Big Data

Für Jahrzehnte waren relationale Datenbanken, die SQL als ihre Abfragesprache benutzt haben, als populärste Lösung etabliert. Diese Datenbanken wurden üblicherweise als Einzelinstanzserver betrieben. Mit dem Erfolg von weltweit aufrufbaren Webanwendungen änderten sich jedoch die Anforderungen an Datenbanken: Die Zahl gleichzeitiger Zugriffe sowie deren Frequenz erhöhte sich drastisch und auch die ..

Neben neuen Rollen wie dem Data-Engineer oder -Scientist bringt die stetig wachsende Datenflut auch neue Ansätze und Praktiken in der Softwareentwicklung mit sich, denn Machine- und Deep-Learning-Ansätze sind längst nicht mehr der Forschung vorbehalten, sondern haben sich mittlerweile in Industrie und Wirtschaft etabliert. Dank moderner und freier Technologien wie TensorFlow, PyTorch oder XGBoost ..

Immer mehr Maschinen, Geräte und Dinge werden mit Sensoren ausgestattet und im Internet of Things (IoT) mit­einander vernetzt. Diese neuen digitalen Ökosysteme produzieren eine enorme Menge an Daten. Allein die Datenhaltung verursacht zunächst einmal Kosten. Dabei steckt in diesen Daten ein ungeheurer Wert. Unternehmen müssen diesen Wert mit der Hilfe von Data-Science-Methoden jedoch erst zutage f..

In der heutigen Zeit wird es für produzierende Unternehmen immer wichtiger, den Schritt in die digitale Transformation zu wagen. Dabei werden viele Unternehmen mit einem Paradigmenwechsel bezüglich ihrer bisherigen Produktions- und Instandhaltungsprozesse konfrontiert. Kern ist die Verfügbarkeit neuer Technologien und die Möglichkeit der intelligenten Vernetzung von Maschinen entlang der gesamten ..

Unternehmen sehen sich heute mit enormen Volumen an potenziell relevanten Daten konfrontiert, die aus einer laufend steigenden Zahl interner und externer Quellen geliefert werden. Für viele Anwendungsdomänen ist das Sammeln und Analysieren ausschließlich hochstrukturierter Daten aus klassischen relational orientierten Transaktionssystemen nicht mehr zufriedenstellend. Ein Großteil der neuen Daten ..