalen Gegenpart schaffen, sind aktuelle Daten vorrangig von Interesse. Die Daten müssen zudem zeitnah verarbeitet und an die angeschlossenen Systeme weitergeleitet werden. Für die kontinuierlich anfallenden Datenströme sind traditionelle Algorithmen zu langsam (vgl. Babcock et al. 2002, S. 4).

19 3 Anforderungen an das Datenmanagement in RFID-Systemen 11 Datenmodellierung Insbesondere um Objektinstanzen und den temporären Charakter von RFID-Daten adäquat in den Systemen abbilden zu können, sind neue Datenmodelle bzw. Erweiterungen bestehender Modellierungstechniken notwendig (vgl. Hu et al. 2005, S. 1140). Datenorganisation In Open Loop-Anwendungen, bei denen das mit dem Transponder versehene Objekt mehrere Wertschöpfungsstufen durchläuft, sollten Daten zu dem Objekt allen am Prozess beteiligten Akteuren zur Verfügung stehen. Erst durch umfassende Informationsversorgung kann die Transparenz in der Supply Chain erhöht werden. Hierzu ist der Aufbau eines unternehmensübergreifenden Informationsnetzwerks notwendig, welches Zugriff auf diese Daten ermöglicht. Datensicherheit Die Tatsache, dass der Nutzer keine direkte Kontrolle über den Erfassungsvorgang hat, erfordert die Implementierung von Konzepten zum Schutz der Daten vor unerlaubter Auslesung (vgl. Henning/Ladkin/Sieker 2004, S. 4). Zudem müssen die auf dem Transponder gespeicherten Objektdaten vor Manipulation geschützt werden. Es sind also geeignete Datenschutzmechanismen (wie etwa Verschlüsselungalgorithmen) zu implementieren. Die folgenden Tab. 3-1 und 3-2 fassen abschließend die Erkenntnisse dieses Abschnitts zusammen.

20 3 Anforderungen an das Datenmanagement in RFID-Systemen 12 RFID-Merkmal Auswirkungen Anforderungen Konzepte Fachgebiet des DM Was ändert sich durch den Einsatz von RFID? Welche Wirkung hat das Merkmal auf die Daten? Was muss das Datenmanagement leisten? Wie können die Anforderungen umgesetzt werden? Zu welchem DM- Bereich gehören die Konzepte? Erfassung über Radiowellen Datenerfassung unterliegt äußeren Einwirkungen (Reflexionen, metallische Umgebung etc.) Falschlesungen (positiv, negativ) müssen gefiltert werden Filtermethoden Datenaufbereitung Datenerfassung ist für das menschliche Auge unsichtbar Daten müssen vor unerlaubter Auslesung geschützt werden Datenschutzmechanismen Datensicherheit Vollautomatische Erfassung Keine manuelle Qualitätskontrolle Datenqualität muss gewährleistet werden Filter- und Aggregationsmethoden Datenaufbereitung Keine Kontrolle über die Datenerfassung (v. a. wird alles im Lesefeld erfasst) Daten müssen vor unerlaubter Auslesung geschützt werden Datenschutzmechanismen Datensicherheit Kosten für Erfassungsvorgang sinken, Erfassungsvorgänge und -punkte nehmen zu Datenmenge nimmt zu Objekt wird an vielen Lesepunkten erfasst Daten müssen komprimiert werden Daten verschiedener Lesegeräte müssen zu Ereignissen verarbeitet werden Aggregationsmethoden, Archivierung Vordefinierte Regeln Datenaufbereitung Datenaufbereitung Datenerfassungspunkte sind über die Supply Chain verteilt Erfasste Daten müssen an alle Netzwerkakteure weitergeleitet werden Informationsnetzwerk (z.b. EPCglobal- Netzwerk) Datenorganisation Mehrfacherfassung (Pulkerfassung) Daten werden von mehreren Objekten gleichzeitig gesendet Kollisionen müssen verhindert werden Antikollisionsmechanismen Datenerfassung Hohe Speicherkapazität der Transponder Datenmenge nimmt zu Daten müssen komprimiert werden Aggregationsmethoden Datenaufbereitung Datengranularität nimmt zu Objektdaten müssen adäquat abgebildet werden Neue Datenmodelle Datenmodellierung Verfolgung von eindeutigen IDs möglich Erstellung von Bewegungsprofilen muss unterbunden werden Datenschutzmechanismen Datensicherheit Objektdaten können am Objekt gespeichert werden Transponderdaten müssen an alle Netzwerkakteure weitergeleitet werden Informationsnetzwerk (z.b. EPCglobal- Netzwerk) Datenorganisation Daten sind an das Objekt gebunden und können jederzeit ausgelesen werden Daten müssen adäquat vor Missbrauch/Manipulation geschützt werden Datenschutzmechanismen (z.b. Verschlüsselung) Datensicherheit Tabelle 3-1: Besonderheiten der RFID-Technologie und Anforderungen an das Datenmanagement

21 3 Anforderungen an das Datenmanagement in RFID-Systemen 13 RFID-Merkmal Auswirkungen Anforderungen Konzepte Fachgebiet des DM Was ändert sich durch den Einsatz von RFID? Welche Wirkung hat das Merkmal auf die Daten? Was muss das Datenmanagement leisten? Wie können die Anforderungen umgesetzt werden? Zu welchem DM- Bereich gehören die Konzepte? Temporärer Charakter der Daten Daten besitzen eine zeitliche Komponente Zeitkomponente muss adäquat abgebildet werden Neue Datenmodelle Datenmodellierung Roher Charakter der Daten Daten sind zumeist fehlerhaft und redundant Filtermethoden Anomalien und Redundanzen müssen gefiltert werden Datenaufbereitung Kontinuierlicher Datenfluss Daten fallen kontinuierlich online am Entstehungsort an (Datenvolumen stark variierend) Daten müssen echtzeitnah bearbeitet und an die angeschlossenen Systeme weitergeleitet werden Neue Aufbereitungsmethoden Datenaufbereitung Großes Datenvolumen Datenmenge nimmt zu Daten müssen komprimiert werden Aggregationsmethoden, Archivierung Datenaufbereitung Tabelle 3-2: Besonderheiten von RFID-Daten und Anforderungen an das Datenmanagement

22 4 Datenmanagement-Konzepte in RFID-Systemen 14 4 Datenmanagement-Konzepte in RFID-Systemen In RFID-basierten Supply Chains werden große Mengen an Rohdaten generiert, die zu aussagekräftigen Informationen aufbereitet werden müssen (vgl. Thiesse 2005, S. 117). Die Datenaufbereitung kann effizienter gestaltet werden, wenn Datenfehler bereits bei ihrer Entstehung bekämpft werden (vgl. Naumann 2007, S. 30). Im Falle von RFID-Systemen rückt also zunächst der Identifikationsvorgang in den Fokus des Datenmanagements, bei welchem auf dem Transponder gespeicherte objektbezogene Daten mittels eines Lesegerätes ausgelesen werden. Die Datenerfassung wird in Kapitel 4.1 behandelt. Das nachfolgende Kapitel 4.2 widmet sich der Aufbereitung der gesammelten Rohdaten. Anschließend werden Konzepte zur Modellierung von RFID-Daten vorgestellt (Kapitel 4.3). Fragen der Datenhaltung sowie der Datenbereitstellung in RFID-gestützten Lieferketten werden in Kapitel 4.4 behandelt. In Abschnitt 4.5 werden schließlich Gefahren für die Datensicherheit in RFID-Systemen und geeignete Schutzmaßnahmen dargestellt. 4.1 Datenerfassung Im Bereich der Datenerfassung muss vor allem zwei wichtigen Aspekten Aufmerksamkeit geschenkt werden: Die Identifikation per Funk kann einerseits zu Lesefehlern aufgrund von Abschirmung (etwa in metallischen Umgebungen) oder Falschausrichtung führen. Durch diese Einflüsse kommt es vor allem zur signifikanten Reduzierung der Lesedistanz. Andererseits können Kollisionen im Bereich der Luftschnittstelle die Datenkommunikation erheblich stören und fehlerhafte Lesungen nach sich ziehen. Eine Kollision entsteht, wenn sich Signale mehrerer Transponder überlagern, wobei drei Kollisionsarten unterschieden werden (vgl. Jain/Das 2006): Kollisionen zwischen Transpondern (Tag-Tag Collision) treten auf, wenn mehrere Transponder gleichzeitig Daten an das Lesegerät senden. Mehrere Signale, die zur gleichen Zeit ankommen, können dazu führen, dass kein Transponder erkannt wird. Zur Lösung dieses Problems hat sich der auf dem Funktionsprinzip des binären Baums beruhende Tree Walking Algorithmus bewährt (vgl. Bolotnyy/Robins 2005). Das Lesegerät teilt dabei den Adressraum Transponder-IDs solange in Teilbereiche auf, bis nur noch ein Transponder antwortet. Kollisionen zwischen Lesegerät und Transponder (Reader-Tag Collision) ereignen sich, wenn das Signal eines benachbarten Lesegerätes die Kommunikation zwischen dem Transponder und einem weiteren Lesegerät stört. Im aktuellen EPCglobal-Standard Class 1 Generation 2 (Gen 2) wird dieses Problem dadurch gelöst, dass Transponder und Lesegeräte auf unterschiedlichen Frequenzen senden, womit verhindert wird, dass die Signale der Transponder und Lesegeräte kollidieren Sendet ein Lesegerät in einem bestimmten Frequenzbereich, bleibt dieser Bereich jedoch für andere Lesegeräte in der weitläufigen Umgebung (in Extremfällen bis 1400 Meter) gesperrt. LEONG ET AL. (Leong et al. 2006)

23 4 Datenmanagement-Konzepte in RFID-Systemen 15 Zu Kollisionen zwischen Lesegeräten (Reader-Reader Collision) kommt es, wenn mehrere Lesegeräte gleichzeitig Signale an den gleichen Transponder senden. Eine Lösung dieses Problems bietet der Colorwave -Algorithmus, der den Lesegeräten ein Zeitfenster für die Datenkommunikation zuteilt (für eine ausführliche Betrachtung vgl. Waldrop/Engels/Sarma 2002). Die genannten Algorithmen gehören zur Familie der Antikollisionsverfahren. Grundsätzlich werden transpondergesteuerte (FDMA, TDMA und SDMA) und lesegerätgesteuerte (CDMA) Verfahren unterschieden (vgl. BSI 2004, S. 35). Bei den ersteren wiederholt das Lesegerät seine Anfrage an alle Transponder, bis sie mit hinreichender Wahrscheinlichkeit erkannt worden sind, während bei den letzteren das Lesegerät einzelne Transponder gezielt nacheinander anspricht (siehe folgende Abb. 4-1, in Anlehnung an Kern 2006, S. 64). Die Erforschung effizienter Antikollisionsalgorithmen ist aktuell ein vieldiskutiertes Thema (vgl. bspw. Kodialam/Nandagopal 2006; Myung/Lee 2006). Frequenzmultiplexverfahren (FDMA) Abfrage gleichzeitig über mehrere Frequenzen Zeitmultiplexverfahren (TDMA) Abfrage nacheinander (Zeitmultiplex) unterschiedliche Kanäle Zeit Raummultiplexverfahren (SDMA) Abfrage der Transponder, die durch Richtungswechsel nacheinander ins Lesefeld kommen Kodemultiplexverfahren (CDMA) Gezieltes Ansprechen einzelner Transponder durch Zuteilung eines Zeitfensters Bewegung Transponder oder Bewegung Antenne Abbildung 4-1: Antikollisionsverfahren schlagen hierzu einen Synchronisierungsalgorithmus vor, welches den gleichzeitigen Betrieb von Lesegeräten auf kleinen Flächen (bspw. im Wareneingangs-Bereich) erlaubt.

24 4 Datenmanagement-Konzepte in RFID-Systemen Datenaufbereitung Die Datenaufbereitung verdient aufgrund der besonderen Charakteristika von RFID-Daten (vgl. Kapitel 3.2) besondere Aufmerksamkeit. Grundlegend vollzieht sich die Transformation der Rohdaten zu Informationen in drei Phasen (vgl. Cheong/Kim 2005, S. 562 ff.): Reduzierung der Datenmenge und Beseitigung von Leseanomalien (primitive event processing), Zusammenfassung der Daten (compound event processing) und Generierung von Informationen, die als Entscheidungsgrundlage dienen (semantic event generation). Der erste Schritt wird in der Regel von den Lesegeräten übernommen ( intra-reader reasoning ) (vgl. Flörkemeier/Lampe 2005, S. 222). Aufgrund der dezentralen Verarbeitung ( at the edge ) wird dabei von der sog. Edgeware gesprochen (vgl. Thiesse 2005). Die Zusammenfassung der Daten und Generierung von entscheidungsrelevanten Informationen wird dagegen in der angeschlossenen Middleware implementiert. Dies resultiert daraus, dass hierfür Daten des lokalen Lesegerätes nicht mehr ausreichend sind, da für die Modellierung komplexer Ereignisse Daten mehrerer Lesegeräte analysiert werden müssen ( inter-reader reasoning ) (vgl. Sarma 2004, S. 55). Ein anderes Vorgehen propagieren RAO ET AL. (vgl. Rao et al. 2006, S. 175 ff.). Sie argumentieren, dass es nicht immer möglich ist alle Anomalien in der ersten Aufbereitungsphase zu beseitigen, und dass ferner die Datenaufbereitung sich an den Datenkonsumenten orientieren muss. So sollten Filter- und Aggregationsmethoden, die für alle angeschlossenen Applikationen gelten, auch weiterhin dezentral erfolgen. Alle weiteren Aufbereitungsschritte sollten jedoch zur Abfragezeit vertagt werden. Dies hat zwar den Nachteil, dass zum einen die zu speichernden Datenmengen größer werden und zum anderen sich die Performance bei Abfragen verringert. Die Vorgehensweise bietet jedoch den Vorteil, dass Abfragen flexibler gestaltet werden können, da jede Applikation ihre eigenen Aufbereitungsregeln definieren und jederzeit dynamisch anpassen kann. Im Folgenden werden die Phasen der Datenaufbereitung an einem einfachen Beispiel einer dreistufigen Supply Chain verdeutlicht (vgl. Abb. 4-2). Es wird dabei angenommen, dass in dem Beispielszenario sowohl die Transportbehälter als auch die einzelnen Produkte mit Transpondern versehen sind und an den dedizierten Datenerfassungspunkten ausgelesen werden. Im Einzelnen werden somit Daten an den folgenden Stellen erfasst: beim Übergang der Produkte aus der Produktion in das Produktionslager (P1) und an der Verladestation des Herstellers (P2 und P3), an der Entladestation des Distributionszentrums (D1 und D2), am Förderband (D3) und bei der Versendung an den Einzelhandel (D4 und D5), bei der Einlagerung in das Produktlager des Einzelhändlers (E1), beim Übergang auf die Verkaufsfläche (E2), an den Regalen ( smart shelves, E3) und Kassen (E4 und E5) sowie am Ausgang (E6).

25 4 Datenmanagement-Konzepte in RFID-Systemen 17 Hersteller Distributionszentrum Einzelhandel E6 Förderbandanlage E4 E5 P2 D1 D4 Kassen Produktion P1 E1 E3 Produktionslager P3 D2 D3 D5 Lager E2 Regale - Transportbox - Datenerfassungspunkt Abbildung 4-2: Beispielhafte Datenerfassungspunkte in einer Supply Chain Bei einer RFID-Lesung handelt es sich generell um ein Dreiertupel bestehend aus der Transponder-ID, Reader-ID und dem Zeitpunkt der Lesung (timestamp). Die folgende Tab. 4-1 zeigt eine exemplarische Liste mit erfassten Rohdaten für ein Produkt, welches die dargestellte Lieferkette durchläuft. Nr. Transponder-ID Reader-ID timestamp Tabelle 4-1: Liste mit Rohdaten P1 10/07/07 9: P1 10/07/07 9: P1 10/07/07 9: P2 11/07/07 8: P2 11/07/07 8: P2 11/07/07 8: D1 11/07/07 20: D1 11/07/07 20: D1 11/07/07 20: D1 11/07/07 20: D3 12/07/07 20: D3 12/07/07 14: D3 12/07/07 14: D5 12/07/07 15: D5 12/07/07 15: D5 12/07/07 15: E1 12/07/07 23: E1 12/07/07 23: E2 13/07/07 08: E2 13/07/07 08: E2 13/07/07 08: E3 13/07/07 08: E3 13/07/07 08: E3 13/07/07 12: E6 13/07/07 12: E6 13/07/07 12:59

26 4 Datenmanagement-Konzepte in RFID-Systemen 18 Es fällt auf, dass die Tabelle in dieser Form nicht aussagekräftig ist: Das Produkt wurde an allen Erfassungspunkten mehrmals identifiziert, weshalb es zu Duplikaten kommt. 13 Zudem weist die Lesung Nr. 10 eine andere Transponder-ID auf, was auf einen möglichen Lesefehler hindeutet. Im Folgenden werden die Datenaufbereitungsschritte wiederum anhand des konkreten Beispiels erläutert Reduzierung der Datenmenge und Beseitigung von Leseanomalien Bei der Datenerfassung können in RFID-Systemen grundsätzlich folgende Leseanomalien entstehen (vgl. Bai/Wang/Peiya 2006): Negative Falschlesungen entstehen, wenn ein sich im Lesebereich befindender Transponder nicht erfasst wird. Dies kann aufgrund von Kollisionen, Abschirmung oder Falschausrichtung des Transponders geschehen (vgl. Kapitel 4.1). In aktuellen Pilotprojekten werden Leseraten (d.h. Anteil der Transponder, die sich im Lesebereich befinden und erkannt werden) um 70 Prozent beobachtet (vgl. bspw. L. Sullivan 2005). Positive Falschlesungen treten auf, wenn die Radiowelle eines entfernten Transponders versehentlich reflektiert wird. Dies führt zu unerwarteten Lesungen, sog. Störgeräuschen ( noise ). Duplikate können auf dreierlei Ursachen zurückgeführt werden: (1) Der Transponder befindet sich für eine längere Zeit im Sichtfeld des Lesegerätes und wird in mehreren Zyklen gelesen. (2) Es werden mehrere Lesegeräte eingesetzt, wobei es Überschneidungen im Lesebereich gibt. (3) Es werden mehrere Transponder an dem gleichen Objekt angebracht, um die Leserate zu erhöhen. In der Praxis werden mehrere Lesevorgänge an einem Objekt durchgeführt. Dadurch können negative Falschlesungen reduziert werden, da mit jedem zusätzlichen Lesevorgang die Wahrscheinlichkeit steigt, dass der Transponder erkannt wird. Mit dieser Maßnahme steigt zum einen die Wahrscheinlichkeit positiver Falschlesungen, doch treten diese vergleichsweise selten auf und können mit simplen Methoden gefiltert werden. Es werden nur Lesungen mit einer signifikanten Wiederholungsrate in einem bestimmten Leseintervall berücksichtigt (vgl. Bai/Wang/Peiya 2006). Zum anderen führt diese Vorgehensweise auch zum Anstieg der Duplikate (dieser Umstand führt zu wiederholten Einträgen in Tab. 4-1) und verlangt nach Methoden zur Reduzierung der Datenmenge. Problematisch ist hierbei insbesondere die Wahl des Zeitfensters für das Leseintervall: Ein zu großes Zeitfenster führt dazu, dass Transponder-Bewegungen nicht adäquat erfasst werden. Ein zu kleines Zeitfenster zieht eine Vielzahl negativer Falschlesungen nach sich. In Abb. 4-3 (in Anlehnung an Jeffery/Garofalakis/Franklin 2006) führt bspw. ein zu großes Zeitfenster zu nicht erfassten Bewegungen (positive Falschlesungen im Bereich zwischen t 2 und t 3 ) und ein zu kleines Zeitfenster zu nicht erkannten Transpondern (negative Falschlesungen im Bereich zwischen t 1 und t 2 ). 13 In der Realität erhöht sich die Komplexität aufgrund der Vielzahl an Produkten, die jeden einzelnen Datenerfassungspunkt zu einem bestimmten Zeitpunkt passieren.

27 4 Datenmanagement-Konzepte in RFID-Systemen 19 Realität Rohe Lesungen Kleines Zeitfenster Negative Falschlesung Lesungen bei kleinem Zeitfenster Großes Zeitfenster Bewegung nicht erfasst Positive Falschlesung Lesungen bei großem Zeitfenster t 1 t 2 t 3 t 4 Zeit Abbildung 4-3: Unterschiedliche Zeitfenster und Auswirkungen auf die Lesungen Im Allgemeinen sollten Lesegeräte Daten an die Middleware nur dann weiterleiten, wenn durch diese Daten zusätzliche Informationen generiert werden können. Befinden sich bspw. Transponder für eine längere Zeit im Sichtfeld eines Lesegerätes, werden fortwährend die gleichen Daten ausgelesen. Für den Anwender sind jedoch vorwiegend Informationen von Interesse darüber, wann ein Objekt das Lesefeld betreten hat bzw. wann es sich nicht mehr in Reichweite des Lesegerätes befindet. Alle Lesungen, die zwischen diesen beiden Ereignissen (Events) auftreten, sind redundant, weil sie keine neuen Informationen über den Zustand des Objekts liefern. Dies impliziert, dass Lesungen nur dann an die angeschlossenen Systeme weitergeleitet werden sollten, wenn sich der Zustand des Objektes ändert. Durch diese Maßnahme reduziert sich die Datenmenge, ohne dass Informationen verloren gehen. In dem in Abb. 4-2 dargestellten Beispiel erlangt diese Vorgehensweise besondere Bedeutung bei den Lesungen im Regalbereich des Einzelhändlers ( smart shelves, E3). In bestimmten Zeitintervallen werden hierbei permanent redundante Daten gelesen, wobei nur die Änderungen des Objektzustandes ( Produkt im Regal vorhanden und Produkt nicht im Regal vorhanden ) an die Backend-Systeme weitergeleitet werden sollten. CHEONG und KIM schlagen ein einfaches Schema zur Definition grundlegender RFID-Ereignisse vor (vgl. Cheong/Kim 2005, S. 562 f.). Dieses beinhaltet die Zustände Objekt erkannt, Objekt erfasst und Objekt verschwunden sowie die dazugehörigen Ereignisse (siehe Abb. 4-4). Je nach Anwendungsfall kann das Eintreten des Ereignisses Objekt erfasst unterschiedlich definiert werden. Beispielsweise tritt dieses Ereignis nur dann ein, wenn eine bestimmte Anzahl Lesezyklen durchlaufen wird und sich das Objekt stets im Lesefeld befindet. Ansonsten wird davon ausgegangen, dass es sich um eine falsche Lesung handelt (etwa aufgrund der versehentlich reflektierten Radiowelle eines entfernten Transponders) und es wird lediglich das Ereignis Objekt erkannt ausgelöst. Durch die Unterscheidung der Zustände Objekt erkannt und Objekt erfasst können somit zusätzlich zur Filterung gleicher Lesungen auch falsche Lesungen eliminiert werden. Im dargestellten Beispiel wird erst bei zwei konsekutiven positiven Lesungen (Anzahl_Lesezyklen > 1) ein Objekt als erkannt deklariert. Wird bei einem der weiteren Lesezyklen das Objekt nicht mehr identifiziert (Anzahl_Lesezyklen(t) = Anzahl_Lesezyklen(t-1)), erhält es den Status Objekt verschwunden.