Big Data

Industrielle Fertigungsprozesse zeichnen sich auch bei Hochgeschwindigkeitsanwendungen durch strenge Anforderungen an Präzision und Qualität aus. Systeme zur Überwachung müssen nahe am Ort des Geschehens sein, um zuverlässig und reaktionsschnell Unregelmäßigkeiten feststellen oder ihnen vorbeugen zu können. Daher ergeben sich durch die unterschiedlichen Verfahren, Komponenten und Parameter in mode..

Digitale Transformationen gepaart mit Data Analytics führen zunehmend zur Disruption existierender Geschäftsmodelle. Obwohl Unternehmen bereits Erfahrungen im Bereich Data Analytics gesammelt haben, bleibt oft die Herausforderung, die Integration von Data-Analytics-Fähigkeiten in bestehende Geschäftsprozesse sicherzustellen – und das nachhaltig sowie wertbeitragsorientiert. Aus der Praxis wurde ei..

In vielen Unternehmen sind KI-Projekte nicht zentral gesteuert, sondern gleichzeitig in unterschiedlichen Fachbereichen entstanden. Agil wird nach Use-Cases gesucht, das nötige Datenmaterial aus diversen Quellen gesammelt und das Ergebnis verprobt. Das klassische Data Warehouse (DWH) spielt oft nur eine untergeordnete Rolle in diesen schnelllebigen Experimenten, da Data Scientists lieber auf Rohda..

Die Veränderung von angebots- zu nachfragegetriebenen Absatzmärkten in der Automobilbranche definiert die Herausforderung an die Hersteller, sich verstärkt an einer kundenzentrierten Produktionsplanung zu orientieren. Die Endkunden recherchieren schon einige Monate vor dem eigentlichen Kauf mögliche Fahrzeugkonfigurationen. Automobilhersteller berücksichtigen diese Daten bisher nicht in der Produk..

Schon seit einigen Jahren wird KI, Künstliche Intelligenz, als Antwort auf viele Fragen in einem Unternehmen gehandelt. Der Hype um vermeintliche Wunderthemen und Technologien wiederholt sich regelmäßig und ist mittlerweile auch in gemeinhin als konservativ eingestuften Branchen wie dem Versicherungssektor angekommen. War gestern noch Big Data in aller Munde, ist es heute KI. Allerdings können nur..