Conference Intelligence: Predictive Analytics World – Manufacturing

von am 10.02.2017
2
boris-paw-2

Bereits im November nahm Zühlke an der der Predictive Analytics World (PAW) Konferenz-Serie in Berlin teil, wo wir als “Fachfremde” den primär aus dem Bereich der Business Intelligence stammenden Besuchern in einer Breakout-Session etwas über maschinelles Lernen im Industriekontext erzählen durften. In Düsseldorf fand nun eine PAW mit dem Schwerpunkt Manufacturing statt. Hier stand die Nutzung computergestützter Analyseverfahren in der herstellenden Industrie im Fokus mit dem Ziel, die eigenen Prozesse schneller, effizienter, oder eben auch weniger fehleranfällig zu machen.

Vortrag IoT auf der PAW

Was macht eigentlich ein Data Scientist?

Zühlke hatte dieses mal einen ganz besonderen Platz im Programm: Als Abschluss des ersten von zwei Tagen sprach ich auf dieser in englischer Sprache abgehaltenen Konferenz über die Vielseitigkeit des Berufs des “Data Scientists” in einem Unternehmen, das Kunden bei Business Modellen und deren Umsetzung im Internet der Dinge hilft. Der Titel meines Vortrags war “IoT Analytics: There’s not just predictive maintenance.” Am Beispiel von vorbeugender Wartung, der Optimierung von Messstrategien und der Kosten/Nutzen-Rechnung für eine IoT-Lösung zeigte ich, wie Datenanalyse von den ersten Phasen der Planung bis hin zur Arbeit mit Sensordaten im Internet der Dinge funktionieren kann.

Wie wichtig ist die Datenanalyse?

Der erste Vortrag des Tages kam von der Digital Analytics Association (DAA) Germany, dem Bundesverband deutscher Data Scientists. In Zusammenarbeit mit einem Marktforschungsunternehmen hatte die DAA eine Umfrage in deutschen Unternehmen durchgeführt, um das Interesse an datenanalytischen Leistungen zu beleuchten. Während heute nur 15% Datenanalyse im industriellen Kontext betreiben, sehen fast 70% der Unternehmen spätestens in fünf Jahren einen großen Bedarf. Leider stehen dieser Entwicklung zwei Herausforderungen im Wege: Zum einen hat “das große Sammeln” schon begonnen und die Unternehmen vermuten auch einen großen Wert in ihren Datenbeständen, doch sie haben keinerlei Konzept für die unmittelbaren nächsten Schritte. Andererseits gibt es aber auch nur eine völlig unzureichende Menge an Data Scientists, die die explorative Analyse von heterogenen Daten wirklich beherrschen. Die notwendige Expertise einzukaufen bleibt deshalb für die Meisten die einfachste Option. Hier bietet sich die Kooperation mit Partnern wie Zühlke an, wo sowohl die informationstechnischen Aspekte von Daten (klassische IT) als auch deren Analyse (Statistik, maschinelles Lernen) beherrscht werden.

Neueste Erkenntnisse der Datenanalyse

Zwei herausstehende Vorträge kamen von Prof. Dr. Wil van der Aalst von der Universität Eindhoven, der als Erfinder eines eigenen datenanalytischen Bereichs (“process mining”) gilt, und von Norbert Kraft von Bell Labs, der ein Projekt zur Analyse von Nutzlasten in Mobilfunknetzwerken vorstellte. Van der Aalst beleuchtete recht akademisch den Hintergrund und den potentiellen Nutzen von Prozessdatenanalyse (Anwendung findet dies zum Beispiel in der Optimierung von Verwaltungsabläufen, wenn zunächst die Gründe für lange Formularliegezeiten geklärt werden müssen). Im Gegensatz zeigte Kraft einen pragmatischen Ansatz, um eine zunächst riesige Datenmenge, bei der das initiale Kopieren in eine Datenbank bereits über zwei Tage dauerte, über mehrere Schritte so weit zu destillieren, dass die eigentliche datenanalytische Leistung am Ende binnen zehn Minuten durchgeführt werden konnte. Aus beiden Vorträgen zeigte sich insgesamt, dass wie so oft gutes Hintergrundwissen und Theorie, aber auch ein wenig Fingerspitzengefühl im Umgang mit Daten gefragt sind.

Ich würde mich freuen, auch auf der nächsten Predictive Analytics World – Manufacturing wieder dabeisein zu können!

Bei Fragen rund zum Thema Data Analytics können Sie mich gerne über LinkedIn oder Twitter kontaktieren.

Einen Kommentar hinterlassen

Ihre E-Mail-Adresse wird weder veröffentlicht noch weitergegeben. Pflichtfelder sind mit einem * markiert.

2 Kommentare zu “Conference Intelligence: Predictive Analytics World – Manufacturing

    1. Boris Adryan

      Das ist eine sehr allgemeine und umfangreiche Frage. Es kommt eben darauf an, was nötig ist, um ein bestimmtes Problem zu adressieren. Da mag es Anwendungsfälle geben, bei denen ein stündliches "ist da" oder "ist nicht da" mittels eines einfachen Schalters überprüft werden kann. Dann gibt es wiederum andere Anwendungsbereiche, bei denen es um hochfrequente Maschinenschwingungen geht, die in diesem Umfang und dieser Frequenz kaum über das Internet übertragen werden können. Darum lohnt sich auf jeden Fall die Zusammenarbeit mit Partnern, die schon Erfahrung mit der Messtechnik und der Datenanalyse haben. Auch bei Zühlke sind diese beiden Komponenten fest in die Wertschöpfungskette vom Geschäftsmodell zum funktionierenden Produkt integriert.