We bevinden ons op een kantelpunt waar meer gegevens worden geproduceerd door het Internet of Things (IoT) dan zinvol kan worden verwerkt, omdat het volume, snelheid en variëteit van de data tegelijkertijd moeten worden aangepakt. Semantisch web redeneren heeft bewezen ideaal te zijn om data variëteit aan te pakken, om data van verschillende bronnen te integreren. Redeneren is te computationeel intensief, in vergelijking met de snelheid van de IoT data. Daarom vindt er een verschuiving plaats verschuiving plaats van cloud computing naar data zo dicht mogelijk bij de bron te verwerken, i.e. aan de edge. Het doel van dit voorstel is om efficiënte en schaalbare real-time verwerking van IoT-gegevens mogelijk te maken met Cascading Reasoning (CR), een gelaagde oplossing met lagen van verschillende verwerkingscomplexiteit. CR en het edge paradigma stemmen overeen, gezien de lagen met lagere complexiteit in de edge kunnen verwerkt worden, terwijl complexere lagen kunnen worden verwerkt in de cloud met meer resources. De complexiteit van de edge omgeving maakt het voor gebruiker moeilijk om efficiënte queries te definiëren. Ik zal onderzoeken hoe queries kunnen worden geoptimaliseerd en vertaald naar de verschillende lagen om efficiënte analyses te realiseren. Gezien een integratieprobleem moet opgelost worden om IoT data te verwerken, zullen efficiënte redeneertechnieken worden onderzocht die kunnen omgaan met de snelheid, het volume en de variëteit van IoT data.