In het Internet of Things (IoT) zijn vele sensoren en toestellen verbonden en produceren ze elk data die een deel van de omgeving beschrijven. De geproduceerde data zijn meestal erg heterogeen omdat deze resulteren uit verschillende bronnen. Om zinvolle beslissingen uit deze heterogene data te kunnen trekken, dient deze vaak gecombineerd te worden met achtergrondkennis en is informatie over het domein noodzakelijk. Semantische webtechnologieën, zoals ontologieën, maken het mogelijk om domeinen te modelleren en hebben bewezen een ideaal middel te zijn om heterogene data te combineren. Reasoners kunnen impliciete feiten over de gegenereerde data afleiden, in overeenstemming met de gedefinieerde domeinkennis. Hoe gedetailleerder het beschreven domein, des te expressiever de redeneertechnieken dienen te zijn. Er is echter nog steeds een tegenstrijdigheid tussen de frequentie waaraan data in het IoT worden geproduceerd en de snelheid waarmee expressieve reasoners gegevens kunnen verwerken. Dit proefschrift onderzoekt hoe expressieve redeneertechnieken efficiënt kunnen worden gebruikt om heterogene IoT-data te verwerken. Meer specifiek onderzoekt dit proefschrift hoe services zich kunnen registreren op heterogene IoT-data, hoe services efficiënt kunnen redeneren over vluchtige IoT-stromen en hoe efficiënt redeneren kan worden toegepast in combinatie met grote hoeveelheden achtergrondkennis.