Hochfahren der Services

• Reihenfolge einhalten wird empfohlen
• für das Hochfahren mit der Konsole in den entsprechenden Unterordner navigieren (z.B. cd aas_infrastructure) und docker compose up -d nutzen
• Überprüfung der Container in Docker Desktop möglich (Status, Logs, Ports)

1. AAS Infrastructure (mit BaSyx Java)

Vorarbeit: Docker Network erzeugen

docker network create fluid40-workshop-connectivity

Info: Keine vorgeschaltete Security Layer -> Keine Authentifizierung notwendig

Service	URL	Container-Adresse
Web UI	http://localhost:8078	http://fluid40-aas-web-ui:3000
AAS Env (Repositories)	http://localhost:8081	http://fluid40-aas-server:8081
AAS Registry	http://localhost:8076	http://fluid40-aas-registry:8080
SM Registry	http://localhost:8077	http://fluid40-sm-registry:8080
Discovery	http://localhost:8084	http://fluid40-aas-discovery:8081

In der AAS WebUI im Submodel Viewer gerne nochmal das AID/AIMC Modell anschauen Hinweis: Aufgrund des deaktivierten Proxies + lokalem Setup auf dem eigenen Computer wird der AAS-Viewer mit der Schalen-Auflistung nicht ganz korrekt funktionieren -> deswegen am besten den Submodel-Viewer nutzen

2. Asset Connector

• Swagger-API: http://localhost:8000/docs
• Container-Adresse: http://fluid40-asset-connector:8000

Manuelle Nutzung

Optional zum selbst testen, die automatische Konfiguration wird über den Data Mapping Processor übernommen

• Keine Konfigurationsdatei wie bei den anderen Microservices erforderlich (hier läuft alles über die REST API)
• Payload zur Konfiguration & Datenabfrage muss übereinstimmen ("Aid"/ "Reference"-Wrapper siehe Bsp. nicht vergessen)

Verbindung zu Asset Herstellen mit add-config:

{
  "Aid": "BaSyx Web UI -> SM Editor Modus -> AID Sorting Machine Optionen -> Copy Submodel as JSON"
}

Game unter https://fluidon.com/en/Demo_Game_Fluid4.0_in_a_row_with_Cube starten, damit die Daten generiert werden und der Asset-Connector sich auf das Topic erfolgreich subscriben kann Test Datenabfrage mit get-value (Beispiel JSON hier übernehmen):

{
  "Reference": {
    "type": "ModelReference",
    "keys": [
      {
        "type": "Submodel",
        "value": "https://fluid40.de/ids/sm/9792_8316_5239_9554"
      },
      {
        "type": "SubmodelElementCollection",
        "value": "Interface_MQTT_Cube"
      },
      {
        "type": "SubmodelElementCollection",
        "value": "InteractionMetadata"
      },
      {
        "type": "SubmodelElementCollection",
        "value": "properties"
      },
      {
        "type": "SubmodelElementCollection",
        "value": "LiveData"
      }
    ]
  }
}

Erwartete Antwort:

{
  "StatusCode": 200,
  "Message": "Successfully invoked `/get-value` with raw JSON in payload",
  "Payload": {
    "axis_1": 0.161,
    "axis_2": 0.951,
    "axis_3": 0.007,
    "threshold": 0.98,
    "reset": 0,
    "result": 0,
    "emission": 3.46,
    "timestamp": "2026-06-23T16:55:43.577726Z"
  },
  "Value": ""
}

3. Data Mapping Processor

• Swagger-API: http://localhost:3088/docs
• Container-Adresse: http://fluid40-data-mapping-processor:3088
• AAS-ID der Sortiermaschine (notwendig für Konfiguration): https://fluid40.de/ids/aas/9911_6092_2508_3450
• Game unter https://fluidon.com/en/Demo_Game_Fluid4.0_in_a_row_with_Cube starten, damit die Daten generiert werden und der Asset-Connector sich auf das Topic erfolgreich subscriben kann

4. Influx V2 DB

Docker Volume erzeugen: docker volume create fluid40-workshop-connectivity-influxv2-data (sonst ist der Port nicht sichtbar und Influx auch nicht über localhost erreichbar)

Zugang unter http://localhost:8031/

Standard-Zugangsdaten aus compose.yml:

• DOCKER_INFLUXDB_INIT_USERNAME: admin
• DOCKER_INFLUXDB_INIT_PASSWORD: fluid40secure!

Container-Name: http://fluid40-influx-v2:8086

API-Token erzeugen

Alternative: Admin-Token aus compose-File benutzen

Name überlegen (nur für Lesbarkeit in Influx UI) Option "Custom API Token" wählen mit folgenden Optionen:

• read + write für den angegebenen Bucket aus Compose.yml (Default: fluid40-bucket)
• read für "all other resources"

Wichtig: API Token kopieren und zwischenspeichern!

4. Database Connector

1. release.tar.gz herunterladen und lokal speichern: https://github.com/fluid40/ms-database-connector/releases/tag/v0.1.1
2. In Kommandozeile (Windows, wenn es im normalen Dateisystem gespeichert wurde!) in Ordner navigieren, in dem die .tar.gz abelegt wurde
3. tar -xzf release.tar.gz -> Extrahiert die Datei image.tar
4. Lokales Image mit Docker laden: docker load -i image.tar
5. Image-Tag ist bereits im Docker-Compose fertig eingefügt (theoretisch hier das hinterlegte Image überprüfen & ggf. aktualisieren)

Wichtig: Influx DB muss über den Port verfügbar sein, da der Database Connector sonst beim Start einen Fehler wirft

Influx-Abfrage mit Alias-Mapping (da die Namen der Felder durch die Submodel-Element Pfade recht lang sind):

from(bucket: "fluid40-bucket")
  |> range(start: v.timeRangeStart, stop: v.timeRangeStop)
  |> filter(fn: (r) => r["_measurement"] == "play_4_in_a_row")
  |> filter(fn: (r) => r["_field"] == "https://fluid40.de/ids/sm/1704_4135_2769_8983/submodel-elements/Emission.CurrentEmission")
  |> aggregateWindow(every: v.windowPeriod, fn: mean, createEmpty: false)
  |> map(fn: (r) => ({
     r with
    _field:
    if r["_field"] == "https://fluid40.de/ids/sm/1704_4135_2769_8983/submodel-elements/Emission.CurrentEmission" then "CurrentEmission"
    else r["_field"]    
    }))

5. Dashboard in Grafana

Zugriff über http://localhost:9000

Datenquelle hinzufügen:

• http://fluid40-influx-v2:8086 (hier wird der Container-Name und der originale Port benötigt)
• Auth: keine Option anhaken
• InfluxDB Details
  • Organization: fluid40-org
  • Token: API Token oder Admin-Token nutzen
  • Default Bucket: fluid40-bucket

Neues Dashboard erstellen

• Angelegte Datenquelle einstellen
• Flux-Query eingeben
• Query-Inspektor -> Apply