Big Data

Der verstärkte Einsatz von Edge-Computing in IIoT-Szenarien erfordert heute sowohl Kompetenzen im Bereich Engineering als auch in den Bereichen Datenverarbeitung und Algorithmen. Eine Herausforderung für industrielle IoT-Projekte besteht daher darin, Engineering (Industrial Computing, PLC) und Data Science (Daten, KI-Modelle, Statistik, Cloud-IT) zusammenzubringen. Der vorliegende Artikel stellt e..

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..

In diesem Artikel wird gezeigt, wie Advanced Analytics helfen kann, den Recruiting-Prozess zu beschleunigen, qualitativ zu verbessern und sowohl die Candidates Journey als auch die KPI „Time to Hire“ zu reduzieren, die im immer stärker umkämpften Fachkräftemarkt essenziell ist. Dabei liegt der Fokus auf der fachlichen Beschreibung sowie der technischen Umsetzung zweier Use-Cases. Use-Case 1 beschä..

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..