Logo des Repositoriums

Auflistung nach Schlagwort "Data Analytics"

1 - 8 von 8
  • Zeitschriftenartikel
    AIOps – Artificial Intelligence für IT-Operations
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 2, 2019) Andenmatten, Martin
    Traditionelle IT Service Management Konzepte mögen anstehende Herausforderungen der Unternehmen nicht mehr zu lösen. Der ungebremste Drang des Business nach Digitalisierung, die damit verbundene Vernetzung von Produkten zu Services sowie die Dynamik der Cloud und das „Everything as a Service“ stellt alle Unternehmen und IT-Organisationen vor ein grosses Problem: wie lassen sich die hohen Anforderungen an Verfügbarkeit, Performance, Kosten, Sicherheit und Compliance der IT-Services in einem hybriden Multi-Cloud-Ökosystem wirksam steuern, wenn sich die Zusammensetzung der Komponenten und Beteiligten praktisch täglich ändert? Manuell ist dies eine „Mission Impossible“. Aber auch automatisierte Roboter können hier nicht mehr genügen, weil die permanente Anpassung von Regeln und Workflows der dynamischen Realität hinterherhinkt. Die Zukunft von IT-Operations liegt nur noch in der Anwendung von künstlicher Intelligenz: AI für IT-Operations. Traditional IT service management concepts may not be able to solve upcoming business challenges. The unrestrained urge of the business for digitization, the associated networking of products to services as well as the dynamics of the cloud and the “Everything as a Service” pose a big problem for all companies and IT organizations: how can the high demands on availability, performance, cost, security, and compliance of IT services in a hybrid, multi-cloud ecosystem effectively managed as the composition of components and stakeholders changes on an almost daily basis? Manually this is a “mission impossible”. But even automated robots can no longer suffice because the permanent adaptation of rules and workflows lags behind the dynamic reality. The future of IT-Operations lies only in the application of artificial intelligence: AI for IT-Operations.
  • Zeitschriftenartikel
    Analyse von Studienverläufen mit Process-Mining-Techniken
    (HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 4, 2018) Buck-Emden, Rüdiger; Dahmann, Franz-Dominik
    Studenten an Hochschulen und Universitäten haben bei der Gestaltung ihrer Studienverläufe meistens viele Freiheitsgrade. Begrenzt werden diese Freiheiten durch das Curriculum, das bestimmte Rahmenbedingungen für den Studienverlauf einer Fachrichtung festlegt und Empfehlungen bzw. Vorgaben macht, welche Veranstaltungen in welchem Semester besucht werden sollen. In der Praxis weichen viele Studenten von den Empfehlungen des Curriculums ab. Dies führt zu einer Vielzahl individueller Studienverläufe, von denen jeder einzelne mehr oder weniger erfolgreich sein kann (z. B. in Hinblick auf das Erreichen des angestrebten Abschlusses, auf die erzielte Abschlussnote oder auf die benötigte Studiendauer). Für eine an erfolgreichen Studienverläufen orientierte Weiterentwicklung von Curricula und zugehörigen Studienberatungen fehlen den Verantwortlichen an Hochschulen und Universitäten nicht selten detaillierte Erkenntnisse über das konkrete Studienverhalten und über erfolgreiche bzw. weniger erfolgreiche Studienverlaufsmuster. Durch Process-Mining-Techniken wie Bubble-Chart-Analysen, Fuzzy Mining und Inductive Visual Mining können die Verantwortlichen Transparenz bei der Auswertung von Studienverläufen gewinnen und darauf aufbauend gezielte Maßnahmen einleiten. Students at universities usually enjoy a high level of freedom to shape their course of studies. Only the curriculum is the limit, which defines rules and suggests courses to be taken in certain semesters. In practice, many students deviate from these suggestions, leading to a plethora of individual schedules which may be more or less successful (with regards e. g. to achieved degree, final rates, and time to graduation). University officials in charge of evolving and enhancing curricula as well as student advisory services often do not have detailed knowledge regarding student’s specific behavior as well as successful and less successful study schedules. Here process mining techniques like bubble chart analytics, fuzzy mining, and inductive visual mining can fill the gap and provide transparency as foundation for dedicated measures.
  • Konferenzbeitrag
    Data Analytics as a Service – A Summary of Keynotes and Poster of the DAS Workshop: An Extended Abstracts Point of View
    (INFORMATIK 2024, 2024) Kilias, Torsten; Gao, Raymond
    This paper shows an overview and summary of the practical keynotes and poster of the DAS workshop given by Torsten Kilias and Raymond Gao. Insights into Exasol databases and new possibilities for analytical approaches for requirement refinement are described. The two independent authors present their practical work.
  • Konferenzbeitrag
    Data Analytics as a Service – Challenges and Opportunities: An Introduction to DAS-24
    (INFORMATIK 2024, 2024) Keller, Barbara; Möhring, Michael; Augenstein, Friedrich
    Data Analytics is an important topic in current and future services. Different opportunities and challenges occur when implementing it. The paper describes some core aspects of Data Analytics Services as well as concrete application domains. Furthermore, an overview of the workshop and specifics of Analytic Services as well as future research streams are provided.
  • Zeitschriftenartikel
    Digitale Cloud-Plattformen als Enabler zur analytischen Nutzung von operativen Produktdaten im Maschinen- und Anlagenbau
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 5, 2016) Dremel, Christian; Herterich, Matthias
    Die digitale Überwachung von Maschinen und Anlagen bietet Maschinenherstellern neue Möglichkeiten Instandhaltungs- und Gewährleistungskosten zu reduzieren und datengetriebene Dienstleistungen anzubieten. Cloud-Technologien können hier als Enabler dienen, um zunächst in einem ‚Single Point of Truth‘ operative Daten aus Maschinen zu speichern und daraus neue Erkenntnisse zu generieren. Dies ermöglicht den Teilnehmern des Ökosystems dieser Cloud-Plattform analytische Dienstleistungen anzubieten. Hierdurch werden die Steigerung der Effizienz, die Reduzierung von Instandhaltungs- und Gewährleistungskosten sowie die potentielle Optimierung zukünftiger Produkte möglich. Auf Basis von Interviews mit Managern im Maschinen- und Anlagenbau analysiert dieser Beitrag, inwiefern eine exemplarische Cloud-Plattform die analytische Nutzung von operativen Daten aus Maschinen und Anlagen gewährleisten kann. Insbesondere werden der resultierende analytische Nutzen sowie die sich daraus ergebenden Anforderungen dargestellt. Für Manager bietet dieser Beitrag einen Überblick über analytische Nutzenpotentiale einer industriellen Cloud und inwiefern eine Teilnahme an einem derartigen Ökosystem sinnvoll ist. Aus theoretischer Perspektive soll ein tieferes Verständnis für mögliches Dienstleistungsgeschäft und damit verbundenen Anforderungen neben dem klassischen Maschinen- und Anlagenbau erreicht werden.AbstractDrawing on digitized industrial products offers original equipment manufacturers (OEMs) novel opportunities to (1) maximize product uptimes, (2) minimize operational costs for maintenance, (3) repair activities, and (4) to offer product-complementing industrial services. Cloud technologies can be leveraged as an enabler to collect operational product data in a single point of truth to derive data-driven operational decisions. This allows actors in a service ecosystem to offer data-driven analytical services, based on the capabilities of industrial cloud platforms. This results in myriad benefits such as increased efficiencies, reduced maintenance and warranty costs or potentially better products. Based on an in-depth single case study and interviews with managers in the manufacturing industry, we investigate how a digital industrial cloud platform can enable to leverage operational product data in analytical industrial services. Specifically, we identify requirements and illustrate, how these requirements are addressed by a large OEM, which is in the middle of building an industrial cloud. For practitioners, this paper provides an overview on how digital industrial cloud platforms have to be setup and leveraged in the industrial product and service business. For theory, this article serves as a first step towards identifying requirements for digital industrial cloud platforms in the context of industrial manufacturing.
  • Zeitschriftenartikel
    Feature-aware forecasting of large-scale time series data sets
    (it - Information Technology: Vol. 62, No. 3-4, 2020) Hartmann, Claudio; Kegel, Lars; Lehner, Wolfgang
    The Internet of Things (IoT) sparks a revolution in time series forecasting. Traditional techniques forecast time series individually, which becomes unfeasible when the focus changes to thousands of time series exhibiting anomalies like noise and missing values. This work presents CSAR, a technique forecasting a set of time series with only one model, and a feature-aware partitioning applying CSAR on subsets of similar time series. These techniques provide accurate forecasts a hundred times faster than traditional techniques, preparing forecasting for the arising challenges of the IoT era.
  • Textdokument
    TRIM4Post-Mining: Transition Information Modelling for attractive Post-Mining Landscapes – A Conceptual Framework
    (INFORMATIK 2021, 2021) Benndorf, Jörg; Restrepo, Diego Alejandro; Merkel, Natalie; Knobloch, Andreas; Kressner, Martin; Guatame-Garcia, Adriana; Nolte, Harm; Möllerherm, Stefan; Dalm, Marinus
    TRIM4Post-Mining brings together a consortium of European experts from industry and academia to develop an integrated information modelling system. This is designed to support decision-making and planning during the transition from coal exploitation to a revitalized postmining landscape enabling infrastructure development for agricultural and industrial utilization and contributing to recover energy and materials from coal mining dumps. The smart system will be founded up on a high-resolution spatiotemporal database utilizing state-of-the-art multi-scale and multi-sensor monitoring technologies that characterize dynamical processes in coal waste dumps related to timely dependent deformation and geochemical processes. It will develop efficient methods for comprehensive spatiotemporal data analytics, feature extraction, and predictive modelling that allow for the identification of potential contamination areas and forecasting the waste dump dynamics. For the interactive exploration of alternative land-use planning scenarios in terms of residual risks, technical feasibility, environmental and social impact, and also affordability, up-to-date data and models will be embedded in an interactive planning system based on Virtual Reality and Augmented Reality technology forming a TRIM – Transition Information Modelling System.
  • Konferenzbeitrag
    Verbesserung mobiler Arbeitsprozesse mit Methoden von Big Data und
Data Analytics
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Warkentin, Heinrich; Steckel, Thilo; Maier, Alexander; Bernardi, Ansgar
    Im Gegensatz zu industriellen Fertigungsprozessen werden landwirtschaftliche Prozesse immer noch vorwiegend erfahrungsbasiert geplant und gesteuert. Wesentliche Ursachen hierfür sind die erschwerte Vorhersagbarkeit von Umgebungsbedingungen durch die hohe Umweltexposition und der Mangel an quantitativen Informationen zur Bestimmung präzise beschriebener Handlungsvorschläge. Die sich schnell entwickelnde Fähigkeit zur Erfassung, Übertragung, Analyse und anwendergerechten Aufbereitung großer, maschinenbezogenen Datenmengen in kurzen Zeiträumen liefert zumindest in Teilbereichen Verbesserungsmöglichkeiten. Dieser Beitrag beschreibt die Vorgehensweise zum Aufbau einer geeigneten Infrastruktur und der Analyse von großen Datenmengen am Beispiel des Mähdreschers mit dem Ziel der Produktivitätsverbesserung.