Drahtlose Sensor- und Aktor-Netzwerke setzen sich aus eingebettetten Systemen mit Sensor- und Aktor-Komponenten, sowie einem Prozessor und einer drahtlosen Kommunikationseinheit zusammen. Durch ihren drahtlosen Charakter bieten Sensor- und Aktor-Knoten eine hohe Flexibilität bei der Installation, was zu ihrem Einsatz in einer Vielzahl von Anwendungsgebieten geführt hat, etwa der Erfassung von Umgebungsparametern oder der Überwachung und Steuerung industrieller Prozesse und Anlagen. Neben diesen traditionellen Anwendungsfeldern für verteilte Sensorsysteme hat sich in den vergangenen Jahren zudem die Vision intelligenter Umgebungen, so genannter Smart Spaces, entwickelt. Die diesen zugrunde liegende Intelligenz beruht dabei auf der Nutzung heterogener Sensor- und Aktor-Komponenten, die unsichtbar in das alltägliche Umfeld integriert sind. Hierdurch werden neuartige Dienste ermöglicht, z.B. die Kontext-bewusste Automatisierung von Gebäuden oder die Unterstützung von selbstbestimmtem Leben im Alter.

Aus technologischer Sicht stellen drahtlose Sensor- und Aktor-Netzwerke eine geeignete Plattform für die Realisierung intelligenter Umgebungen dar. Bedingt durch die unterschiedlichen Anwendungsszenarien lassen sich jedoch nicht alle bestehenden Forschungsergebnisse aus dem Bereich der konventionellen drahtlosen Sensornetzwerke direkt auf Smart Spaces übertragen. Insbesondere muss in intelligenten Umgebungen die Plattform-übergreifende Kommunikation zwischen multimodalen und heterogenen Systemen möglich sein, um eine langfristige Erweiterbarkeit sicherzustellen. Mit dem Bestreben nach der Miniaturisierung von Sensoren und Aktoren gehen zudem starke Beschränkungen der zur Verfügung stehenden Betriebsmittel und des Energiebudgets einher. Darüber hinaus sind die Erhebung und drahtlose Übertragung von Daten mobiler Entitäten grundlegend für intelligente Umgebungen, wohingegen diese in klassischen Anwendungsfeldern drahtloser Sensornetzwerke zumeist nicht betrachtet werden.

In dieser Dissertation wird eine wesentliche Voraussetzung für die erfolgreiche Umsetzung intelligenter Umgebungen geschaffen, das Sensor-RPC-Verfahren für die Vereinheitlichung des Zugriffs auf heterogene Sensoren und Aktoren. Sensor-RPC setzt hierbei das Paradigma der entfernten Funktionsaufrufe ein, um Interoperabilität zwischen heterogenen Plattformen zu schaffen. Ein besonderer Schwerpunkt wurde auf den leichtgewichtigen Charakter der Lösung gelegt, um ihre Anwendbarkeit auch auf Ressourcen-beschränkten eingebetteten Systemen bei gleichzeitigem geringen Energiebedarf zu gewährleisten.

Um eine möglichst lange Laufzeit der Sensor- und Aktorknoten zu erzielen, wird Sensor-RPC im Rahmen dieser Arbeit durch verlustlose Datenkompressionsverfahren ergänzt. Die Squeeze.KOM-Kompressionsschicht detektiert zeitliche Korrelationen in Datenströmen, um diese nachfolgend zu komprimieren und somit Energieeinsparungen durch die Reduktion der Betriebsdauer der Kommunikationseinheit zu erzielen. Squeeze.KOM ist speziell auf die Eigenschaften der Symbol-Verteilungen in Sensornetzwerken angepasst und setzt zur Kompression die Distanz-Kodierung von Paketdifferenzen sowie das adaptive Huffman-Coding-Verfahren mit beschränkten Baumgrößen ein. Als Ergänzung zur verlustfreien Kodierung von Paket-Nutzlasten wird in dieser Arbeit ebenfalls die zustandsbehaftete Kompression von Paket-Headern betrachtet. Das vorgestellte SFHC.KOM-Verfahren basiert auf der Verkapselung von Header-Informationen, die sich nicht oder nur deterministisch ändern, in so genannte Kompressions-Kontexte. Statt der kompletten Paket-Header werden bei Anwendung des Verfahrens nur Identifikationsmerkmale der Kompressions-Kontexte ausgetauscht. SFHC.KOM ist speziell auf den Einsatz in intelligenten Umgebungen abgestimmt und sowohl auf fest installierten als auch auf mobilen Knoten lauffähig.

Die Praxistauglichkeit der vorgestellten Beiträge wird durch Proof-of-Concept-Umsetzungen untersucht, in denen insbesondere auch Datensätze aus realen Umgebungen zum Einsatz kommen. Zudem werden im Rahmen dieser Arbeit alle präsentierten Lösungen gezielt auf ihren Energiebedarf hin analysiert.