Unsere Lösungen
Data In Motion entwickelt modellgetriebene Open-Source-Lösungen für Datenplattformen, Governance & Compliance und den Überblick über gewachsene IT-Landschaften. Sie fügen sich in Ihre bestehenden Systeme ein, statt sie abzulösen. Wiederkehrende, fehleranfällige Arbeit übernimmt die Automatisierung — die Entscheidungen bleiben bei Ihren Mitarbeitenden.
Alle Lösungen bauen auf denselben Open-Source-Bausteinen auf, die wir selbst entwickeln und pflegen: Model-Atlas, Data-Atlas und Event-Atlas (mehr dazu unter Technologiebasis). Jeder Baustein lässt sich einzeln einsetzen oder mit den anderen kombinieren — auf Basis offener Standards und ohne Herstellerbindung.
Technologiebasis
Unter allen Lösungen liegen dieselben drei Bausteine: Model-Atlas, Data-Atlas und Event-Atlas. Sie arbeiten mit gemeinsamen Modellen — was im Model-Atlas beschrieben ist, steht Data-Atlas und Event-Atlas unmittelbar zur Verfügung. Alle drei sind Teil des Open-Source-Projekts Eclipse Fennec und basieren auf EMF (Eclipse Modeling Framework) und OSGi.
Model-Atlas — Modelle und Metadaten
Der Model-Atlas ist das zentrale Modellverzeichnis: Die Datenstrukturen Ihrer Systeme liegen hier als formale Modelle — versioniert, validiert und für alle angeschlossenen Komponenten abrufbar. Auch die Konfigurationen von Data-Atlas und Event-Atlas sowie die Transformationen zwischen Modellen verwaltet der Model-Atlas; für sie gelten dieselben Prüf- und Freigaberegeln wie für jedes andere Modell.
Das folgende Demo zeigt den Datenfluss im Model-Atlas — von der Schema-Erfassung aus verschiedenen Quellformaten bis zur Modellregistrierung und der nachgelagerten Verteilung an verbundene Anwendungen.
- Mandantenfähiges Modellverzeichnis — getrennte Bereiche je Organisationseinheit oder Projekt, die gemeinsame Modelle von übergeordneten Bereichen erben können.
- Gestufte Freigabe — konfigurierbare Stufen vom Entwurf bis zur Freigabe, mit Prüfschritten an jedem Übergang; jede Version bleibt nachvollziehbar.
- Validierung — Modelle und Datenobjekte werden gegen ihre Regeln geprüft, auch gegen fachliche Bedingungen in OCL (Object Constraint Language); die Befunde werden direkt am jeweiligen Objekt dokumentiert.
- Offene Formate — Import und Export als Ecore/XMI, JSON-Schema, XSD und UML.
- Zentrale Transformationen — Modelltransformationen (QVT) liegen versioniert im Model-Atlas und werden vom Data-Atlas direkt ausgeführt.
- Durchsuchbar und anbindbar — Volltextsuche über Klassen, Attribute und Typen aller Modelle; eigene Anwendungen greifen über eine REST-API oder einen Java-Client zu.
Data-Atlas — Daten und Schnittstellen
Der Data-Atlas ist das Gegenstück zum Model-Atlas für die Daten selbst: Er beschreibt, wo sie liegen, wie sie aufbereitet werden und über welche Schnittstellen sie bereitstehen. Jede Instanz wird vollständig über ein Konfigurationsmodell beschrieben statt programmiert, und Änderungen daran greifen im laufenden Betrieb ohne Neustart. Auf Ihre Quellsysteme greift der Data-Atlas dabei ausschließlich lesend zu.
- Datenquellen — relationale Datenbanken wie PostgreSQL, außerdem MongoDB und Dateien; Zugangsdaten werden nur als abgesicherte Verweise hinterlegt, nie im Klartext.
- Transformation — QVT-Modelltransformationen aus dem Model-Atlas überführen die Quelldaten in das jeweilige Zielmodell.
- Schnittstellen — REST (JSON, XML, CSV), GeoJSON, OData v4.01 und OGC API Features.
- Exporte — Datensätze als Download in CSV, JSON oder XML.
- Open Data — Veröffentlichung in ein Open-Data-Portal nach DCAT-AP 3.0, abrufbar in gängigen RDF-Formaten und über SPARQL.
Event-Atlas — Ereignisse und Sensordaten
Der Event-Atlas bringt Sensor- und Ereignisdaten in dieselbe Modellwelt: Wie aus der Nachricht eines Geräts ein digitaler Zwilling wird, legt eine deklarative Abbildung auf ein Modell im Model-Atlas fest — ohne eigenen Transformationscode je Gerätetyp. Technisch baut der Event-Atlas auf Eclipse sensiNact auf, einem Open-Source-IoT-Broker der Eclipse Foundation, an dessen Entwicklung Data In Motion aktiv und maßgeblich beteiligt ist.
- Datenaufnahme — über MQTT und HTTP als JSON oder XMI; LoRaWAN-Geräte über die dekodierten Nachrichten des Netzwerkservers.
- Gemeinsame Gerätemodelle — Geräte unterschiedlicher Fabrikate lassen sich auf ein gemeinsames Modell abbilden; Abbildungen sind im laufenden Betrieb änderbar.
- Änderungsregeln — je Messwert festlegbar, ab wann eine Änderung zählt: prozentual, absolut, bei jeder n-ten Meldung oder zeitlich gedrosselt. Gespeichert wird so nur, was sich nennenswert verändert hat.
- Zeitreihen-Historie — auf PostgreSQL, optional beschleunigt durch TimescaleDB.
- Standardisierte Ausgabe — OGC SensorThings API 1.1 über REST und MQTT, dazu eine REST-Schnittstelle zu den digitalen Zwillingen.
Erprobt unter Echtzeitbedingungen: Auf dieser Grundlage hat Data In Motion eine Konflikterkennung für den Straßenverkehr umgesetzt. Sie führt Signalanlagenzustände und Sensordaten einer Kreuzung in Echtzeit zusammen und sagt potenzielle Konflikte zwischen Verkehrsteilnehmenden voraus, bevor sie eintreten.
Wie die drei Atlanten zusammenspielen
Sensordaten gelangen über den Event-Atlas in die Zeitreihen-Historie. Der Data-Atlas stellt sie gemeinsam mit Ihren übrigen Datenbeständen über offene Schnittstellen und als Open Data bereit — strukturiert nach den Modellen, die der Model-Atlas für alle drei verwaltet. Jeder Baustein läuft als Container und lässt sich einzeln einsetzen oder mit den anderen kombinieren. So beginnen Sie mit dem Baustein, den Sie heute brauchen, und erweitern später, ohne Ihre Modelle neu aufzubauen.
Details zu allen drei Bausteinen finden Sie in der technischen Dokumentation auf GitHub.
Mit uns arbeiten
Ob Ausgangspunkt Datenschutz und Compliance, IT-Transparenz, KI-Integration oder Datenplattform — wir arbeiten mit Organisationen zusammen, um Lösungen auf Basis dieser Komponenten zu konzipieren und umzusetzen. Sprechen Sie uns an, um Ihren Anwendungsfall zu besprechen.