Please use this identifier to cite or link to this item: http://dx.doi.org/10.25819/ubsi/3499
Files in This Item:
File Description SizeFormat
Dissertation_Nico_Castelli.pdf6,78 MBAdobe PDFView/Open
Dokument Type: Doctoral Thesis
Title: Designing human-centered systems for the Internet of Things
Title addition: design-case study inspired concept for end-user data work for tailorable information visualizations and analysis of IoT and IIoT data
Other Titles: Design nutzerzentrierter Systeme für das Internet der Dinge
Authors: Castelli, Nico 
Institute: Fakultät III - Wirtschaftswissenschaften, Wirtschaftsinformatik und Wirtschaftsrecht 
Wirtschaftsinformatik 
Free keywords: Internet of Things, Data Analytics
Dewey Decimal Classification: 000 Allgemeines, Informatik, Informationswissenschaft
GHBS-Clases: QGT
Issue Date: 2020
Publish Date: 2020
Abstract: 
The Internet of Things (IoT) and the Industrial Internet of Things (IIoT) are fast-growing emerging topics of technical, social, and economic significance that not only affect work practices but also daily routines and habits. The IoT and IIoT comprise a network of smart physical things and devices (such as production machines and home appliances). The number of “things” connected via the internet or the intranet is constantly increasing. It is estimated that approximately 20 billion IoT devices will be online by 2020.
Internet of Things and IIoT devices communicate with one another through software technology with the aim of making them more autonomous and cooperative. In addition to technological advances in hardware for the efficient acquisition and communication of context and status data, software solutions in particular offer great potential for influencing many areas of everyday life and work; to this end, humans should be taken into account when designing new digital systems. The central element here is the use of digital data, which are now available in greater quantities and at a better quality than ever before. Currently, the amount of data produced daily is 2.5 quintillion bytes–this will continue to increase in coming years. These data contain much valuable information, which can only be obtained through appropriate data analyses and visualization and correct embedding in their context.
The term “data work” has evolved as a superordinate area that combines all aspects of work with data to derive meaningful information, such as data consolidation, data processing, data refinement, data analysis, and data visualization. This thesis focuses on end-user data work in the context of IoT and IIoT systems that supports users using their digital data by providing tailorable information visualizations and data analysis. From a Human Computer Interaction (HCI) perspective, this thesis examines how IoT and IIoT systems have to be designed to enable end-users to make digital data meaningful and usable. In this regard, and combining the areas of IoT system design, end-user development (EUD) and information visualization, the main goals of this thesis are:
• To gain a deeper understanding of the use and appropriation of IoT and IIoT technology in different contexts,
• To gain insights about the use of digital data for daily routines, habits and work practices; and
• To evaluate possibilities for the development of a system design for end-user data work.
This work is based on empirical field studies that investigate different settings (domestic and industrial) in the context of IoT and IIoT. Seen through the lens of appropriation, relevant practices for deploying and using IoT and IIoT technology, especially the practices of working with digital data to support routines, habits, and processes, are identified and discussed for different application areas. This has resulted in the development of system requirements to support the process of making abstract digital data accountable and meaningful for users in their everyday life and work practices.
Grounded in these results, a concept of an end-user data work tool that allows the consolidation of digital data across system boundaries, lets users adjust the system to their context, supports flexible data visualizations, and empowers collaborative data work is presented.

Das Internet der Dinge (IoT) und das industrielle Internet der Dinge (IIoT) sind schnell wachsende, aufkommende Themen von technischer, sozialer und wirtschaftlicher Bedeutung, die nicht nur die Arbeitspraktiken, sondern auch die täglichen Routinen und Gewohnheiten beeinflussen. IoT und IIoT Systeme bestehen dabei aus vernetzten physischer Geräte (wie z.B. Produktionsmaschinen und Haushaltsgeräte). Die Zahl der "Dinge", die über das Internet oder das Intranet verbunden sind, nimmt ständig zu. Es wird geschätzt, dass bis 2020 etwa 20 Milliarden IoT-Geräte online sein werden.
IoT und IIoT-Geräte kommunizieren durch Softwarelösungen miteinander mit dem Ziel, sie autonomer und kooperativer zu machen. Neben technologischen Fortschritten bei der Hardware zur effizienten Erfassung und Kommunikation von Kontext- und Zustandsdaten bieten vor allem intelligente Softwarelösungen ein großes Potenzial zur Beeinflussung vieler Bereiche des täglichen Lebens und der Arbeit; dabei sollte der Nutzer bei der Gestaltung neuer digitaler Systeme immer berücksichtigt werden. Zentrales Element ist dabei die Nutzung digitaler Daten, die heute in größerer Menge und besserer Qualität als je zuvor zur Verfügung stehen. Derzeit liegt die täglich produzierte Datenmenge bei 2,5 Trillionen Bytes - und wird in den kommenden Jahren weiter zunehmen. Diese Daten enthalten viele wertvolle Informationen, die nur durch geeignete Datenanalysen und -visualisierung und korrekte Einbettung in ihren Kontext gewonnen werden können.
Der Begriff "Datenarbeit" hat sich als ein übergeordneter Bereich entwickelt, der alle Aspekte der Arbeit mit Daten kombiniert, um aussagekräftige Informationen abzuleiten, wie z.B. Datenkonsolidierung, Datenverarbeitung, Datenveredelung, Datenanalyse und Datenvisualisierung. Diese Thesis konzentriert sich auf die Datenarbeit von und durch Endbenutzern im Kontext von IoT- und IIoT-Systemen, die die Benutzer bei der Nutzung ihrer digitalen Daten durch die Bereitstellung maßgeschneiderter Informationsvisualisierungen und Datenanalysen unterstützt. Aus der Perspektive der Mensch-Computer-Interaktion (Human Computer Interaction, HCI) untersucht diese Arbeit, wie IoT- und IIoT-Systeme gestaltet werden müssen, um Endbenutzer in die Lage zu versetzen, digitale Daten aussagekräftig und nutzbar zu machen. In dieser Hinsicht und durch die Kombination der Bereiche IoT-Systemdesign, End User Development (EUD) und Informationsvisualisierung sind die Hauptziele dieser Arbeit:
- Ein tieferes Verständnis für die Nutzung und Aneignung von IoT- und IIoT-Technologie in verschiedenen Kontexten zu gewinnen,
- Erkenntnisse über die Nutzung digitaler Daten für tägliche Routinen, Gewohnheiten und Arbeitsabläufe zu gewinnen; und
- Bewertung der Möglichkeiten für die Entwicklung eines Systemdesigns für die Arbeit mit Endbenutzerdaten.
Diese Arbeit basiert auf empirischen Feldstudien, die verschiedene Settings (Haushalte und Industrie) im Kontext von IoT und IIoT untersuchen. Durch die Linse der Aneignung betrachtet, werden relevante Praktiken für den Einsatz und die Nutzung von IoT- und IIoT-Technologie, insbesondere die Praktiken der Arbeit mit digitalen Daten zur Unterstützung von Routinen, Gewohnheiten und Prozessen, für verschiedene Anwendungsbereiche identifiziert und diskutiert. Daraus resultierten Systemanforderungen zur Unterstützung dieser Prozesse, abstrakte digitale Daten für die Nutzer in ihrem Alltag und ihrer Arbeitspraxis nachvollziehbar und aussagekräftig zu machen.
Auf der Grundlage dieser Ergebnisse wird ein Konzept für ein End-User Data Work vorgestellt, das die Konsolidierung digitaler Daten über Systemgrenzen hinweg ermöglicht, die Benutzer das System an ihren Kontext anpassen lässt, flexible Datenvisualisierungen unterstützt und die kollaborative Datenarbeit erleichtert.
DOI: http://dx.doi.org/10.25819/ubsi/3499
URN: urn:nbn:de:hbz:467-16650
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/1665
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

101
checked on Aug 8, 2020

Download(s)

30
checked on Aug 8, 2020

Google ScholarTM

Check

Altmetric


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.