Mit der rasant ansteigenden Anzahl an internetfähigen physischen Objekten nimmt auch die Bedeutung des Internets der Dinge (IoT) zu. Es ermöglicht die Vernetzung von unterschiedlichen Geräten, die mit Sensoren oder Aktuatoren ausgestattet sind und scha?t auf diese Weise adaptive und ?exible Netzwerke, die ihre Umgebung wahrnehmen und mit ihr interagieren können. Durch diese Entwicklung wächst gleichzeitig auch die Menge an Daten, die innerhalb dieser Netzwerke verarbeitet werden müssen. Um mit den damit verbundenen Problemen umzugehen, wird die Datenverarbeitung häufig in leistungsfähige Cloud-Systeme ausgelagert. Dadurch müssen jedoch alle erfassten Daten zunächst aufwändig in die Cloud übermittelt werden, was zu hoher Netzwerkauslastung und dementsprechend langen Latenzzeiten führt. Dies ist für viele IoT-Systeme inakzeptabel, da sie in Echtzeit auf sich ändernde Bedingungen in ihrer Umgebung reagieren können müssen. In der Folge werden Lösungen benötigt, um die Daten verteilt und mit möglichst kurzen Transportwegen verarbeiten zu können. Allerdings setzen sich IoT-Umgebungen in der Regel aus heterogenen Geräten zusammen, die unterschiedliche Hardware- und Softwareeigenschaften aufweisen, sodass anspruchsvollere Datenoperationen nur auf bestimmten Geräten ausgeführt werden können. Diese Einschränkungen müssen bei der verteilten Ausführung berücksichtigt werden. Um zu beschreiben, wie Daten in einem IoT-System verarbeitet werden, können Datenstrommodelle eingesetzt werden. Im Rahmen dieser Bachelorarbeit werden Konzepte entwickelt und implementiert, die es ermöglichen, Geschäftslogik, die in Form von Datenstrommodellen spezifiziert ist, verteilt in IoT-Umgebungen auszuführen. Dabei wird dynamisch entschieden, auf welchen Geräten die Datenoperationen ausgeführt werden sollen, um sowohl eine korrekte Ausführung der Geschäftslogik zu gewährleisten, als auch die Transportwege der Daten zu minimieren.