Banner-small-daten-industrie

Industrie 4.0

Datenanalysen für die vierte industrielle Revolution, bspw. proaktive Wartung von Produktionsressourcen oder die Identifikation von Anomalien in Prozessen.

Banner-small-daten-cities

Smart Cities

Untersuchung datengetriebener Aspekter städtischen Lebens, bspw. der Verkehrssteuerung, der Müllentsorgung oder der Katastrophenbewältigung.

Banner-small-daten-grid

Energie

Bedarfsgesteuerte Optimierung von Verbrauchsmodellen, basierend auf Daten intelligenter Stromzähler, ist ein Beispiel unserer Energie-Analysethemen.

Banner-small-daten-healthcare

Medizin

Datengetriebene Aspekte der Medizin werden untersucht, bspw. die bedarfsgerechte Pflege von Patienten oder IT-gesteuerte Medizintechnik.

Aktuelle Projekte

  • Enhancing Traffic Flow Forecasting with Environmental Models

    The main task of the project is traffic flow forecasting for a region traffic network. In this project, traffic flow forecasting with environmental models is proposed. Nowadays, traffic flow forecasting considers mainly information from one sensor or one specific roadway. However, information from neighbor sensors and other sensors in the traffic subnet could be leveraged in order to improve the state-of-the-art forecasting models.

    Lesen Sie mehr

  • Optimierung der Produktionsprozesse bei John Deere

    Hauptziel des Projekts ist die Reduzierung der Nacharbeit und die Vermeidung von Fehlern bei der Fertigung von Traktoren in der John Deere Fabrik in Mannheim. Das wird durch eine Datenanalyse der Fehlerinformationen, der Prüfprotokollen und ihrer Wirkungszusammenhänge realisiert. Infolge der Ergebnisse aus der Datenauswertung können Prognosen und Regeln für die Fertigungsplanung erstellt werden, die das Unternehmen ein Schritt weiter zur Selbstoptimierung bringen.

    Lesen Sie mehr

  • All-Time Parts Prediction (ATP) Demo

    Im Kontext von sogenannten Long-Time-Buy- oder All-Time-Buy-Entscheidungen erstellt ATP eine Prognose bezüglich der Nachfrage nach Serviceteilen (vor allem in der Automobilindustrie). Solche zukünftigen Nachfragen können die nächsten 10-20 Jahre betreffen und sind schwer abzuschätzen, weshalb oft zu viel (ein-)gekauft wird. Daraus folgt, dass nach jahrelanger Lagerung letztlich große Menge verschrottet werden müssen, was hohe Warenbestands- und Lagerkosten verursacht. Diese können durch präzisere Bedarfsprognosen deutlich gesenkt werden. Die ATP-Lösung der IBM wurde genau zu diesem Zweck entwickelt: um mit hoher Genauigkeit die Allzeit-Nachfrage vorherzusagen.

    Lesen Sie mehr

  • Bedarfsanalyse für energetische Baumaßnahmen auf Basis historischer Infrastrukturdaten

    Das KIT-FM (Facility Management) hat über mehrere Jahre Daten gesammelt, die von einem immensen Wert sind: einerseits für die Betriebsführung und andererseits für die Planung sowie Durchführung zukünftiger Infrastrukturentwicklung. Diese Daten sind auch für die Forschung von hohem Interesse.Zum einen soll untersucht werden, wie aus den bestehenden Infrastrukturdaten mit Smart-Data-Methoden präzisere Aussagen für Betriebsführung und Infrastrukturplanung getroffen werden können. Zum anderen soll die Nutzbarkeit der Daten für Projekte im Bereich Forschung und Innovation vorangetrieben werden.

    Lesen Sie mehr

  • Untersuchung verschiedener Big Data Plattformen hinsichtlich ihrer Performance bei forensischer Datenanalyse

    Das LKA Baden-Württemberg weist pro Fall einen Datenbestand von bis zu 150 TB auf. Performance ist hier ein kritischer Faktor. Deshalb sind im Voraus Recherchen notwendig, die sich damit auseinandersetzen, welche Plattform in einem solchen Kontext genutzt werden sollte. Im Rahmen des Projekts sollen Prototypen gebaut werden. Mit diesen werden dann Laufzeit- und Performance-Analysen auf verschiedenen Plattformen durchgeführt.

    Lesen Sie mehr