Im Bereich der Sensornetze zeichnet sich der Trend ab, immer größere Verbunde einzelner Netze, sogenannte globale Sensornetze, zu bilden. Gleichzeitig wächst auch die Menge der potentiellen Konsumenten der Datenströme, die von Sensornetzen bereitgestellt werden.

Durch den neuen globalen Kontext ergeben sich für die zur Verarbeitung der Sensordatenströme eingesetzten Systeme neue Herausforderungen. Gerade in den Anforderungen bezüglich Skalierbarkeit und Echtzeitverarbeitung der Datenströme weisen verfügbare Systeme erhebliche Defizite auf.

Das in dieser Arbeit konzipierte System zur Realzeitverarbeitung von Datenströmen in globalen Sensornetzen adressiert genau diese Defizite. Ein verteilter R-Baum wird verwendet, um proaktiv Datenströme gleichen Inhalts zu vermeiden und so die Produzenten zu entlasten. Zusätzlich wird mit dem Prädiktor ein Framework zur modellgestützten Vorhersage von Datenströmen integriert, so dass aktuelle Werte auch über Verbindungen mit hoher Latenz in Echtzeit verfügbar sind.

The ongoing trend in the field of sensor networks is to interconnect single networks to so called global sensor networks. At the same time, the amount of potential consumers of the data provided by sensor networks is growing steadily.

In this global setting new challenges and requirements arise for the systems used to process the streams of sensordata. The new requirements, especially those concerning scalability and real-time processing, are difficult to meet for the available systems.

The system for real-time processing of data streams in global sensor networks presented in this thesis adresses the main drawbacks of available solutions. It employs a distributed R-Tree to proactively avoid transmitting data streams with identical content and alleviate the producers’ workload. Furthermore, predictors, a framework for the model-driven forecast of data streams, are integrated into the system. This predictors can be used to guarantee the availability of real-time data for the consumer even over high-latency connections.