Logo des Repositoriums

Auflistung nach Schlagwort "Nachhaltige Produktion"

1 - 2 von 2
  • Textdokument
    Betriebliche Umweltinformatik und nachhaltige Entwicklung: ein grenzüberschreitendes Praxisbeispiel aus Ägypten
    (INFORMATIK 2020, 2021) Lepiorz, Reimund; Abdennadher, Slim; Klischewski, Ralf; Wohlgemuth, Volker
    Die betriebliche Umweltinformatik als anwendungsorientierte Disziplin kann gerade durch die Kombination mit IT-gestützten Verfahren im Unternehmenskontext zur umweltgerechten Modernisierung sowie zu nachhaltigen und ressourceneffizienten Lösungen beitragen. Mit diesem Ziel setzt das Transferprojekt SUSTAIN Impulse für Innovationen zur Bewältigung wirtschaftlicher und ökologischer Probleme in Ägypten, oder potenziell auch in vergleichbaren Ländern. Das Projekt unterstützt den Aufbau von angewandter Forschung und unternehmensorientierten Dienstleistungen an der German University in Cairo sowie die Entwicklung von Bildungsangeboten zur betrieblichen Qualifizierung und in Form eines Masterprogrammes. Bislang wurden mehrere Train-the-Trainer-Workshops durchgeführt und die erworbenen Kompetenzen in einer Reihe von Fallstudien zur Anwendung gebracht. Die beispielhaften Ergebnisse sowie Dienstleistungen zur Verbesserung von Ressourceneffizienz und Nachhaltigkeit in der Produktion wurden einem betrieblichen Fachpublikum vorgestellt. In weiteren Schritten sind die Bildungsangebote als professionelle Module vorzubereiten und ein Netzwerk aufzubauen, das auch langfristig ein Forum für einen wissenschaftlichen und gesellschaftspolitischen Austausch zu den zentralen Themen des Projektes bietet.
  • Textdokument
    Brezel-Cast: Verkaufsprognose von Backwaren
    (INFORMATIK 2021, 2021) Döring, Nico; Kreiss, Jonathan; Schuster, Thomas; Volz, Raphael
    In diesem Papier diskutieren wir die Anwendbarkeit von Verfahren der künstlichen Intelligenz zur Prognose von Absatzzahlen für eine Bäckerei mittlerer Größe. Dabei wird beschrieben, wie bei der Entwicklung zusätzliche Daten (Kontextinformationen) zur Prognose genutzt werden. Daraufhin werden zwei Verfahren des maschinellen Lernens trainiert und im Ergebnis miteinander verglichen. Neben einer abschließenden Bewertung und Ausblick auf zukünftige Verbesserungen, wird zudem eine Einschätzung zum Einsatz im Produktivbetrieb abgegeben.