BikeBridge: E-Bike-Daten per Bluetooth auslesen – Erfahrungen und Tipps gesucht

stereodreieck86

Cadet 4th Year
Registriert
Sep. 2018
Beiträge
101
Hallo zusammen,

ich arbeite zusammen mit ein paar anderen Leuten an BikeBridge, einem Open-Source-Projekt, mit dem man Daten von E-Bike-Antrieben per Bluetooth auslesen und direkt auf dem Handy anzeigen kann.

Die Idee dahinter ist, nicht für jeden Hersteller eine eigene App verwenden zu müssen. Langfristig würden wir gerne möglichst viele Antriebe und auch elektronische Schaltungen unterstützen.

Einige Dinge funktionieren schon, bei anderen stehen wir noch ziemlich am Anfang. Und genau da könnte ich ein paar Erfahrungen von Leuten gebrauchen, die sich mit ähnlichen technischen Problemen beschäftigt haben.

Was wir bisher geschafft haben​

Am weitesten sind wir momentan beim Bosch Smart System (BES3). Auf der Android-Seite haben wir bereits einiges umgesetzt: den Verbindungsaufbau, die Kommunikation mit dem System, das Abonnieren von Telemetriefeldern und die ersten Decoder, die aus den empfangenen Daten wieder brauchbare Werte machen.

Dafür sammeln und untersuchen wir Bluetooth-Mitschnitte, schauen uns die Kommunikation in Wireshark an und analysieren teilweise auch die Apps der Hersteller. Dazu kommen Erkenntnisse und Aufzeichnungen von anderen Leuten, die sich mit einzelnen Teilen der Systeme beschäftigt haben. Einer davon arbeitet beispielsweise an einer separaten iOS-App.

Allerdings ist noch nicht alles fertig. Wir haben die Verbindungssequenz bei Bosch kürzlich geändert und müssen diesen Stand noch am echten Fahrrad überprüfen. Bei anderen Systemen wie Shimano EP8 und SRAM Eagle Powertrain gibt es ebenfalls erste Ansätze, aber bis eine Unterstützung zuverlässig funktioniert, steckt doch einiges an Arbeit darin.

Wie wir dabei vorgehen​

Ich selbst bin kein gelernter Softwareentwickler. Vieles erarbeite ich mir während des Projekts, und KI-Werkzeuge spielen dabei inzwischen eine ziemlich große Rolle.

Die Bluetooth-Aufzeichnungen holen wir über ADB vom Android-Gerät, dazu kommen die passenden Logcat-Ausgaben. In Wireshark schauen wir uns an, was während der Verbindung passiert. Wenn nötig, untersuchen wir auch den Code der Hersteller-Apps, um Hinweise auf Datenstrukturen oder den Verbindungsablauf zu finden.

Für die Umsetzung nutze ich vor allem Gemini in Android Studio. Damit lasse ich mir bei der Analyse, beim Kotlin-Code und bei Tests helfen. ChatGPT und andere KI-Werkzeuge nutze ich zusätzlich für Recherche und zum Gegenprüfen.

Das funktioniert erstaunlich oft gut. Man stößt aber auch auf ein Problem: Eine KI kann eine Erklärung für bestimmte Bytes liefern, die absolut plausibel klingt und trotzdem falsch ist. Wenn man anschließend einen Test mit genau den Daten schreibt, die auf derselben Annahme beruhen, kann der Test erfolgreich sein, ohne dass es am echten Fahrrad funktioniert.

Deshalb versuchen wir, die Ergebnisse mit tatsächlichen Mitschnitten und Tests am Fahrrad abzugleichen. Einfach ist das nicht immer.

Wir sind außerdem nur eine kleine Gruppe von ungefähr vier Leuten. Neben dem Maintainer gibt es Mitstreiter für Decoder und eine separate iOS-Entwicklung, während ich mich vor allem um die Android-App kümmere. Wir können also nicht nebenbei noch sämtliche Hersteller und Varianten untersuchen.

Wo ich gerne weiterkommen würde​

1. Wie geht ihr bei unbekannten Daten und Protokollen vor?

Wenn ihr schon einmal unbekannte Dateiformate, Netzwerkprotokolle oder Datenstrukturen untersucht habt: Wie nähert ihr euch so etwas? Welche Werkzeuge und Methoden helfen euch, Zusammenhänge zu erkennen und eure Ergebnisse vernünftig festzuhalten?

2. Wie überprüft ihr, ob eure Analyse wirklich stimmt?

Mich interessiert besonders, wie ihr mit Ergebnissen umgeht, die plausibel aussehen, aber falsch sein könnten. Habt ihr bestimmte Vorgehensweisen, um Fehler früh zu erkennen und sicherzustellen, dass ein Test tatsächlich etwas Aussagekräftiges überprüft? Das Thema KI ist dabei natürlich besonders interessant, aber nicht zwingend Voraussetzung.

3. Wie macht ihr Tests unabhängiger von der echten Hardware?

Bei uns müssen bestimmte Änderungen direkt am Fahrrad getestet werden. Das ist manchmal umständlich, gerade wenn man verschiedene Abläufe wiederholt durchprobieren möchte. Gibt es Möglichkeiten, solche Tests einfacher und reproduzierbarer zu machen? Erfahrungen aus anderen Bereichen der Softwareentwicklung wären genauso hilfreich.

Falls jemand schon einmal Bluetooth-Protokolle, E-Bike-Systeme oder ähnliche Geräte untersucht hat, wäre das natürlich besonders interessant. Aber auch allgemeine Tipps zu Debugging, Reverse Engineering, Testmethoden oder dem sinnvollen Einsatz von KI helfen uns weiter.

Hier findet ihr das Projekt und den aktuellen Quellcode:

https://codeberg.org/bg443/BikeBridge

Die Projektseite gibt es auch unter https://bridge.bike.

Ich bin gespannt, wie andere solche Probleme angehen. Vielleicht gibt es Werkzeuge oder Methoden, auf die wir bisher einfach noch nicht gekommen sind.
 
  • Gefällt mir
Reaktionen: polloze und Rickmer
Würde man es später Vermarkten können wie es zur Zeit schon mit USB-Verbindung schon heute klappt.
Selbst an Autos mit OBS-Dongle über Bluetooth klappt es nur sehr geringfügig und mit Kabelgerätschaften besser und vielfältiger.
 
Nein, ein kommerzielles Produkt ist von unserer Seite aus nicht geplant. BikeBridge soll Open Source bleiben. Natürlich kann es passieren, dass jemand das Projekt aufgreift, einen Fork erstellt und daraus ein eigenes Produkt macht. Das lässt sich bei Open Source je nach Lizenz nicht grundsätzlich ausschließen.

Was USB angeht, sind wir bei Bosch tatsächlich gerade an einer entsprechenden Implementierung dran. Es gibt außerdem einen separaten Decoder von einer anderen Person, bei dem das Auslesen über USB bereits funktioniert. Das ist natürlich interessant, weil wir dadurch nicht alles von Grund auf neu entwickeln müssen und vorhandene Erkenntnisse nutzen können.

Langfristig wäre es spannend, Bluetooth und USB in einer gemeinsamen Open-Source-Lösung zusammenzubringen. Im Moment konzentrieren wir uns aber darauf, die vorhandenen Implementierungen zuverlässig zum Laufen zu bringen und nach und nach weitere Hersteller zu unterstützen.
 
Die spannende Frage dürfte sein wie gut die Hersteller es finden, das ihr ihren Code Reverse Engineered, ihren Traffic zerlegt und dann öffentlich verfügbar macht und ggf. deren Apps damit untergrabt. Wenn sowas Traktion bekommt, kann das schnell unangenehm werden.

Trotzdem ne schöne Idee das in einer App zusammenzufassen :)
 
  • Gefällt mir
Reaktionen: 3!93D
Bosch sind doch die Kryptofans mit viel Freude an Obscurity - ob das langfristig Sinn mach, seht ihr wenn das Update geht :)
 
@Mojo1987 Klar, das kann natürlich passieren. Hersteller können Protokolle ändern, die Verschlüsselung verstärken oder das ganze System umbauen. Dann muss man halt sehen, wie weit man wieder kommt. Das ist für mich aber kein Grund, es gar nicht erst zu versuchen.

BikeBridge soll keine Hersteller-App kopieren oder ersetzen und ist auch kein kommerzielles Projekt. Es geht darum, E-Bike-Daten herstellerübergreifend und möglichst lokal nutzbar zu machen. Wenn das irgendwann mehr Aufmerksamkeit bekommt und ein Hersteller darauf reagiert, dann ist das eben so.

Ob sich ein Hersteller wegen eines kleinen Open-Source-Projekts tatsächlich die Mühe macht, sein komplettes System umzubauen, ist natürlich eine andere Frage. Ich möchte jedenfalls nicht schon vorher aufgeben, nur weil es theoretisch passieren könnte.

@Pumuckl
Ja, das trifft meinen bisherigen Eindruck ziemlich gut. Bosch macht einem die unabhängige Integration jedenfalls nicht gerade leicht. Vieles ist proprietär, die Kommunikation ist teilweise verschlüsselt, und statt vernünftiger Schnittstellendokumentation muss man sich vieles über Traces, Codeanalyse und Tests am echten Fahrrad zusammensuchen.

Ich habe aus meinen bisherigen Kontakten leider auch nicht den Eindruck gewonnen, dass Bosch besonders offen für unabhängige Lösungen ist. Die Gründe dafür kann ich nicht sicher beurteilen, aber einfacher macht es die Sache nicht.

Wir arbeiten inzwischen auch an der USB-Seite. Da gibt es bereits einen separaten Decoder von jemand anderem, der Daten auslesen kann. Langfristig wäre es natürlich schöner, wenn Bluetooth und USB in einer gemeinsamen Open-Source-Lösung zusammenlaufen würden, statt dass jeder das Rad neu erfinden muss.

Aber genau deshalb gibt es ja Projekte wie BikeBridge. Wir machen erst mal weiter. 🙂
 
stereodreieck86 schrieb:
Ob sich ein Hersteller wegen eines kleinen Open-Source-Projekts tatsächlich die Mühe macht, sein komplettes System umzubauen, ist natürlich eine andere Frage.
Nö, die mahnen euch im Zweifel ab und sorgen dafür das es down genommen werden muss. Das ist vermutlich auch deutlich weniger Aufwand als Systeme umzubauen ;)

Nur weil man was nicht kommerziell betreibt heißt das nicht das man machen kann was man will.
 
stereodreieck86 schrieb:
Ich habe aus meinen bisherigen Kontakten leider auch nicht den Eindruck gewonnen, dass Bosch besonders offen für unabhängige Lösungen ist.
Ich glaube nicht, dass die Verschlüsselung und die Bedenken unbedingt wegen einer Analyse & Auswertesoftware existieren. Vielmehr kann man ansonsten auch auf die Motor-Firmware zugreifen und den Motor tunen. Bei einem Pedelec sind dann mehr als die erlaubten 25 km/h drin.

Ja, ich weiß, dass solche Hacks schon existieren, aber man will sicherlich nicht, dass dies wegen zu niedrigem Aufwand im "Mainstream" ankommt.
 
stereodreieck86 schrieb:
Mit welcher Begründung soll ein Gericht so etwas anordnen ?
Sollte in der EULA zu finden sein, z.B. Kapitel 11.3 der Bosch eBike Systems Nutzungsbedingungen (duerfte aber bei allen Anbietern aehnlich sein).
00Julius schrieb:
Ich glaube nicht, dass die Verschlüsselung und die Bedenken unbedingt wegen einer Analyse & Auswertesoftware existieren.
Solche Nutzerdaten werden von Herstellern umfassend fuer analytische Zwecke benutzt. Deshalb moechte man die Integritaet der Daten sicherstellen und verhindern dass andere solche Daten unbefugt abgreifen koennen. Speziell wenn kostenpflichtige Serviceabos fuer zusaetzliche Datenauswertungen angeboten werden. Weiter sind damit rechtliche Schritte gegen Verstoesse einfacher da ein umgehen von Schutzmassnahmen zur Datengewinnung erforderlich ist.
00Julius schrieb:
Vielmehr kann man ansonsten auch auf die Motor-Firmware zugreifen und den Motor tunen. Bei einem Pedelec sind dann mehr als die erlaubten 25 km/h drin.
Wenn Dein Sicherheitskonzept Firmwaremanipulationen via Bluetooth ueber das auslesen von Nutzerdaten erlaubt hast Du als Hersteller bereits verloren. Das auslesen von Nutzerdaten und veraendern der Firmware (z.B. Update ueber die App) sollte in komplett unterschiedlichen Teilen der Applikation stattfinden wobei fuer Firmwaremanipulationen zusaetzliche Massnahmen erforderlich sind (z.B. zusaetzliche Authentifizierung fuer Aenderung zulassungsrelevanter Parameter, nur signierte Firmware erlaubt fuer Updates).
Dieser Thread beschreibt z.B. Ansaetze zum aushebeln der Geschwindigkeitslimitierung ueber die USB Schnittstelle oder spezieller Zusatzchips.
Das Risiko bei diesen Methoden ist, nebst Verlust der Garantie/Strassenzulassung oder inkorrekten Geschnwidigkeiten/Distanzen, dass das Steuergeraet die Manipulation erkennt und sich selber sperrt. Ausserdem werden um Verlauf der Zeit durch Firmwareupdates bekannte Luecken geschlossen.
 
mich wundert es dass bosch überhaupt mit dir diesbzgl. zusammenarbeitet, Bosch lässt sich ja mehr Informationen gut bezahlen -> "Flow+ Abo"
Wenn du jetzt mit kostenlosen Alternativen kommst werden sie wsl. nicht so glücklich sein :)

Für mein erstes eBike habe ich mir damals "Cobi Bike + (Set aus Licht, Smartphonehalterung und Blinker)" gekauft, habe ich auch sehr lange genutzt, damals war das eBike nicht "Smart", da gabs nur ein einfaches display, Cobi hat das ganze besser gemacht (Musiksteuerung, Navigation, Alarmanlage)

Irgendwann hat Bosch Cobi gekauft.
 
Zuletzt bearbeitet:
@AleksZ86
Bosch arbeitet nicht mit mir, ganz im Gegenteil! man stellt sich sogar bei allen Anfragen quer. Der untenstehende Satz bezog sich nur auf Implementierung von Bosch in Bikebridge.
Was USB angeht, sind wir bei Bosch tatsächlich gerade an einer entsprechenden Implementierung dran.
 
ahso ok, sorry, habs dann falsch verstanden.
ja, du gefährdest deren Abo-Service, daher wird sich Bosch wsl. quer stellen.
 
@schneup

Danke für den Hinweis auf die Nutzungsbedingungen. Ich habe mir die entsprechenden Stellen inzwischen angesehen und werde die rechtlichen Fragen separat für uns einordnen. Ich möchte die Diskussion hier aber nicht weiter in diese Richtung treiben.

Eine Sache ist mir im Zusammenhang mit dem Hinweis auf Firmware und Tuning wichtig: BikeBridge soll ausschließlich dem Auslesen und Anzeigen von E-Bike-Daten dienen. Wir wollen weder die Motorsteuerung verändern noch Firmware manipulieren, Unterstützungsgrenzen verändern oder beispielsweise über einen geänderten Radumfang höhere Geschwindigkeiten ermöglichen.

Solche Funktionen können für einzelne Nutzer interessant sein, gehören aber ausdrücklich nicht zu dem, was wir mit BikeBridge erreichen wollen. Wir wollen auch keine entsprechenden Funktionen in das Projekt aufnehmen oder unterstützen. Uns geht es um eine herstellerübergreifende Telemetrie-App, nicht um ein Tuning- oder Modifikationswerkzeug.

Damit würde ich das Thema Firmware und Steuerfunktionen an dieser Stelle auch gerne abschließen.

Was mich ursprünglich interessiert hat, ist vor allem die technische Seite: Wie kann man KI beim Reverse Engineering sinnvoll einsetzen, ohne sich von plausibel klingenden, aber möglicherweise falschen Interpretationen in die Irre führen zu lassen?

Wir hatten beispielsweise schon den Fall, dass ein Decoder und ein dazugehöriger Test scheinbar zusammenpassten, obwohl beide auf derselben falschen Annahme beruhten. Wie geht ihr bei solchen Problemen vor? Verwendet ihr unabhängige Referenzdaten, gezielte Gegenhypothesen, Differentialtests oder Replay-Tests, um die Ergebnisse tatsächlich zu überprüfen?

@AleksZ86

Kein Problem, ich hatte mich da offenbar missverständlich ausgedrückt. Ob BikeBridge Auswirkungen auf ein bestimmtes Bosch-Angebot hat oder wie Bosch das Projekt bewertet, kann ich nicht beurteilen. Darüber möchte ich auch nicht spekulieren.

Unser Ziel ist eine kostenlose, herstellerübergreifende Open-Source-App, die E-Bike-Telemetriedaten ausliest und auf dem Smartphone anzeigt. Wir wollen keine Firmware verändern, nicht in die Motorsteuerung eingreifen und keine Tuningfunktionen bereitstellen. Es geht uns darum, vorhandene Daten besser zugänglich zu machen und nicht darum, das Verhalten des Antriebs zu verändern.

Ich würde daher gerne wieder zur ursprünglichen technischen Frage zurückkommen: Wie nutzt ihr KI bei der Analyse unbekannter Protokolle, und wie stellt ihr sicher, dass ihre Ergebnisse nicht nur plausibel klingen, sondern sich auch anhand unabhängiger Daten und Tests bestätigen lassen?
 
stereodreieck86 schrieb:
Wir hatten beispielsweise schon den Fall, dass ein Decoder und ein dazugehöriger Test scheinbar zusammenpassten, obwohl beide auf derselben falschen Annahme beruhten.
Ich würde ganz einfach live am Fahrrad arbeiten..
Das umgeht doch dann das Problem irgendwas mit irgendwelchen Annahmen zu testen. Tests in der Richtung machen für mich eher Sinn, wenn man weiß, was die Gegenseite erwartet. Wenn ihr aber nicht wisst, was das Fahrrad euch antwortet, könnt ihr ja schlecht was darauf testen, ob ihr die Antwort richtig verarbeitet..
 
Ich würde die Diskussion gerne noch etwas konkreter machen, weil wir bei BikeBridge gerade an genau diesen Problemen hängen.

@ueg: Mit dem Testen am echten Fahrrad hast du grundsätzlich recht. Die tatsächliche Bedeutung eines unbekannten Datenfeldes lässt sich letztlich nicht dadurch beweisen, dass ein selbst geschriebener Test erfolgreich ist. Allerdings zeichnen wir die Kommunikation bereits auf und geben die Logs der KI zur Analyse. Es geht also nicht darum, ausschließlich mit theoretischen Annahmen zu arbeiten. Die Frage ist vielmehr, wie wir aus diesen Daten möglichst zuverlässig Erkenntnisse gewinnen und sie anschließend überprüfen.

Dabei stoßen wir auf zwei Probleme.

1. Die KI klingt überzeugt, obwohl sie falschliegt.

Manchmal behauptet sie, etwas sei definitiv so, obwohl die Daten das gar nicht hergeben. Sie erfindet Zusammenhänge, behauptet, Funktionen seien bereits implementiert, obwohl sie im Repository gar nicht existieren, oder erklärt einen Decoder für korrekt, weil er zu den eigenen Annahmen passt.

Gerade bei unbekannten Protokollen ist das schwierig. Wenn die KI eine plausible Interpretation für bestimmte Bytes entwickelt und anschließend einen Test mit derselben Annahme schreibt, kann der Test bestehen, obwohl die Interpretation falsch ist.

Wie bringt man eine KI dazu, ihre Aussagen konsequent mit konkreten Quellen, Code-Stellen und Messdaten zu belegen, Gegenhypothesen zu prüfen und auch einmal zu sagen: „Das wissen wir noch nicht“?

2. Die KI arbeitet zu lange in die falsche Richtung.

Wir verwenden hauptsächlich Gemini in Android Studio. Es kommt vor, dass die KI Änderungen vornimmt, ein Gradle-Build fehlschlägt, sie etwas ändert und erneut baut – nur damit derselbe Fehler wieder auftritt. Manchmal wiederholt sich das mehrere Male, ohne dass die eigentliche Ursache sauber untersucht wird.

Das kostet Zeit, Modellkontingent und Rechenleistung. Ich würde gerne möglichst viel davon automatisieren, aber nicht einfach eine autonome Schleife einrichten, die Fehlversuche schneller wiederholt.

Deshalb meine eigentliche Frage an euch: Welche Kombination aus KI-Modell, Abo und Hilfswerkzeugen hat sich in der Praxis bewährt?

Konkret interessieren mich drei Bereiche:

  • Coding-KI und Preis-Leistung: Ist Claude Code mit Claude Pro für solche Aufgaben tatsächlich besser als Codex mit einem günstigen ChatGPT-Tarif? Oder ist es umgekehrt, beziehungsweise gibt es Alternativen, die bei komplexen Kotlin-/Android-Projekten zuverlässiger arbeiten? Mich interessieren echte Erfahrungen mit vergleichbaren Aufgaben, nicht nur allgemeine Benchmarks. Wir möchten möglichst wenig monatlich ausgeben und trotzdem größere Aufgaben sinnvoll bearbeiten können.
  • Recherche über bestehende Repositories: Wir haben inzwischen zahlreiche Projekte für unterschiedliche E-Bike-Hersteller gefunden. Ich möchte nicht alles selbst neu schreiben lassen, sondern die vorhandenen Implementierungen systematisch vergleichen, relevante Decoder und Datenmodelle identifizieren und prüfen, was wir in angepasster, eigenständiger Form für BikeBridge nutzen können. Gibt es dafür gute Research-Agenten, Multi-Agent-Systeme oder andere Werkzeuge? Mir ist beispielsweise Repomix zur Aufbereitung von Codebasen und GitHub Spec Kit für strukturierte Entwicklungsplanung begegnet. Auch automatisierte Repository-Recherche wäre interessant.
  • Integration und Automatisierung: Wie baut man solche Werkzeuge sinnvoll in einen bestehenden Workflow mit Android Studio, Gemini, Kotlin und Gradle ein? Idealerweise würde die KI zunächst recherchieren und einen Plan erstellen, dann gezielt implementieren, die relevanten Tests ausführen und bei wiederholten Fehlern mit einer fundierten Diagnose abbrechen, statt immer neue Änderungen auf Verdacht vorzunehmen.
Ein weiterer Aspekt ist, dass wir die Herkunft von Protokollinformationen und Code nachvollziehbar dokumentieren müssen. Ein fremdes Repository kann wertvolle technische Erkenntnisse liefern, aber die Übernahme von Code ist natürlich eine andere Frage und hängt unter anderem von der Lizenz ab.

Ich möchte also nicht einfach eine möglichst autonome KI, die möglichst viel Code produziert. Ich suche einen Workflow, der weniger falsche Annahmen, weniger unnötige Iterationen und bessere Ergebnisse pro eingesetztem Euro liefert.

Hat jemand von euch vergleichbare Erfahrungen gesammelt? Insbesondere würden mich konkrete Vergleiche zwischen Claude Code, Codex, Gemini in Android Studio und möglichen Ergänzungswerkzeugen interessieren – gerne auch mit kleinen Abos oder kostenlosen Lösungen, die sich in der Praxis als ausreichend erwiesen haben.
 
Zurück
Oben