Industrial Data Science Conference 2017

08.09.2017

Am 5. September fand in Dortmund die erste Industrial Data Science Conference statt. Eingeladen hatten RapidMiner und das Institut für Produktionssysteme der TU Dortmund. 140 Teilnehmer waren gekommen. Vielleicht spricht sich jetzt ein wenig mehr herum, dass wir in Deutschland auch für Big Data Analytics Hervorragendes zu bieten haben.

IoT und Industrie 4.0 verändern unsere Industrie vor allem in einer Richtung: Künftig werden Daten aus der Produktion oder dem Betrieb von Produkten eine entscheidende Rolle für die industrielle Wertschöpfung spielen. Dazu müssen diese Daten aber smart gemacht werden. Erst durch ihre intelligente Analyse lassen sich wertvolle neue Dienstleistungsmodelle entwickeln. Jeder weiß, dass Industrie 4.0 aus Deutschland kommt. Leider weiß aber kaum jemand, dass auch ein Weltmarktführer in Sachen Maschinenlernen und Big Data Analytics ein deutsches Unternehmen ist: RapidMiner wurde 2007 an der TU Dortmund gegründet, hat einen zweiten Sitz in Boston, USA, und spielt in der ersten Liga der Welt für Software künstlicher Intelligenz.

Ralf KlinkenbergRalf Klinkenberg (Foto Sendler), einer der Gründer und bei RapidMiner Leiter der Data Science Forschung, eröffnete die Veranstaltung mit einem Hinweis auf eine Studie von Gartner, der zufolge schon 2018 mehr als die Hälfte aller größeren Unternehmen weltweit ihren Wettbewerbsvorteil in Advanced Analytics und entsprechenden Algorithmen suchen werden. In Deutschland gibt es auch schon zahlreiche Pilotprojekte, aber nur sehr zögerlich finden die neuen Methoden Eingang in die tägliche Praxis.

Prof. Dr. Katharina MorikProf. Dr. Katharina Morik (Foto Sendler), Lehrstuhl für Künstliche Intelligenz an der TU Dortmund, ist eine der wenigen deutschen Koryphäen in Data Mining. Sie musste in den vergangenen Jahrzehnten erleben, wie Fördermittel in Deutschland für vieles eingesetzt wurden, aber nur höchst selten und begrenzt für Künstliche Intelligenz und Maschinenlernen, ganz anders als in den USA. Sie berichtete aus der Forschung und aus Industrieprojekten und machte deutlich, dass die wichtigste Voraussetzung von Big Data Analytics nicht das Sammeln von Daten, sondern die sorgfältige Entwicklung passender Datenmodelle ist. Das größte Problem sei die Datenaufbereitung und dafür wiederum multidisziplinäre Zusammenarbeit Vorbedingung.

Prof. Dr. Jochen DeuseProfessor Dr. Jochen Deuse (Foto Sendler), Leiter des Instituts für Produktionssysteme (IPS) an der TU Dortmund, konnte bereits über intensive Erfahrungen aus Projekten in der Industrie berichten. Er bestätigte, dass das Kernprojekt jeder vorausschauenden Analyse in der Tat die sorgfältige Gestaltung des Prognosemodells ist. Gerade flexible Fertigungsverfahren, wie sie mit Industrie 4.0 derzeit enorm an Bedeutung gewinnen, können ohne solche Methoden kaum verwirklicht werden. Ein Beispiel aus der Praxis an dem das IPS beteiligt ist, wurde später von BMW im Detail vorgestellt.

Wie immer versteht man auch die Technologie des Maschinenlernens am besten an konkreten Beispielen. Dazu gab es neun Vorträge aus der Industrie. Neben BMW, Volkswagen und Daimler präsentierten Miele, die Deutschen Edelstahlwerke, ABB, Lufthansa, aber auch ein kleines Unternehmen wie Achenbach Buschhütten – gegründet 1452. Hier verwies Roger Feist darauf, wie wichtig der Aufbau eigener Kompetenz für die neuen Methoden ist, denn keineswegs alles kann von extern zugekauft werden. Und darauf, dass Big Data Analytics ohne Cloud Technologie gar nicht geht, weshalb die Sicherheit von Cloud-Plattformen oberste Priorität hat.

Dr. Fabian WernerLufthansa hat mit Lufthansa Industry Solutions einen eigenen Bereich eingerichtet. Dr. Fabian Werner (Foto Sendler) erläuterte, wie sich mit der vergleichenden Analyse von Flugplandaten und vorausberechneten tatsächlichen Ankunftszeiten Geld verdienen lässt. Zum Beispiel durch die Organisation von kurzfristig bereitgestellten Transportmöglichkeiten für Anschlussflüge, die ansonsten verpasst werden und zu erheblichen Kosten beispielsweise für die Übernachtung der Passagiere führen.

Die Teilnehmer der Veranstaltung waren hauptsächlich junge, technologiebegeisterte Spezialisten aus allen Bereichen der Industrie und Wirtschaft. Die Verantwortlichen für Prozesse und IT haben ebenso gefehlt wie Vorstände und Geschäftsführer. Gerade sie hätten hier lernen können, dass es nicht gleichgültig ist, wann man in dieses Thema einsteigt. Ein bis zwei Jahre Datenaufbereitung und Bildung des Prognosemodells erweisen sich als Normalfall. Ganz abgesehen vom Aufbau entsprechender Kompetenzen in den Unternehmen. Deutschland hat Industrie 40 und RapidMiner. Jetzt muss sich die Industrie an die Umsetzung machen.

Zurück

Einen Kommentar schreiben
© PLMportal