E-Learning
Mit unseren KI-Tutorials möchten wir das Thema Künstliche Intelligenz für Sie greifbar machen. Je nach Vorwissen kann ein Tutorial bis zu einem Tag dauern. Durch das Onlineformat können Sie sich die Zeit nach Ihren Bedürfnissen einteilen. Dank einer ausführlichen Erklärung werden Sie Schritt für Schritt durch das jeweilige Tutorial und dessen Daten geführt. Zudem erhalten Sie eine Anleitung, welche kostenfreie Software Sie für die Bearbeitung installieren müssen.
Active Learning ist eine wirkungsvolle Methode im Bereich des Maschinellen Lernens, die darauf abzielt, den Aufwand für das Labeln von Daten zu reduzieren, ohne die Vorhersagequalität der Modelle zu beeinträchtigen. Diese Technik wird insbesondere dann eingesetzt, wenn Aufwand und Kosten für das Labeln großer Datenmengen sehr hoch sind.
Das KI-Tutorial wendet sich an alle, die bereits Grundkenntnisse zum Thema Maschinelles Lernen vorweisen können. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
Vier in sich geschlossene Lerneinheiten mit Praxisbeispielen und Nutzung verschiedener Framework erwarten Sie:
- Einführung und Grundlagen zum Thema Active Learning
- Klassifikationsbeispiel mit scikit-activeml
- Regressionsbeispiel mit modAL
- Interaktives Labeln („Human-in-the-loop“) mit superintendent
Vorteile für die Anwender:innen
- Sie erhalten eine Einführung zum Thema Active Learning und lernen, wie man konkret Zeit beim Labeln sparen kann
- Sie setzen sich mit verschiedenen Active Learning Frameworks auseinander und lernen deren Anwendung anhand konkreter Beispiele
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Die Anomalieerkennung (engl. Anomaly Detection) ist eine essenzielle Methode im Bereich der Datenanalyse, die darauf abzielt, ungewöhnliche Muster oder Abweichungen in Zeitreihen frühzeitig zu identifizieren. Diese Technik ist der Schlüssel kritische Zustände zu erkennen, bevor es zu kostspieligen Ausfällen oder Produktionsfehlern kommt.
Das KI-Tutorial wendet sich an alle, die bereits erste Erfahrungen mit Daten gesammelt haben. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
Zwei aufeinander aufbauende Lerneinheiten mit praxisnahen Szenarien und echten Industriedaten erwarten Sie:
- Einführung und Grundlagen: Erkennung von Ausreißern und Trends in einfachen Sensordaten (Univariat) am Beispiel einer Kühlhaus-Überwachung
- Statistische Methoden: Anwendung von Z-Scores und gleitenden Durchschnitten (Rolling Statistics) zur dynamischen Grenzwertüberwachung
- Predictive Maintenance in der Praxis: Verarbeitung von hochfrequenten Maschinendaten (NASA Bearing Dataset) mittels Feature Engineering
- KI-basierte Fehlererkennung: Einsatz von Unsupervised Learning (Isolation Forest), um komplexe Zusammenhänge in multivariaten Daten zu verstehen und Lagerschäden vorherzusagen
Vorteile für die Anwender:innen
- Sie lernen, wie Sie rohe Sensordaten so aufbereiten, dass Algorithmen sie verarbeiten können (Feature Engineering)
- Sie setzen sich mit modernen KI-Verfahren wie dem Isolation Forest auseinander und befähigen Ihre Systeme, Fehler eigenständig zu erkennen, ohne dass diese vorher manuell definiert werden müssen
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Sebastian Maier
sebastian.maier@igcv.fraunhofer.de
Automatisiertes Maschinelles Lernen (AutoML) beschreibt den Prozess der Automatisierung von zeitaufwändigen, iterativen Aufgaben bei der Entwicklung einer Machine Learning Pipeline. In diesem KI-Tutorial lernen Sie anhand von drei praxisnahen Beispielen aus dem Industrieumfeld den Umgang mit einem AutoML Framework und wie Sie damit schnell zu einem verlässlichen Modell gelangen.
Das KI-Tutorial wendet sich an alle, die einen Zugang zum Thema Maschinelles Lernen (ML) suchen. Auch für Personen ohne spezifische ML-Vorkenntnisse ist dieses Tutorial geeignet. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
- Einführung in das Thema AutoML
- Drei in sich abgeschlossene Lerneinheiten mit praxisnahen Beispielen und echten Daten:
- Bedarfsprognose von Leihfahrrädern
- Klassifizieren von Fehlertypen eines Elektromotors anhand von Vibrationsdaten
- Identifikation von fehlerhaften Metallgussteilen anhand von Bilddaten
Vorteile für die Anwender:innen
- Sie setzen sich mit echten Daten und konkreten Beispielen aus dem Industriekontext auseinander
- Sie erhalten eine Einführung in die gängigsten Machine Learning Tasks sowie das Thema AutoML
- Nach dem Tutorial sind Sie in der Lage, eigenständig mit wenigen Zeilen Code schnell ein verlässliches Modell zu trainieren
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Deep Compression ist eine Technik, die verwendet wird, um die Größe von tiefen neuronalen Netzen zu reduzieren, ohne ihre Leistung erheblich zu beeinträchtigen. Sie kombiniert Methoden wie Gewichtsquantisierung und Pruning (Entfernen unwichtiger Gewichte), um Speicher und Rechenleistung zu sparen. Dadurch können Modelle effizienter auf Geräten mit begrenzten Ressourcen eingesetzt werden.
Das KI-Tutorial richtet sich an Fachkräfte und Entwickler:innen, die sich für Künstliche Intelligenz und Deep Compression interessieren. Grundkenntnisse in Deep Learning sowie der Programmiersprache Python sind hilfreich.
Inhalt
- Einführung in die wichtigsten Methoden von Deep Compression: Pruning und Quantisierung
- Praktische Beispiele in Form von Jupyter Notebooks
- Analyse der Auswirkungen auf Modellgröße, Effizienz und Genauigkeit
Vorteile für die Anwender:innen
- Praxisnahe Einblicke in moderne Komprimierungstechniken
- Besseres Verständnis von Speicherbedarf, Genauigkeit und Inferenzzeit
- Direkt anwendbares Know-how für eigene Deep-Learning-Projekte
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Lernen Sie, wie Sie Ihre Prozesse optimal steuern und qualitativ hochwertige Ergebnisse erzielen können. Entscheidend ist hierfür die Anpassung der entsprechenden Parameter. Wie Sie das mithilfe von Reinforcement Learning (dt. Bestärkendes Lernen) umsetzen, erfahren Sie in diesem Tutorial. Die Methode gehört zum Maschinellen Lernen.
Als prototypisches Beispiel dient hier die intelligente Steuerung eines Aufzugs. Ein Agent soll selbstständig erlernen, wie der Aufzug effizient zwischen den Stockwerken optimal hin und her fährt, um die Gesamtwartezeit aller Passagiere zu minimieren. Als Anwender:in müssen Sie lediglich ein Belohnungssignal definieren, welches dem Agenten mitteilt, ob er sich in die richtige Richtung bewegt.
Für die Bearbeitung ist es hilfreich, wenn man bereits mit der Programmiersprache Python in Kontakt gekommen ist, aber nicht zwingend erforderlich. Ansonsten reichen technische Computer-Fertigkeiten (z. B. Installation von Software) aus, welche über reine Office-Kenntnisse hinaus gehen.
Inhalt
- Einführung in Reinforcement Learning (RL)
- Beispielhafte Anwendung von Reinforcement Learning in der Industrie durch die intelligente Steuerung eines Aufzugs
- Erstellung eines RL-Code Gerüsts für die Implementierung eines selbstlernenden Agenten
Vorteile für die Anwender:innen
- Sie lernen die Anwendung von Reinforcement Learning und können in der Produktionsumgebung dazu beitragen, die Effizienz und Qualität der Steuerung von Prozessen zu verbessern
- Sie benötigen nur eine reduzierte Menge an Experten- und Domänenwissen, da RL teilweise selbst aus Daten lernen kann
- Reinforcement Learning ermöglicht Ihnen eine robustere Steuerung, da sich ein RL-Agent zu einem gewissen Grad auf unvorhergesehene Ereignisse mit der Zeit anpassen kann
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Martin Gottwald
gottwald@fortiss.org
Mehrzieloptimierung in der Künstlichen Intelligenz bezieht sich auf den Prozess der gleichzeitigen Optimierung mehrerer, oft miteinander konkurrierender Zielgrößen. So sollen KI-Modelle beispielsweise eine maximale Genauigkeit aufweisen, während ihre Ausführzeit oder der Ressourcenverbrauch minimal sein muss.
Ziel der Mehrzieloptimierung ist es, eine Menge von sogenannten Pareto-optimalen Lösungen zu finden, bei denen ein bestmöglicher Trade-off zwischen den verschiedenen Zielgrößen erreicht wird.
Das KI-Tutorial richtet sich an Einsteiger, Fachkräfte und Entwickler:innen, die sich für Künstliche Intelligenz und Mehrzieloptimierung interessieren. Grundkenntnisse im Bereich Maschinelles Lernen sowie der Programmiersprache Python sind hilfreich, aber nicht zwingend erforderlich.
Inhalt
- Einführung in die Konzepte der Mehrzieloptimierung
- Praktische Beispiele in Form von Jupyter Notebooks
- Anwendung von mehrzieloptimierenden Frameworks zur Lösung konkreter Probleme mit echten Daten
- Evaluierung und Kompromissfindung zwischen konkurrierenden Zielen
Vorteile für die Anwender:innen
- Erlernen von Techniken zur Lösung komplexer Optimierungsprobleme
- Zugang zu praktischen Beispielen, die direkt in eigenen Projekten angewendet werden können
- Förderung fundierter Entscheidungsfindung durch das Verständnis von Zielkonflikten
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Mit KI einen technischen Ausfall verhindern – dieses Tutorial demonstriert die Anwendungen von lernenden Algorithmen für die vorausschauende Wartung. Als Datensatz werden die Sensorwerte einer Turbine verwendet, welche bis zu einem Ausfall läuft. Mittels Methoden der Künstlichen Intelligenz soll beurteilt werden, ob sich das Triebwerk aktuell in einem möglichen kritischen Zustand befindet.
Für die Bearbeitung ist es hilfreich, wenn man bereits mit der Programmiersprache Python in Kontakt gekommen ist, aber nicht zwingend erforderlich. Ansonsten reichen technische Computer-Fertigkeiten (z. B. Installation von Software) aus, welche über reine Office-Kenntnisse hinaus gehen.
Inhalt
- Kurze Einführung in die Daten und wie man mit ihnen umgeht
- Aufzeigen existierender KI-Ansätze und wie diese zur Anwendung kommen
- Demonstration gängiger Softwarebibliotheken, welche KI-Methoden implementieren
Vorteile für die Anwender:innen
- Sie erhalten einen ersten Überblick über die KI-Landschaft
- Ihnen werden mögliche Anwendungsgebiete für KI aufgezeigt und eigene Ideen werden angeregt
- Nach Abschluss des Tutorials wissen Sie idealerweise, in welche Richtung Ihre Recherche zum Thema KI weiter gehen soll
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Martin Gottwald
gottwald@fortiss.org
Unter Zeitreihenvorhersage (engl. Time Series Forecasting) versteht man die Prognose zukünftiger Werte auf Basis historischer, zeitlich geordneter Daten. Dabei werden Muster wie Trends, saisonale Effekte und wiederkehrende Schwankungen aus der Vergangenheit genutzt, um zukünftige Entwicklungen vorherzusagen.
Dieses Tutorial zeigt, wie sich mithilfe von Machine Learning Werte prognostiziert lassen. Anhand von Strompreisen wird demonstriert, wie Vorhersagen in konkrete Optimierungsentscheidungen überführt werden. Der Optimierungsprozess wird über mehrere Tage realistisch simuliert. Die Ergebnisse werden systematisch ausgewertet und analysiert.
Das Tutorial richtet sich an Entwickler:innen, Datenanalyst:innen und technisch interessierte Anwender:innen. Es eignet sich für alle, die verstehen möchten, wie KI zur Prozessoptimierung eingesetzt wird. Grundkenntnisse in Python sind hilfreich. Fachliches Vorwissen im Energiebereich ist nicht erforderlich.
Inhalt
- Einführung in das Thema Zeitreihenvorhersage
- Anwendung der vorgestellten Ansätze anhand eines Praxisbeispiels zur Vorhersage von Strompreisen
Vorteile für die Anwender:innen
- Ihnen wird anschaulich vermittelt, wie KI zur Optimierung komplexer Prozesse eingesetzt werden kann
- Ihnen wird ein beispielhafter Weg von Daten über Prognosen bis zur automatisierten Entscheidungsfindung vorgestellt
- Sie können die vorgestellten Konzepte auf viele andere Anwendungsfälle übertragen, da der Fokus auf der Methodik, nicht auf dem Energiemarkt selbst liegt
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Alexandros Tsakpinis
tsakpinis@fortiss.org
Active Learning ist eine wirkungsvolle Methode im Bereich des Maschinellen Lernens, die darauf abzielt, den Aufwand für das Labeln von Daten zu reduzieren, ohne die Vorhersagequalität der Modelle zu beeinträchtigen. Diese Technik wird insbesondere dann eingesetzt, wenn Aufwand und Kosten für das Labeln großer Datenmengen sehr hoch sind.
Das KI-Tutorial wendet sich an alle, die bereits Grundkenntnisse zum Thema Maschinelles Lernen vorweisen können. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
Vier in sich geschlossene Lerneinheiten mit Praxisbeispielen und Nutzung verschiedener Framework erwarten Sie:
- Einführung und Grundlagen zum Thema Active Learning
- Klassifikationsbeispiel mit scikit-activeml
- Regressionsbeispiel mit modAL
- Interaktives Labeln („Human-in-the-loop“) mit superintendent
Vorteile für die Anwender:innen
- Sie erhalten eine Einführung zum Thema Active Learning und lernen, wie man konkret Zeit beim Labeln sparen kann
- Sie setzen sich mit verschiedenen Active Learning Frameworks auseinander und lernen deren Anwendung anhand konkreter Beispiele
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Die Anomalieerkennung (engl. Anomaly Detection) ist eine essenzielle Methode im Bereich der Datenanalyse, die darauf abzielt, ungewöhnliche Muster oder Abweichungen in Zeitreihen frühzeitig zu identifizieren. Diese Technik ist der Schlüssel kritische Zustände zu erkennen, bevor es zu kostspieligen Ausfällen oder Produktionsfehlern kommt.
Das KI-Tutorial wendet sich an alle, die bereits erste Erfahrungen mit Daten gesammelt haben. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
Zwei aufeinander aufbauende Lerneinheiten mit praxisnahen Szenarien und echten Industriedaten erwarten Sie:
- Einführung und Grundlagen: Erkennung von Ausreißern und Trends in einfachen Sensordaten (Univariat) am Beispiel einer Kühlhaus-Überwachung
- Statistische Methoden: Anwendung von Z-Scores und gleitenden Durchschnitten (Rolling Statistics) zur dynamischen Grenzwertüberwachung
- Predictive Maintenance in der Praxis: Verarbeitung von hochfrequenten Maschinendaten (NASA Bearing Dataset) mittels Feature Engineering
- KI-basierte Fehlererkennung: Einsatz von Unsupervised Learning (Isolation Forest), um komplexe Zusammenhänge in multivariaten Daten zu verstehen und Lagerschäden vorherzusagen
Vorteile für die Anwender:innen
- Sie lernen, wie Sie rohe Sensordaten so aufbereiten, dass Algorithmen sie verarbeiten können (Feature Engineering)
- Sie setzen sich mit modernen KI-Verfahren wie dem Isolation Forest auseinander und befähigen Ihre Systeme, Fehler eigenständig zu erkennen, ohne dass diese vorher manuell definiert werden müssen
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Sebastian Maier
sebastian.maier@igcv.fraunhofer.de
Automatisiertes Maschinelles Lernen (AutoML) beschreibt den Prozess der Automatisierung von zeitaufwändigen, iterativen Aufgaben bei der Entwicklung einer Machine Learning Pipeline. In diesem KI-Tutorial lernen Sie anhand von drei praxisnahen Beispielen aus dem Industrieumfeld den Umgang mit einem AutoML Framework und wie Sie damit schnell zu einem verlässlichen Modell gelangen.
Das KI-Tutorial wendet sich an alle, die einen Zugang zum Thema Maschinelles Lernen (ML) suchen. Auch für Personen ohne spezifische ML-Vorkenntnisse ist dieses Tutorial geeignet. Ein Basiswissen der Programmiersprache Python ist hilfreich, jedoch nicht zwingend erforderlich.
Inhalt
- Einführung in das Thema AutoML
- Drei in sich abgeschlossene Lerneinheiten mit praxisnahen Beispielen und echten Daten:
- Bedarfsprognose von Leihfahrrädern
- Klassifizieren von Fehlertypen eines Elektromotors anhand von Vibrationsdaten
- Identifikation von fehlerhaften Metallgussteilen anhand von Bilddaten
Vorteile für die Anwender:innen
- Sie setzen sich mit echten Daten und konkreten Beispielen aus dem Industriekontext auseinander
- Sie erhalten eine Einführung in die gängigsten Machine Learning Tasks sowie das Thema AutoML
- Nach dem Tutorial sind Sie in der Lage, eigenständig mit wenigen Zeilen Code schnell ein verlässliches Modell zu trainieren
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Deep Compression ist eine Technik, die verwendet wird, um die Größe von tiefen neuronalen Netzen zu reduzieren, ohne ihre Leistung erheblich zu beeinträchtigen. Sie kombiniert Methoden wie Gewichtsquantisierung und Pruning (Entfernen unwichtiger Gewichte), um Speicher und Rechenleistung zu sparen. Dadurch können Modelle effizienter auf Geräten mit begrenzten Ressourcen eingesetzt werden.
Das KI-Tutorial richtet sich an Fachkräfte und Entwickler:innen, die sich für Künstliche Intelligenz und Deep Compression interessieren. Grundkenntnisse in Deep Learning sowie der Programmiersprache Python sind hilfreich.
Inhalt
- Einführung in die wichtigsten Methoden von Deep Compression: Pruning und Quantisierung
- Praktische Beispiele in Form von Jupyter Notebooks
- Analyse der Auswirkungen auf Modellgröße, Effizienz und Genauigkeit
Vorteile für die Anwender:innen
- Praxisnahe Einblicke in moderne Komprimierungstechniken
- Besseres Verständnis von Speicherbedarf, Genauigkeit und Inferenzzeit
- Direkt anwendbares Know-how für eigene Deep-Learning-Projekte
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Lernen Sie, wie Sie Ihre Prozesse optimal steuern und qualitativ hochwertige Ergebnisse erzielen können. Entscheidend ist hierfür die Anpassung der entsprechenden Parameter. Wie Sie das mithilfe von Reinforcement Learning (dt. Bestärkendes Lernen) umsetzen, erfahren Sie in diesem Tutorial. Die Methode gehört zum Maschinellen Lernen.
Als prototypisches Beispiel dient hier die intelligente Steuerung eines Aufzugs. Ein Agent soll selbstständig erlernen, wie der Aufzug effizient zwischen den Stockwerken optimal hin und her fährt, um die Gesamtwartezeit aller Passagiere zu minimieren. Als Anwender:in müssen Sie lediglich ein Belohnungssignal definieren, welches dem Agenten mitteilt, ob er sich in die richtige Richtung bewegt.
Für die Bearbeitung ist es hilfreich, wenn man bereits mit der Programmiersprache Python in Kontakt gekommen ist, aber nicht zwingend erforderlich. Ansonsten reichen technische Computer-Fertigkeiten (z. B. Installation von Software) aus, welche über reine Office-Kenntnisse hinaus gehen.
Inhalt
- Einführung in Reinforcement Learning (RL)
- Beispielhafte Anwendung von Reinforcement Learning in der Industrie durch die intelligente Steuerung eines Aufzugs
- Erstellung eines RL-Code Gerüsts für die Implementierung eines selbstlernenden Agenten
Vorteile für die Anwender:innen
- Sie lernen die Anwendung von Reinforcement Learning und können in der Produktionsumgebung dazu beitragen, die Effizienz und Qualität der Steuerung von Prozessen zu verbessern
- Sie benötigen nur eine reduzierte Menge an Experten- und Domänenwissen, da RL teilweise selbst aus Daten lernen kann
- Reinforcement Learning ermöglicht Ihnen eine robustere Steuerung, da sich ein RL-Agent zu einem gewissen Grad auf unvorhergesehene Ereignisse mit der Zeit anpassen kann
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Martin Gottwald
gottwald@fortiss.org
Mehrzieloptimierung in der Künstlichen Intelligenz bezieht sich auf den Prozess der gleichzeitigen Optimierung mehrerer, oft miteinander konkurrierender Zielgrößen. So sollen KI-Modelle beispielsweise eine maximale Genauigkeit aufweisen, während ihre Ausführzeit oder der Ressourcenverbrauch minimal sein muss.
Ziel der Mehrzieloptimierung ist es, eine Menge von sogenannten Pareto-optimalen Lösungen zu finden, bei denen ein bestmöglicher Trade-off zwischen den verschiedenen Zielgrößen erreicht wird.
Das KI-Tutorial richtet sich an Einsteiger, Fachkräfte und Entwickler:innen, die sich für Künstliche Intelligenz und Mehrzieloptimierung interessieren. Grundkenntnisse im Bereich Maschinelles Lernen sowie der Programmiersprache Python sind hilfreich, aber nicht zwingend erforderlich.
Inhalt
- Einführung in die Konzepte der Mehrzieloptimierung
- Praktische Beispiele in Form von Jupyter Notebooks
- Anwendung von mehrzieloptimierenden Frameworks zur Lösung konkreter Probleme mit echten Daten
- Evaluierung und Kompromissfindung zwischen konkurrierenden Zielen
Vorteile für die Anwender:innen
- Erlernen von Techniken zur Lösung komplexer Optimierungsprobleme
- Zugang zu praktischen Beispielen, die direkt in eigenen Projekten angewendet werden können
- Förderung fundierter Entscheidungsfindung durch das Verständnis von Zielkonflikten
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christopher Sobel
christopher.sobel@iis.fraunhofer.de
Mit KI einen technischen Ausfall verhindern – dieses Tutorial demonstriert die Anwendungen von lernenden Algorithmen für die vorausschauende Wartung. Als Datensatz werden die Sensorwerte einer Turbine verwendet, welche bis zu einem Ausfall läuft. Mittels Methoden der Künstlichen Intelligenz soll beurteilt werden, ob sich das Triebwerk aktuell in einem möglichen kritischen Zustand befindet.
Für die Bearbeitung ist es hilfreich, wenn man bereits mit der Programmiersprache Python in Kontakt gekommen ist, aber nicht zwingend erforderlich. Ansonsten reichen technische Computer-Fertigkeiten (z. B. Installation von Software) aus, welche über reine Office-Kenntnisse hinaus gehen.
Inhalt
- Kurze Einführung in die Daten und wie man mit ihnen umgeht
- Aufzeigen existierender KI-Ansätze und wie diese zur Anwendung kommen
- Demonstration gängiger Softwarebibliotheken, welche KI-Methoden implementieren
Vorteile für die Anwender:innen
- Sie erhalten einen ersten Überblick über die KI-Landschaft
- Ihnen werden mögliche Anwendungsgebiete für KI aufgezeigt und eigene Ideen werden angeregt
- Nach Abschluss des Tutorials wissen Sie idealerweise, in welche Richtung Ihre Recherche zum Thema KI weiter gehen soll
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Martin Gottwald
gottwald@fortiss.org
Unter Zeitreihenvorhersage (engl. Time Series Forecasting) versteht man die Prognose zukünftiger Werte auf Basis historischer, zeitlich geordneter Daten. Dabei werden Muster wie Trends, saisonale Effekte und wiederkehrende Schwankungen aus der Vergangenheit genutzt, um zukünftige Entwicklungen vorherzusagen.
Dieses Tutorial zeigt, wie sich mithilfe von Machine Learning Werte prognostiziert lassen. Anhand von Strompreisen wird demonstriert, wie Vorhersagen in konkrete Optimierungsentscheidungen überführt werden. Der Optimierungsprozess wird über mehrere Tage realistisch simuliert. Die Ergebnisse werden systematisch ausgewertet und analysiert.
Das Tutorial richtet sich an Entwickler:innen, Datenanalyst:innen und technisch interessierte Anwender:innen. Es eignet sich für alle, die verstehen möchten, wie KI zur Prozessoptimierung eingesetzt wird. Grundkenntnisse in Python sind hilfreich. Fachliches Vorwissen im Energiebereich ist nicht erforderlich.
Inhalt
- Einführung in das Thema Zeitreihenvorhersage
- Anwendung der vorgestellten Ansätze anhand eines Praxisbeispiels zur Vorhersage von Strompreisen
Vorteile für die Anwender:innen
- Ihnen wird anschaulich vermittelt, wie KI zur Optimierung komplexer Prozesse eingesetzt werden kann
- Ihnen wird ein beispielhafter Weg von Daten über Prognosen bis zur automatisierten Entscheidungsfindung vorgestellt
- Sie können die vorgestellten Konzepte auf viele andere Anwendungsfälle übertragen, da der Fokus auf der Methodik, nicht auf dem Energiemarkt selbst liegt
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen: Zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Alexandros Tsakpinis
tsakpinis@fortiss.org
Weitere Angebote
Auf der Website unseres Förderschwerpunkts Mittelstand-Digital finden Sie weitere KI-Angebote unter anderem Publikationen und Praxisbeispiele aus Unternehmen. Profitieren Sie kostenfrei von weiterem Expertenwissen.
Mit einer Lerndauer von etwa 60 Minuten sind unsere Onlinekurse ein idealer Einstieg ins Thema. Je nach Vorwissen und Interesse können Sie entweder die Kapitel und Lerneinheiten von vorne oder einen Einstieg mittendrin frei wählen. Die Kapitel vermitteln die technischen Grundlagen, eine Einordnung über Nutzen und Vorteile, und sind mit einer Reihe an Praxisbeispielen angereichert. Dazu gibt es am Ende eines Kapitels ein Quiz und eine Zusammenfassung zum Download.
Im Alltagsgebrauch wird „Optimierung“ meist mit „etwas besser machen“ gleichgesetzt. Mathematische Optimierung meint hingegen „das nachweisbar Beste machen“. Durch maßgeschneiderte Optimierungsalgorithmen können für individuelle Problemstellungen optimale Lösungen gefunden werden, um Ressourcen effizient einzusetzen und die Nachhaltigkeit von KMU zu stärken. Die Anwendungsmöglichkeiten reichen von Planungsprozessen aus der Produktion bis hin zur Entscheidungsunterstützung in der Logistik.
Im Onlinekurs „Gut, besser, KI? Wie mathematische Optimierung für mehr Nachhaltigkeit sorgt“ bekommen Sie einen leicht verständlichen und anschaulichen Einstieg in die mathematische Optimierung und Sie lernen wie ein Optimierungsmodell aufgebaut ist. Sie erfahren, wie mathematische Optimierung dabei hilft die Nachhaltigkeitsziele eines Unternehmens umzusetzen und in welchem Zusammenhang Optimierung zu Künstlicher Intelligenz steht.
Der Kurs richtet sich an alle Interessierten, die mehr über das Thema „mathematische Optimierung“ erfahren möchten, um Prozesse und Entscheidungen zu Optimierung und die Nachhaltigkeit des eigenen Unternehmens zu steigern.
Darüber hinaus erhalten Sie Einblick in unser selbst entwickeltes Online-Spiel „Planning Puzzle“, bei dem Sie Planungsaufgaben lösen können und das Ihnen verdeutlicht, warum es sich lohnt Künstliche Intelligenz und mathematische Optimierung zu nutzen.
Inhalt
- Begriffsklärung „Nachhaltigkeit“ und „mathematische Optimierung“
- Aufbau, Funktionsweise und Voraussetzungen von Optimierungsmodellen
- Mehrwert und nachhaltige Anwendungskontexte von mathematischer Optimierung
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Christopher Scholl
christopher.scholl@iis.fraunhofer.de
Nachhaltigkeit wird immer wichtiger – vor allem Unternehmen beschäftigen sich aufgrund aktueller Entwicklungen zunehmend mit der Umsetzung, um zukunftsfähig zu bleiben. Doch was bedeutet Nachhaltigkeit eigentlich und wie lässt sich die Umsetzung am besten angehen?
In diesem Onlinekurs „Grundlagen der Nachhaltigkeit – Schwerpunkt Logistik“ lernen Sie, woher der Begriff der Nachhaltigkeit stammt und welche Idee hinter der Kreislaufwirtschaft steckt. Dabei werden alle Themen im Kontext der Logistik betrachtet.
Der Kurs richtet sich an interessierte Mitarbeitende aus dem Bereich Logistik, die mit ihrer Arbeit die Weichen für ein nachhaltiges Unternehmen stellen möchten. Da es sich um eine Grundlagenschulung handelt, wird kein Vorwissen benötigt und ist auch für Personen außerhalb der Logistik geeignet.
Inhalt
- Definition von Nachhaltigkeit
- Einführung in das Drei-Säulen-Modell und die Fünf R
- Idee der Kreislaufwirtschaft und Rolle der Logistik in diesem System
- Praxisbeispiele von Umsetzungsstrategien für nachhaltigere Unternehmen und eine nachhaltigere Logistik
- Einsatz digitaler Technologien für mehr Nachhaltigkeit
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christian Looschen
christian.looschen@tum.de
Dieser Kurs wurde im Mittelstand 4.0-Kompetenzzentrum Augsburg entwickelt und ist hier weiterhin für Sie verfügbar.
Aufgrund individualisierter Produkte, steigender Variantenanzahl sowie kürzerer Produktlebenszyklen wird die Produktionsumgebung für Fachkräfte immer komplexer und anspruchsvoller. Individuelle und situationsspezifische Unterstützung durch Assistenzsysteme schaffen hierbei eine mögliche Abhilfe. In diesem Onlinekurs lernen Sie verschiedene Assistenzsysteme in der Produktion und Logistik sowie ein mögliches Vorgehen zur Einführung dieser kennen.
Inhalt
- Kategorien von Assistenzsystemen
- Einsatzmöglichkeiten von Assistenzsystemen entlang der Wertschöpfungskette
- Vorgehen zur Einführung von Assistenzsystemen
- Steigerung der Akzeptanz von Mitarbeitenden im Einführungsprozess
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Justine Frioux
justine.frioux@iwb.tum.de
Dieser Kurs wurde im Mittelstand 4.0-Kompetenzzentrum Augsburg entwickelt und ist hier weiterhin für Sie verfügbar.
Sie kennen bereits die Ansätze der Digitalisierung in der Intralogistik und finden die Technologie RFID für Ihr Unternehmen interessant?
Im Onlinekurs RFID erhalten Sie einen Einblick in die grundlegende Funktionsweise der Technologie und lernen die Vorteile des Einsatzes kennen. Anhand von Anwendungsbeispielen erhalten Sie Kenntnis von den Einflussfaktoren auf die Technologie.
Inhalt
- Einführung in die RFID-Technologie und dessen Funktionsweise
- Anwendungsmöglichkeiten, -beispiele und -potenziale von RFID
- Vergleich von RFID mit weiteren Identifikationstechnologien
- Einflussfaktoren bei der Einführung der RFID-Technologie
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unserer Ansprechpartner gerne zur Verfügung:
Leonhard Feiner
leonhard.feiner@tum.de
Im Alltagsgebrauch wird „Optimierung“ meist mit „etwas besser machen“ gleichgesetzt. Mathematische Optimierung meint hingegen „das nachweisbar Beste machen“. Durch maßgeschneiderte Optimierungsalgorithmen können für individuelle Problemstellungen optimale Lösungen gefunden werden, um Ressourcen effizient einzusetzen und die Nachhaltigkeit von KMU zu stärken. Die Anwendungsmöglichkeiten reichen von Planungsprozessen aus der Produktion bis hin zur Entscheidungsunterstützung in der Logistik.
Im Onlinekurs „Gut, besser, KI? Wie mathematische Optimierung für mehr Nachhaltigkeit sorgt“ bekommen Sie einen leicht verständlichen und anschaulichen Einstieg in die mathematische Optimierung und Sie lernen wie ein Optimierungsmodell aufgebaut ist. Sie erfahren, wie mathematische Optimierung dabei hilft die Nachhaltigkeitsziele eines Unternehmens umzusetzen und in welchem Zusammenhang Optimierung zu Künstlicher Intelligenz steht.
Der Kurs richtet sich an alle Interessierten, die mehr über das Thema „mathematische Optimierung“ erfahren möchten, um Prozesse und Entscheidungen zu Optimierung und die Nachhaltigkeit des eigenen Unternehmens zu steigern.
Darüber hinaus erhalten Sie Einblick in unser selbst entwickeltes Online-Spiel „Planning Puzzle“, bei dem Sie Planungsaufgaben lösen können und das Ihnen verdeutlicht, warum es sich lohnt Künstliche Intelligenz und mathematische Optimierung zu nutzen.
Inhalt
- Begriffsklärung „Nachhaltigkeit“ und „mathematische Optimierung“
- Aufbau, Funktionsweise und Voraussetzungen von Optimierungsmodellen
- Mehrwert und nachhaltige Anwendungskontexte von mathematischer Optimierung
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Christopher Scholl
christopher.scholl@iis.fraunhofer.de
Nachhaltigkeit wird immer wichtiger – vor allem Unternehmen beschäftigen sich aufgrund aktueller Entwicklungen zunehmend mit der Umsetzung, um zukunftsfähig zu bleiben. Doch was bedeutet Nachhaltigkeit eigentlich und wie lässt sich die Umsetzung am besten angehen?
In diesem Onlinekurs „Grundlagen der Nachhaltigkeit – Schwerpunkt Logistik“ lernen Sie, woher der Begriff der Nachhaltigkeit stammt und welche Idee hinter der Kreislaufwirtschaft steckt. Dabei werden alle Themen im Kontext der Logistik betrachtet.
Der Kurs richtet sich an interessierte Mitarbeitende aus dem Bereich Logistik, die mit ihrer Arbeit die Weichen für ein nachhaltiges Unternehmen stellen möchten. Da es sich um eine Grundlagenschulung handelt, wird kein Vorwissen benötigt und ist auch für Personen außerhalb der Logistik geeignet.
Inhalt
- Definition von Nachhaltigkeit
- Einführung in das Drei-Säulen-Modell und die Fünf R
- Idee der Kreislaufwirtschaft und Rolle der Logistik in diesem System
- Praxisbeispiele von Umsetzungsstrategien für nachhaltigere Unternehmen und eine nachhaltigere Logistik
- Einsatz digitaler Technologien für mehr Nachhaltigkeit
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unser Ansprechpartner gerne zur Verfügung:
Christian Looschen
christian.looschen@tum.de
Dieser Kurs wurde im Mittelstand 4.0-Kompetenzzentrum Augsburg entwickelt und ist hier weiterhin für Sie verfügbar.
Aufgrund individualisierter Produkte, steigender Variantenanzahl sowie kürzerer Produktlebenszyklen wird die Produktionsumgebung für Fachkräfte immer komplexer und anspruchsvoller. Individuelle und situationsspezifische Unterstützung durch Assistenzsysteme schaffen hierbei eine mögliche Abhilfe. In diesem Onlinekurs lernen Sie verschiedene Assistenzsysteme in der Produktion und Logistik sowie ein mögliches Vorgehen zur Einführung dieser kennen.
Inhalt
- Kategorien von Assistenzsystemen
- Einsatzmöglichkeiten von Assistenzsystemen entlang der Wertschöpfungskette
- Vorgehen zur Einführung von Assistenzsystemen
- Steigerung der Akzeptanz von Mitarbeitenden im Einführungsprozess
Hinweis: Wenn Sie das E-Learning in Firefox öffnen, müssen Sie eventuell die automatische Wiedergabe von Medien mit Audio und Video zulassen. Dies können Sie über die Berechtigungen links oben in der Adresszeile einstellen.
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Justine Frioux
justine.frioux@iwb.tum.de
Dieser Kurs wurde im Mittelstand 4.0-Kompetenzzentrum Augsburg entwickelt und ist hier weiterhin für Sie verfügbar.
Sie kennen bereits die Ansätze der Digitalisierung in der Intralogistik und finden die Technologie RFID für Ihr Unternehmen interessant?
Im Onlinekurs RFID erhalten Sie einen Einblick in die grundlegende Funktionsweise der Technologie und lernen die Vorteile des Einsatzes kennen. Anhand von Anwendungsbeispielen erhalten Sie Kenntnis von den Einflussfaktoren auf die Technologie.
Inhalt
- Einführung in die RFID-Technologie und dessen Funktionsweise
- Anwendungsmöglichkeiten, -beispiele und -potenziale von RFID
- Vergleich von RFID mit weiteren Identifikationstechnologien
- Einflussfaktoren bei der Einführung der RFID-Technologie
Das E-Learning des Zentrums ist für alle frei zugänglich, eine Anmeldung oder Registrierung ist nicht nötig. Wie alle weiteren Angebote des Zentrums ist auch dies kostenfrei.
Um die Themen wie auch die Inhalte des E-Learnings hinsichtlich ihrer Qualität zu untersuchen, bitten wir alle Teilnehmenden unseren Evaluationsbogen auszufüllen:
zur Evaluation
Bei Rückfragen steht Ihnen unserer Ansprechpartner gerne zur Verfügung:
Leonhard Feiner
leonhard.feiner@tum.de
Weitere Angebote
Unser E-Learning-Angebot umfasst zudem 60-minütige Webinare, die zu festen Terminen stattfinden, und Wissensnuggets. Mit E-Learning wollen wir auch Unternehmen erreichen, die weiter weg sind oder für die feste Termine schwierig sind.
Ein weiteres Online-Angebot aus dem Mittelstand-Digital Förderschwerpunkt ist die Lern- und Aktionsplattform des Mittelstand-Digital Zentrums Kaiserslautern
Das könnte Sie auch interessieren
In unserem selbst entwickelten Online-Spiel „Planning Puzzle“ sind Sie für den Bau einer Windkraftanlage zuständig und müssen den Arbeitseinsatz planen sowie die Arbeitsschritte aufeinander abstimmen. Indem Sie die komplexen Planungsaufgaben lösen, wird Ihnen verdeutlicht, warum es sich lohnt Künstliche Intelligenz (KI) und mathematische Optimierung zu nutzen, da sie schnelle Lösungen und einen effizienten Ressourceneinsatz ermöglichen.
Das Spiel wendet sich an alle, die Interesse daran haben zu Testen welchen Mehrwert KI gegenüber manueller Planung hat. Es werden keine Vorkenntnisse benötigt, die Spielweise wird im Tutorial erklärt. Den Schwierigkeitsgrad des Spiels können Sie dabei selbst aussuchen.
Inhalt
Sie können aus neun unterschiedlichen Levels von „einfach“ bis „knifflig“ wählen. Folgende Fragen werden Ihnen während des Spiels beantwortet:
- Wie können Arbeitsschritte so geplant werden, dass begrenzte Ressourcen bestmöglich für mehr Nachhaltigkeit eingesetzt werden?
- Wie gut ist die eigene manuelle Planung verglichen mit KI-erzeugten Lösungen?
Vorteile für die Anwender:innen
- Spielerischer Einstieg in das Thema KI und mathematische Optimierung
- Mehrwert durch mathematische Optimierung kann selbst erfahren und die eigene mit der KI-generierten Lösung verglichen werden
- Anschauliches Intro an einem Beispielkontext, die Methode kann jedoch auf beliebige Fragestellungen übertragen werden
Spiel „Planning Puzzle“ starten
Hinweis: Am besten öffnen Sie das Spiel im Browser Firefox.
Onlinekurs zu mathematischer Optimierung
Ergänzend zum Lernspiel bieten wir den Onlinekurs „Gut, besser, KI? Wie Optimierungsalgorithmen für mehr Nachhaltigkeit sorgen“ an. Hier erhalten Sie einen vertieften Einblick in Nachhaltigkeit und Optimierung und Sie lernen wie Optimierungsmodelle aufgebaut sind. Zum Onlinekurs
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Christopher Scholl
christopher.scholl@iis.fraunhofer.de
In unserem selbst entwickelten Online-Spiel „Planning Puzzle“ sind Sie für den Bau einer Windkraftanlage zuständig und müssen den Arbeitseinsatz planen sowie die Arbeitsschritte aufeinander abstimmen. Indem Sie die komplexen Planungsaufgaben lösen, wird Ihnen verdeutlicht, warum es sich lohnt Künstliche Intelligenz (KI) und mathematische Optimierung zu nutzen, da sie schnelle Lösungen und einen effizienten Ressourceneinsatz ermöglichen.
Das Spiel wendet sich an alle, die Interesse daran haben zu Testen welchen Mehrwert KI gegenüber manueller Planung hat. Es werden keine Vorkenntnisse benötigt, die Spielweise wird im Tutorial erklärt. Den Schwierigkeitsgrad des Spiels können Sie dabei selbst aussuchen.
Inhalt
Sie können aus neun unterschiedlichen Levels von „einfach“ bis „knifflig“ wählen. Folgende Fragen werden Ihnen während des Spiels beantwortet:
- Wie können Arbeitsschritte so geplant werden, dass begrenzte Ressourcen bestmöglich für mehr Nachhaltigkeit eingesetzt werden?
- Wie gut ist die eigene manuelle Planung verglichen mit KI-erzeugten Lösungen?
Vorteile für die Anwender:innen
- Spielerischer Einstieg in das Thema KI und mathematische Optimierung
- Mehrwert durch mathematische Optimierung kann selbst erfahren und die eigene mit der KI-generierten Lösung verglichen werden
- Anschauliches Intro an einem Beispielkontext, die Methode kann jedoch auf beliebige Fragestellungen übertragen werden
Spiel „Planning Puzzle“ starten
Hinweis: Am besten öffnen Sie das Spiel im Browser Firefox.
Onlinekurs zu mathematischer Optimierung
Ergänzend zum Lernspiel bieten wir den Onlinekurs „Gut, besser, KI? Wie Optimierungsalgorithmen für mehr Nachhaltigkeit sorgen“ an. Hier erhalten Sie einen vertieften Einblick in Nachhaltigkeit und Optimierung und Sie lernen wie Optimierungsmodelle aufgebaut sind. Zum Onlinekurs
Bei Rückfragen steht Ihnen unsere Ansprechpartnerin gerne zur Verfügung:
Christopher Scholl
christopher.scholl@iis.fraunhofer.de
In den 60- bis 90-minütigen Webinaren des Zentrums bekommen Sie in einem knappen Format einen Einblick in ein Thema und erfahren etwas über Potenziale und aktuelle Trends. Wählen Sie sich zum Termin ein und vernetzen Sie sich live online mit anderen Teilnehmenden. Im Webinar können Sie unseren Expert:innen auch direkt Ihre Fragen stellen.
Weitere Angebote
Auf der Website unseres Förderschwerpunkts Mittelstand-Digital finden Sie weitere Webinar-Termine von den deutschlandweit verteilten Zentren. Profitieren Sie kostenfrei von Expertenwissen zu zusätzlichen Schwerpunkten und zentralen Themen der Digitalisierung.
Online-Angebote bei Mittelstand-Digital
Unsere Wissensnuggets erklären kurz und knapp, was hinter neuen Technologien, Trends und Stichwörtern rund um die Digitalisierung steckt. Weiterführende Informationen aus dem Mittelstand-Digital Netzwerk sind verlinkt. Kontaktieren Sie bei Fragen gerne unsere Schwerpunkt-Expert:innen
Die Grundidee von Active Learning (dt.: Aktives Lernen) besteht darin, dass ein maschineller Lernalgorithmus mit weniger Trainingsaufwand bessere Leistungen erbringen kann, wenn er die Daten, aus denen er lernt, selbst auswählen kann.
Die Methode aus dem Bereich des Maschinellen Lernens zielt darauf ab, den Aufwand für das Labeln von Daten zu reduzieren, ohne die Vorhersagequalität der Modelle zu beeinträchtigen. Diese Technik wird insbesondere dann eingesetzt, wenn die Kosten für das Labeling großer Datenmengen sehr hoch sind. Sie bringt mehrere Vorteile mit sich:
Kostenersparnis: In vielen Anwendungen, insbesondere in der Medizin oder im juristischen Bereich, sind Expert:innen notwendig, um Daten zu labeln. Dies ist teuer und zeitaufwändig. Active Learning hilft, diese Kosten zu senken, indem es gezielt die informativsten Datenpunkte zum Labeling auswählt.
Effizienz: Beim herkömmlichen passiven Lernen werden vorab viele Datenpunkte gelabelt. Dabei wird vernachlässigt, dass einige Datenpunkte in den Daten kaum Mehrwert für die resultierende Modellgenauigkeit liefern, da diese größtenteils redundante Informationen tragen. Beim Active Learning werden die Daten iterativ gelabelt und meist können bereits in den ersten Schritten vernünftige Modelle trainiert werden. Dieser Ansatz spart somit Zeit und Rechenressourcen.
Schnelle Anpassung: In Anwendungsfällen, in denen sich die Datenverteilung im Laufe der Zeit ändert, kann Active Learning dazu verwendet werden, das Modell schnell anzupassen, indem es neue, relevante Datenpunkte in den Trainingsdatensatz aufnimmt.
Weiterführende Informationen:
- KI-Tutorial Active Learning des Mittelstand-Digital Zentrums Augsburg
Ein Algorithmus ist eine Schritt-für-Schritt-Anleitung oder ein Verfahren, welches verwendet wird, um ein komplexes Problem zu lösen, eine Aufgabe auszuführen oder ein Ergebnis zu erzielen. Er besteht aus einer endlichen Folge von Schritten, mit der aus bekannten Eingangsdaten neue Ausgangsdaten eindeutig berechnet werden können.
In der Informatik oder Mathematik ist ein Algorithmus eine spezifische Abfolge von Anweisungen oder Rechnungen, die von einem Computer ausgeführt werden können. Sie werden in verschiedenen Bereichen wie beispielsweise der Künstlichen Intelligenz oder Datenverarbeitung verwendet. Daneben gibt es aber noch sehr viele weitere Einsatzmöglichkeiten.
Zum Vergleich kann man sich einen Algorithmus wie ein Kochrezept vorstellen. Dort wird die Zubereitung ebenfalls in klaren Anweisungen in einer bestimmten Reihenfolge vorgeschrieben, um am Ende ein Ziel, ein fertiges Gericht, zu erreichen.
Weiterführende Informationen:
- Artikel Algorithmus, KI und die menschliche Intelligenz des Mittelstand-Digital Zentrums Fokus Mensch
- Praxisbeispiel Wenn der Algorithmus einen Plan hat des Mittelstand-Digital Zentrums Schleswig-Holstein
- Artikel KI in der Produktion: Wie Algorithmen KMU wettbewerbsfähig machen des Mittelstand-Digital Zentrums Ilmenau
- Broschüre Haftung für künstliche Intelligenz? Der Rat des Algorithmus des Mittelstand-Digital Zentrums Chemnitz
Die Anomalieerkennung ist die Identifizierung von untypischen oder auffälligen Datenpunkten in einem Datensatz (z. B. Fehler oder Ausreißer). Mit ihrer Hilfe werden Messfehler entdeckt und Prozesse überwacht.
Um Anomalien erkennen zu können, wird das System zuerst mit „normalen“ Datenpunkten trainiert. Danach ist es in der Lage, abweichende Datenpunkte – also Anomalien – zu erkennen. Banken decken so beispielsweise auffällige Transaktionen auf, produzierende Unternehmen fangen Produktionsfehler ab.
In maschinellen Lernverfahren hilft die Anomalieerkennung, Ausreißer automatisch zu entfernen. Wenn der Datensatz so von fehlerhaften Datenpunkten, die das reale Bild verzerren, befreit wurde, kann das maschinelle Lernsystem besonders gut Muster in den Datensätzen erkennen.
Weiterführende Informationen:
- Online-Vortrag Predictive Maintenance & Anomalieerkennung von der Technischen Hochschule Köln
- Artikel Predictive Cybersecurity mit KI im Mittelstand (S. 29ff) im Mittelstand-Digital Magazin
Systeme, Hilfsmittel und Applikationen, die in der Produktion und Logistik zum Einsatz kommen und die Mitarbeitenden bei der Arbeit unterstützen, nennt man Assistenzsysteme. Das können traditionelle Werkzeuge und Hilfsmittel sein, wie ein Hammer oder eine Schutzbrille. Auch ein Gabelstapler ist zum Beispiel ein Assistenzsystem. Selbstständige Roboter oder digitale Technologien wie Computer zählen ebenso zu Assistenzsystemen. Der Einsatz von Assistenzsystemen verfolgt nicht das Ziel, den Menschen zu ersetzen, sondern ihn physisch und kognitiv zu entlasten.
Weiterführende Informationen:
- Praxisleitfaden Digitale Helfer im Arbeitsalltag des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Broschüre Sensor, Tablet, RFID: Digitale Technologien in der Produktion des BMWi
- Webinar Assistenzsysteme im Produktionsumfeld des Mittelstand 4.0-Kompetenzzentrums Saarbrücken
- Faktenblatt Assistenzsysteme: Virtual- und Augmented Reality in Produktion und Wartung des Mittelstand 4.0-Kompetenzzentrums eStandards
Augmented Reality (AR) bezeichnet eine computerunterstützte Wahrnehmung bzw. Darstellung, welche die reale Welt um virtuelle Aspekte erweitert. Mit der Integration von Kameras in immer mehr mobile Geräte können zusätzliche Informationen oder Objekte direkt in ein aktuell erfasstes Abbild der realen Welt eingearbeitet werden. Dabei kann es sich um Informationen jedweder Art (bspw. Textinformationen oder Abbildungen) handeln. Die Anwendungszwecke reichen von der Information über die unmittelbare Umgebung, über die ins Sichtfeld eingeblendete Navigation bis hin zu Spielen und Werbung. Beispiele erster Massenanwendungen sind das Spiel Pokemon Go, das virtuelle Spielfiguren in die reale Umgebung integriert sowie Apps von Möbelhäusern, die die Möglichkeit bieten, an einem Smartphone oder Tablet die neue Couch virtuell bereits vorab in ein Wohnzimmer zu integrieren.
Quelle: Gabler Wirtschaftslexikon
Weiterführende Informationen:
- Artikel Fernunterstützung mit Augmented Reality des Mittelstand-Digital Zentrums Schleswig-Holstein
- Artikel Virtual Reality und Augmented Reality des Mittelstand-Digital Zentrums WertNetzWerke
- Artikel Augmented Reality – Nur eine Spielerei für das Wohnzimmer? (S. 44ff) im Mittelstand-Digital Magazin
- Leitfaden Einstieg in Augmented Reality und Virtual Reality für KMU des Mittelstand-Digital Zentrums Rheinland
Automatisiertes Maschinelles Lernen, kurz AutoML, ist ein Teilbereich der Künstlichen Intelligenz und beschreibt den Prozess der Automatisierung von zeitaufwändigen, iterativen Aufgaben bei der Entwicklung einer Machine-Learning-Anwendung. Dabei können je nach Komplexität und Umfang der Aufgabe einzelne Schritte oder der komplette Prozess automatisiert werden. AutoML beschleunigt und vereinfacht so nicht nur den Machine-Learning-Workflow, sondern ermöglicht auch Nutzer:innen ohne spezifische ML-Kenntnisse einen Zugang zum Maschinellen Lernen.
Typische Anwendungen für AutoML sind beispielsweise die Aufbereitung von Daten, die Auswahl geeigneter ML-Algorithmen oder die Auswahl eines optimalen ML-Modells.
Unser KI-Trainer Christopher Sobel erklärt im Wissensnugget, wieso Sie sich mit dem Thema beschäftigen sollten und was hinter dem Prozess steckt.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Weiterführende Informationen:
- KI-Tutorial AutoML des Mittelstand-Digital Zentrums Augsburg
- Artikel Automatisiertes Maschinelles Lernen in der Industrie des Mittelstand-Digital Zentrums Chemnitz
- Artikel Automatisiertes maschinelles Lernen – KI nutzen, um KI anzulernen des Mittelstand-Digital Zentrums Zukunftskultur
- Artikel Hürden in der KI-Projektumsetzung meistern mit No-Code und AutoML (S. 54ff) im Mittelstand-Digital Magazin
Big Data (dt. große Datenmengen, Massendaten) ist eine große Menge an unstrukturierten, digitalen Daten, die mit herkömmlicher IT-Infrastruktur oder manuellen Methoden nicht mehr zu bewältigen ist. Täglich fallen Massen von Daten in unterschiedlichsten Formaten an. Diese reichen von strukturierten, numerischen Daten bis hin zu unstrukturierten Daten aus beispielsweise E-Mails, Videos oder Textdokumenten.
Weiterführende Informationen:
- Infoblatt Mit Data Mining Wissen erzeugen des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Datascience: Big Data im Mittelstand richtig nutzen des Mittelstand-Digital Zentrums Schleswig-Holstein
- Artikel Smart + Big Data des Mittelstand-Digital Zentrums Smarte Kreisläufe
- Leitfaden Big Data und digitale Plattformen für Innenstädte und den stationären Handel des Mittelstand-Digital Zentrums Handel
Eine Blockchain (dt. Blockkette) ist betriebswirtschaftlich vergleichbar mit einem elektronischen Kassen- oder Hauptbuch. Allerdings gibt es von diesem Buch eine Vielzahl verteilter Kopien. Technisch handelt sich also um eine dezentrale Transaktions-Datenbank (DLT – Distributed Ledger Technology), die in einem (Peer-to-Peer-)Netzwerk auf einer Vielzahl von Rechnern (Knoten) in exakt identischer, d. h. gespiegelter Form vorliegt.
Die Blockchain in ihrer Implementierung als verteilte Datenbank wurde erstmals im Jahr 2008 von Satoshi Nakamoto (einem Pseudonym) in dessen White Paper zu Bitcoin ausgeführt. Aber sie ist nicht nur Kern von Kryptowährungen. Sie findet bereits unter anderem Einsatz bei Versicherungen, in der Musikindustrie und Reisebranche, im Internet der Dinge und der Sharing Economy, in Fertigung, Logistik und Handel sowie bei Behörden und in der humanitären Hilfe.
Quelle: Leitfaden der Agentur Handel: Blockchain in der Praxis – Funktionsweise und Anwendungsfälle
Weiterführende Informationen:
- Infoblatt Kryptotoken des Mittelstand-Digital Zentrums Augsburg
- Kompaktwissen Blockchain in der Praxis des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Basiswissen Blockchain – praktische Grundlagen zu Funktionsweise, Chancen und Limitationen (S. 63ff) im Mittelstand-Digital Magazin
- Artikel Blockchain: Erfahrung des Mittelstands bei der Lieferkettenoptimierung (S. 69ff) im Mittelstand-Digital Magazin
- Artikel Blockchain-Technologie: Revolution des Datenmanagements – die Kette der Zukunft des Mittelstand-Digital Zentrums WertNetzWerke
- Leitfaden Blockchain verstehen und richtig einsetzen des Mittelstand-Digital Zentrums Hamburg
- Demonstrator Blockchain-Demonstrator: SmartChain Leasing GmbH des Mittelstand-Digital Zentrums WertNetzWerke
Changemanagement (dt. Veränderungsmanagement) umfasst alle Maßnahmen, die notwendig sind, um tiefgreifende Veränderungen in einer Organisation von einem Ist-Zustand in einen Zielzustand erfolgreich zu überführen. Der Prozess gliedert sich in die Phasen der Vorbereitung, Planung, Durchführung und Stabilisierung. Dabei stehen die Steigerung der Effizienz, die Anpassungsfähigkeit an neue Marktbedingungen sowie die Einbindung der Mitarbeitenden im Vordergrund, um bevorstehende Widerstände zu minimieren.
Zu den Herausforderungen zählen neben der Überwindung von Mitarbeiterwiderständen auch die Sicherstellung klarer Kommunikation. Beispiele für Changemanagement sind technologische Anpassungen, strukturelle Veränderungen und strategische Neuerungen. Erfolgreiches Changemanagement erfordert sorgfältige Planung sowie kontinuierliche Unterstützung durch Führungskräfte.
Weiterführende Informationen:
- Artikel 6 Praxistipps für gelungenes Change Management des Mittelstand-Digital Zentrums Berlin
- Artikel Change-Management im Mittelstand des Mittelstand-Digital Zentrums Schleswig-Holstein
- Broschüre Change Wanderung – Veränderungsprozesse erfolgreich umsetzen des Mittelstand-Digital Zentrums Ländliche Regionen
![Chabot [© terovesalainen – stock.adobe.com]](https://digitalzentrum-augsburg.de/wp-content/uploads/2022/07/AdobeStock_326997913-300x300.jpeg)
Ein Chatbot ist ein textbasiertes Dialogsystem, das erlaubt, mit einem technischen System zu chatten – sich also in Schriftform zu unterhalten. Dahinter steckt eine Anwendung, die entweder auf hinterlegte Antworten aus einer Datenbank zugreift oder mithilfe von Künstlicher Intelligenz bzw. Maschinellem Lernen selbst aus Interaktionen lernt, um die daraus resultierenden Antworten und Empfehlungen laufend zu verbessern.
Durch einen Chatbot beispielsweise im Kundenservice kann die externe Basiskommunikation schneller erfolgen und es können Kosten eingespart werden. Bestimmte Aktionen wie Kreditkarte sperren, Restaurant reservieren oder Produktempfehlungen können damit effizient bearbeitet werden. Auch intern in Unternehmen kann ein Chatbot zum Beispiel Fragen bei der Reisekostenabrechnung beantworten.
Weiterführende Informationen:
- Information Smart Guide für Ihr Chatbot-Projekt des Mittelstand-Digital Zentrums Rheinland
- Artikel Chatten mit Hubert – rechtliche Fragestellungen zum Einsatz von Chatbots des Mittelstand-Digital Zentrums Chemnitz
- Artikel Die nächste Generation von Chatbots des Mittelstand-Digital Zentrums Spreeland
Cloud Computing beschreibt eine IT-Infrastruktur, die z. B. über das Internet verfügbar gemacht wird. Es umfasst sowohl das Nutzen als auch das Anbieten von IT-Dienstleistungen und beinhaltet in der Regel Speicherplatz, Rechenleistung oder Anwendungssoftware als Dienstleistung.
Weiterführende Informationen:
- Artikel Cloud Computing – Chancen der flexiblen Nutzung von Cloud-Angeboten des Mittelstand-Digital Zentrums Bau
- Artikel Cloud Computing: Wenn die Leistung nicht mehr im PC vor einem steckt des Mittelstand-Digital Zentrums WertNetzWerke
- Wegweiser Entscheidungsfrage Cloud: Ein Entscheidungsmodell für Anwender und Anbieter des Mittelstand 4.0-Kompetenzzentrums Lingen
Ein CRM-System (Customer-Relationship-Management) ist eine Software, welche Unternehmen unterstützt, ihre Kundenbeziehungen zu verwalten. In diesem Programm sind Informationen wie Namen, Telefonnummern, Kaufhistorien und Gespräche mit Kunden gespeichert. Dadurch kann das System Verkaufschancen verfolgen sowie die Planung und Durchführung von Marketingkampagnen automatisieren. Es hilft zudem, Kundenanfragen zu bearbeiten, und bietet die Grundlage für wertvolle Datenanalysen und Berichterstattung.
Die Ziele eines CRM-Systems sind die Steigerung der Kundenzufriedenheit, die Verbesserung des Verkaufserfolgs und das Schaffen effizienterer Abläufe innerhalb eines Unternehmens. Beispiele für CRM-Lösungen sind Salesforce, HubSpot und Microsoft Dynamics 365.
Weiterführende Informationen:
- Blog Digitalisierung von Geschäftsprozessen – Das digitale Büro des Mittelstand-Digital Zentrums Ilmenau
- Information Kundenbeziehungen von Mittelstand-Digital
Unter Data Mining versteht man die Gewinnung neuer Informationen unter Anwendung von statistischen Methoden auf bereits verfügbare Daten. Ziel ist es, Trends, Zusammenhänge und Muster zu erkennen, die bisher unbekannt waren. Die Anzahl der verwendeten Daten übersteigt dabei die Menge, aus der der Mensch noch Zusammenhänge erkennen könnte.
Weiterführende Informationen:
- Infoblatt Data Mining des Mittelstand 4.0-Kompetenzzentrums Augsburg
Per Definition ist ein Datenökosystem ein lockeres Set interagierender Akteure, die direkt oder indirekt Daten produzieren, bereitstellen, konsumieren oder mit Daten verbundene Ressourcen (z. B. eine Dienstleistung, die Daten auswertet) nutzen. Das ist relevant, da es beim Nutzen von unternehmerischen Daten schon lang nicht mehr nur um die eigenen unternehmensinternen Daten geht. Um durch Datenanalyse zu fundierteren Ergebnissen zu kommen, um Auswertungen z. B. zur Performance der eigenen Lieferkette zu erhalten, um regulatorisch geforderte Aussagen in Berichten belegen zu können, um neue Kundenbedürfnisse zu identifizieren und zu bedienen oder um neue Geschäftsmodelle aufzubauen – für all das sind unternehmensexterne Daten notwendig. Die größte Herausforderung beim Zugang zu diesen Daten ist die Angst vieler Unternehmen, die Kontrolle und die Transparenz über die Weiterverwendung ihrer geteilten Datensätze zu verlieren.
Heute werden Datenökosysteme deswegen immer relevanter, weil sich technologisch neue Möglichkeiten ergeben. Dadurch werden die geteilten Daten nicht mehr auf einem fremden Server gespeichert und verschwinden so in einer „black box“, sondern durch eine dezentrale Infrastruktur verbleiben die Daten an ihrer Quelle und können unter vertraglichen Rahmenbedingungen direkt mit einer Nutzerpartie geteilt werden. Diese Sicherheit, Transparenz und Kontrolle machen die oben genannten Vorteile tatsächlich greifbar. Beispiele für solche Datenökosysteme sind Manufacturing-X oder Catena-X.
Daneben gibt es auch den Begriff Datenraum, welcher aber nicht synonym mit Datenökosystem verwendet werden kann. Eine einvernehmliche Abgrenzung der beiden Begriffe ist bisher nicht geprägt worden. Grundlegend ist ein Datenökosystem eine vernetzte Umgebung, in welcher eine Vielzahl von Akteuren miteinander interagieren und durch das Teilen, die Kombination und die Analyse von Daten aus verschiedenen Quellen, Mehrwert für sich und andere schaffen. Ein Datenraum ist der zugehörige vertrauenswürdige Raum, in welchem die Daten geteilt werden können. Hier werden Datensouveränität und Datenschutz geschaffen und sichergestellt. Sehr vereinfacht ausgedrückt stellt ein Datenökosystem eher die interaktive und soziale Sphäre dar, welche durch die andere Sphäre, den Datenraum, technisch ermöglicht wird.
Weiterführende Informationen:
- Blog GAIA-X – Die sichere Cloudlösung des Mittelstand-Digital Zentrums Berlin
- Artikel Supply Chain Transparenz neu definiert – Chancen durch föderierte Datenökosysteme des Mittelstand-Digital Zentrums Augsburg
- Digitalisierungsprojekt Datenräume, Gaia-X und Künstliche Intelligenz des Mittelstand-Digital Zentrums Ländliche Regionen
- Broschüre Manufacturing-X: Die Zukunft industrieller Wertschöpfung ist vernetzt des Bundesministeriums für Wirtschaft und Klimaschutz
Datenversionierung ist wie eine Zeitleiste für Dateien. Sie speichert jede Änderung, die an einer Datei vorgenommen wird, automatisch ab und ermöglicht es, zu einer früheren Version zurückzukehren. Entwickler:innen hilft dies, Änderungen nachzuverfolgen, zu vergleichen und zu integrieren. Das erleichtert die Zusammenarbeit im Team, da mehrere Personen gleichzeitig an denselben Dateien arbeiten können, ohne dass Änderungen verloren gehen. Die Datenversionierung ist deshalb ein wichtiges Werkzeug in der Softwareentwicklung, Dokumentenverwaltung oder in Content-Management-Systemen.
Deep Compression ist eine Methode, die es ermöglicht, große neuronale Netze so zu komprimieren, dass sie auf Edge Hardware wie beispielsweise Mikrocontrollern laufen können. Dies wird durch die Reduktion der Speichergröße und Rechenleistung erreicht. Dadurch werden KI-Modelle unter anderem energieeffizienter und schneller. Im KI-Entwicklungsprozess gibt es dabei zwei gängige Methoden, die angewendet werden: Pruning und Quantisierung.
Unser KI-Experte Mark Deutel erläutert im Wissensnugget die wesentlichen Aspekte von Deep Compression und die daraus entstehenden Vorteile.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Der Digitale Produktpass ist eine Art Steckbrief, der die wichtigsten Informationen über ein Produkt, wie beispielsweise die Herkunft, Zusammensetzung oder den CO2-Fußabdruck, enthält. Durch einen elektronischen Datenträger (z. B. QR-Code) ist der Pass mit einem physischen Produkt verbunden und kann beispielsweise mithilfe eines Smartphones eingesehen werden.
Durch einen Austausch dieser Daten entlang der Wertschöpfungskette wird eine größere Transparenz über den Lebenszyklus geschaffen. Hersteller sowie Verbraucher können dadurch leichter nachverfolgen, wie ein Produkt hergestellt wurde und wie es umweltfreundlich entsorgt oder wiederverwendet werden kann. Das hilft, Ressourcen zu sparen und die Kreislaufwirtschaft zu fördern.
Weiterführende Informationen:
- Artikel Digitaler Produktpass – wie KMU profitieren können des Mittelstand-Digital Zentrums Augsburg
- Technologieradar Digitaler Produktpass des Mittelstand-Digital Zentrums Saarbrücken
- Infoblatt Der Digitale Produktpass als Grundlage für Anwendungen von Künstlicher Intelligenz entlang der Produktkette des Mittelstand-Digital Zentrums Handel
- Praxistipp Digitaler Produktpass des Mittelstand-Digital Zentrums Chemnitz
Digitale Zahlungsmittel sind grundsätzlich in zwei Gruppen zu unterscheiden: digitales Geld und Kryptotoken. Unter digitales Geld fallen das Buchgeld (z. B. Guthaben auf einem Girokonto), das Elektronische Geld (z. B. PayPal) und das digitale Zentralbankgeld (z. B. digitaler Euro). Der digitale Euro soll in Zukunft ergänzend zum Bargeld als gesetzliches Zahlungsmittel fungieren. Bei Kryptotoken, die nicht als gesetzliches Zahlungsmittel gelten, handelt es sich um eine digitalisierte Abbildung von Vermögenswerten, deren dezentrale Speicherung auf Basis der sogenannten Distributed-Ledger-Technologie erfolgt.
Weiterführende Informationen:
- Infoblatt Kryptotoken des Mittelstand-Digital Zentrums Augsburg
- Artikel Digitale Währungen: Möglichkeiten und Grenzen für kleine und mittlere Unternehmen des Mittelstand-Digital Zentrums Augsburg
- Praxistipp Kryptowährungen als Zahlungsmittel des Mittelstand-Digital Zentrums Chemnitz
Ein digitaler Zwilling ist ein virtuelles Modell z. B. eines realen Produkts, einer Maschine oder eines Prozesses. Digitale Zwillinge erfassen fortlaufend aktuelle Daten wie bspw. Geometrien, kinematische Abläufe oder Prozessparameter und repräsentieren damit die realen Eigenschaften des Objekts. Sobald das virtuelle Modell über diese Informationen verfügt, kann es zum Beispiel für Simulationen verwendet werden, den Zustand überwachen, Leistungsprobleme aufdecken und helfen, Optimierungspotenziale zu finden. Die erlangten Erkenntnisse können dann wiederum für das ursprüngliche physische Objekt verwendet werden. Digitale Zwillinge können damit den gesamten Lebenszyklus eines Produkts oder Prozesses abdecken und gleichzeitig die Grundlage für verbundene Produkte usw. bilden.
Ein Beispiel:
Eine Metallgießanlage im Automobilbau ist mit verschiedenen Sensoren ausgestattet, die Daten über verschiedene Funktionsbereiche wie Energieverbrauch, Materialbeschaffenheit, Temperatur, Fertigungsdauer und vieles mehr liefern. Diese Daten werden an ein Verarbeitungssystem weitergeleitet und dort in die digitale Kopie – den digitalen Zwilling – übertragen. Mit dem gefütterten Modell können dann zum Beispiel Simulationen für Anpassungen der Maschinenparameter, Auftragsreihenfolgen, Energieverbrauch usw. gefahren – und damit Optimierungspotenziale vor der realen Anpassung abgeschätzt – werden. Auch die vorausschauende Instandhaltung (Predictive Maintenance) ist ein möglicher Anwendungsfall und kann Maschinenstillstände verhindern.
Weiterführende Informationen:
- Webinar Produktion digital 4: Digitaler Zwilling – wie virtuelle Welten die Produktion verändern des Mittelstand 4.0-Kompetenzzentrums Saarbrücken
- Artikel Der Digitale Zwilling – Daten im Betrieb vernetzen des Mittelstand-Digital Zentrums Schleswig-Holstein
- Blogbeitrag Planung von Services und Produkten: Entwicklung mithilfe digitaler Zwillinge des Mittelstand-Digital Zentrums WertNetzWerke
Ein disruptives Geschäftsmodell beschreibt das Ergebnis, bei dem ein bestehendes Geschäftsmodell oder ein gesamter Markt durch eine stark wachsende Innovation abgelöst bzw. zerschlagen wird. Während eine „normale“ Innovation eine Weiterentwicklung bedeutet, beschreibt eine disruptive Innovation eine komplette Umstrukturierung des bestehenden Modells. Ein Beispiel: Streaming-Dienste, wie Netflix, lösen den DVD-Verleih in Videotheken ab.
Quelle: Gründerszene Lexikon
Weiterführende Informationen:
Die Übermittlung von Informationen, wie z. B. einem Signal, einer E-Mail oder Textdatei, benötigt immer eine Zeitspanne. Meist ist diese bei der Durchführung einer Übermittlungsaufgabe nicht genau vorhersagbar: Die Zeitspanne vom Versand bis zur Ankunft z. B. einer Mail kann variieren und ist vorab nicht bekannt.
Echtzeitsysteme zeichnen sich dadurch aus, dass eine vorgegebene Zeitbedingung eingehalten wird. In einigen Fällen kommt es zur Unterscheidung zwischen einer weichen und einer harten Echtzeitanforderung. Welche zum Tragen kommt, hängt häufig davon ab, welche Konsequenzen eine verspätete Information hat.
Systeme mit harten Echtzeitanforderungen werden oft in Bereichen eingesetzt, in denen Leben gefährdet sind, zum Beispiel bei Antiblockiersytemen in Autos, oder wenn durch eine zu späte Weitergabe von Signalen ein finanzieller Schaden entsteht.
Im Produktionsbereich sind diese in sicherheitsrelevanten Bereichen oder in der Prozessteuerung zu finden. Echtzeit ist also vor allem eine Frage des richtigen Timings.
Weiterführende Informationen:
- Literaturempfehlung: Dieter Zöbel, Echtzeitsysteme – Grundlagen der Planung
- Broschüre Echtzeit-Visualisierung am Arbeitsplatz des Mittelstand 4.0-Kompetenzzentrums Chemnitz
- Praxisbeispiel Echtzeit sticht – die vernetzte Schreinerei des Mittelstand 4.0-Kompetenzzentrums Stuttgart
EdgeAI (Edge Artificial Intelligence) ist eine Technologie, bei der Künstliche Intelligenz direkt auf Geräten am Rand des Netzwerks verarbeitet wird, statt in einer zentralen Cloud. Dies ermöglicht die Verarbeitung von Daten direkt dort, wo sie entstehen, wie beispielsweise auf Smartphones, Überwachungskameras oder Fahrzeugen, ohne dass sie erst in ein zentrales Rechenzentrum übertragen werden müssen.
In der Produktion kann EdgeAI helfen, indem sie Produktionsabläufe in Echtzeit überwacht und optimiert, die Qualitätssicherung durch Bilderkennung verbessert, vorausschauende Wartung ermöglicht und Prozesse effizienter gestaltet. Die EdgeAI wird derzeit in vielen verschiedenen Bereichen eingesetzt, darunter Gesundheitswesen, autonomes Fahren, Industrie und Smart Home.
Dabei umfassen die Vorteile der EdgeAI schnellere Datenverarbeitung, verbesserten Datenschutz und Unabhängigkeit von der Internetverbindung. Allerdings müssen auch die Nachteile beachtet werden, diese liegen beispielsweise in einer begrenzten Rechenleistung, höheren Komplexität sowie geringeren Skalierbarkeit, da Updates und Wartung dezentral erfolgen müssen und nicht zentral über die Cloud gesteuert werden können.
Mit einem Energiemanagementsystem (EMS oder EnMS) können Unternehmen ihren Energieverbrauch und ihre Energieerzeugung nicht nur erfassen, sondern aktiv steuern und optimieren. In einem solchen System werden verschiedene Energiequellen wie Netzstrom, Eigenerzeugungsanlagen oder Batteriespeicher verknüpft. So wird dafür gesorgt, dass die Energie im Stromhaushalt möglichst effizient, nachhaltig und kostengünstig eingesetzt wird. Ein typischer Aufbau eines EMS kann folgendermaßen aussehen: es besteht aus einer Steuerungseinheit, einem Backend und einer Benutzeroberfläche, über die die Nutzenden das System in Echtzeit überwachen und konfigurieren können. Die Daten können lokal oder in der Cloud gespeichert und zur Analyse exportiert werden.
Das System bietet vielfältige Mehrwerte. Dazu zählen zum Beispiel die Reduktion von Energiekosten durch gezielte Lastspitzenkappung, die Optimierung des Zusammenspiels von Photovoltaikanlagen und Elektrofahrzeugen sowie die fundierte Unterstützung bei der Investitionsplanung. Ein weiterer Vorteil liegt in der möglichen Integration des Systems in bestehende Strukturen während des laufenden Betriebs sowie in seiner hohen Anpassungsfähigkeit an zukünftige technische und regulatorische Entwicklungen.
Der zentrale Unterschied zu einem reinen Energiemonitoringsystem liegt im erweiterten Funktionsumfang. Während Energiemonitoring vor allem Transparenz schafft, indem es den Energieverbrauch misst und visualisiert und damit aufzeigt, wann und wo Energie verbraucht wird, geht ein Energiemanagementsystem deutlich weiter. Es nutzt die gewonnenen Daten aktiv, um Entscheidungen zu treffen, Betriebsprozesse automatisiert zu steuern und den Energieeinsatz kontinuierlich zu optimieren.
Weiterführende Informationen:
- Zukunftsprojekt EILE (Energiewissen und InteLligente AnwEndung) des Mittelstand-Digital Zentrums Augsburg
- Infoblatt Energiemanagement-Systeme des Mittelstand-Digital Zentrums Augsburg
- Artikel Digitales Energiemonitoring: Energiekosten und Treibhausgasemissionen in der Produktion senken (S. 48 ff) im Mittelstand-Digital Magazin
Ein ERP-System (engl. Enterprise-Resource-Planning) ist ein Programm für die Ressourcenplanung im Unternehmen. Es speichert und verarbeitet Geschäftsanwendungen und Betriebsdaten in einer zentralen Datenbank. Ziel ist es, betriebliche Abläufe und Wertschöpfungsprozesse effizienter zu gestalten. Vereint werden z. B. die Komponenten Einkauf, Produktion, Vertrieb, Personal und Rechnungswesen.
Weiterführende Informationen:
- Information ERP-Systeme im Mittelstand-Digital-Dossier
- Praxisbeispiel Wie digitalisiert man ein analoges Unternehmen? von Mittelstand-Digital
- Erklärvideo Die Vorteile von ERP-Systemen: Schneller und einfacher Produzieren durch Digitalisierung des Mittelstand-Digital Zentrums Berlin
- Artikel Enterprise Ressource Planning (ERP) des Mittelstand-Digital Zentrums WertNetzWerke
- Praxisbeispiel Neues ERP-System für optimierte Prozesse des Mittelstand-Digital Zentrums Rheinland
- Information ERP-Systeme im Wandel der Digitalisierung des Mittelstand-Digital Zentrums Chemnitz
Exoskelette sind äußere Stützstrukturen für den Menschen und zählen zu den physischen Assistenzsystemen. Sie können die Bewegungen der Trägerin oder des Trägers unterstützen oder verstärken. Dadurch können z. B. Belastungsverletzungen vermieden und die Leistungsfähigkeit erhöht werden.
Weiterführende Informationen:
- Artikel Aufbau eines Exoskelett-Demonstrators gestartet des Mittelstand-Digital Zentrums Ilmenau
- Themenheft Exoskelette im Handwerk des Mittelstand-Digital Zentrums Handwerk
Wenn wir im Alltag über Künstliche Intelligenz sprechen, handelt es sich oft um generative KI (GenAI). Diese Technologie ist in der Lage, neue Inhalte wie Bilder, Texte, Videos oder Musik zu generieren und arbeitet mit Maschinellem Lernen. Sie funktioniert, indem sie Muster und Strukturen aus großen Mengen von Trainingsdaten lernt und darauf basierend neue Daten generiert. Wichtig ist dabei das sogenannte Prompten – die Eingabe von Befehlen an die KI, da die generative KI nach genauen Vorgaben arbeitet und den Menschen nicht so wie es scheint tatsächlich verstehen kann.
Bekannte Beispiele für generative KI sind Chatbots wie ChatGPT, Copilot oder Gemini, die selbst Texte schreiben können. Auch in der Bildgenerierung wird generative KI genutzt, um neue Bilder auf Basis der online verfügbaren Datenmenge an Bildern und Videos zu erstellen. Generative KI hat das Potenzial, viele Branchen zu revolutionieren, indem sie kreative Prozesse automatisiert und neue Möglichkeiten für Innovationen schafft. Auch in der Industrie wird GenAI immer häufiger eingesetzt, unter anderem in der Produktion und Logistik.
Auch wenn es so scheint, als würden beispielsweise Chatbots zu allem eine passende Lösung liefern, ist Vorsicht geboten, denn die KI kann auch halluzinieren oder falsche Ergebnisse erstellen. Das bedeutet, dass sie manchmal Informationen oder Antworten generiert, die nicht auf realen Daten basieren und daher falsch oder irreführend sein können. Eine menschliche Nachkorrektur ist daher unverzichtbar.
Weiterführende Informationen:
- Artikel Generative KI und Cybersecurity: Wissenschaft trifft Praxis (S. 23ff) im Mittelstand-Digital Magazin
- Artikel Generative KI: Multimodalität und Vergleichskriterien von KI-Modellen des Mittelstand-Digital Zentrums Spreeland
- Artikel Bildgestaltung durch generative KI – ein Wegbereiter für KMU des Mittelstand-Digital Zentrums Spreeland
- Information Generative KI im Arbeitsalltag: Wissenschaftliche Erkenntnisse und Zukunftspotenziale des Mittelstand-Digital Zentrums Chemnitz
- Information Prompting perfektionieren: Wie Sie mit der richtigen Fragestellung die besten KI-Ergebnisse erzielen des Mittelstand-Digital Zentrums Chemnitz
Die GoBD (Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form sowie zum Datenzugriff) enthalten Richtlinien, die Unternehmen beim Einsatz einer elektronischen Buchhaltung erfüllen müssen. Die GoBD wurden im November 2014 erstmals veröffentlich und im November 2019 durch eine Neufassung ersetzt.
Weiterführende Informationen:
- Artikel Bildliche Erfassung von Papierdokumenten – was bei der Digitalisierung von Belegen zu beachten ist des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Einsatz der Verfahrensdokumentation bei elektronischen Rechnungen des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Wie Sie elektronische Rechnungen revisionssicher archivieren können des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Information Elektronische Rechnungsabwicklung von Mittelstand-Digital
Die Informationslogistik umfasst die Bereitstellung von Daten und Informationen innerhalb sowie außerhalb des Unternehmens. Sie beschreibt die Planung, Steuerung und Kontrolle der Datenflüsse mit dem Ziel, Anwender:innen in einem bestimmten Kontext so verwertbare Informationen als Entscheidungsunterstützung zu liefern. Bei einer bewussten Konzeptionierung der Informationslogistik kommt es darauf an, ein auf den Bedarf abgestimmtes Angebot zu schaffen. Die Anwendenden sollen weder mit einer Flut an Daten überrollt, noch sollen wertvolle Daten zurückgehalten werden.
Weiterführende Informationen:
- Infoblatt Informationslogistik des Mittelstand-Digital Zentrums Augsburg
- Demonstrator „Cool Power GmbH“ – ein Informationslogistikdemonstrator des Mittelstand-Digital Zentrums Augsburg
IoT (engl.: Internet of things) ist die Kurzform für das Internet der Dinge. Das Internet der Dinge ermöglicht es, physische und virtuelle Gegenstände miteinander zu vernetzen. Der Anwendungsbereich erstreckt sich dabei von einer allgemeinen Informationsversorgung über automatische Bestellungen bis hin zu Warn- und Notfallfunktionen.
Weiterführende Informationen:
- Infoblatt Industrial Internet of Things des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Broschüre IoT. Grundlagen, Anwendungsbereiche, Potenziale des Mittelstand 4.0-Kompetenzzentrums Cottbus
- Gespräch Internet der Dinge (IoT) – Was ist das? von Zukunft Mittelstand Industrie 4.0
- Artikel Internet der Dinge – was ist das? des Mittelstand-Digital Zentrums WertNetzWerke
- Flyer Internet of Things des Mittelstand 4.0-Kompetenzzentrums Berlin
- Artikel Was ist IoT-Technologie? des Mittelstand-Digital Zentrums Bremen-Oldenburg
- WIK-Kurzstudie Internet of Things (IoT): Vernetzte Geräte und Maschinen im Mittelstand von Mittelstand-Digital
KI-Engineering adressiert die systematische Entwicklung und den Betrieb von KI-basierten Lösungen als Teil von Systemen, die komplexe Aufgaben erfüllen.
Damit ergänzt KI-Engineering die Grundlagenforschung zu Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) und schlägt die Brücke zu den Ingenieurswissenschaften. Ziel ist, KI- und ML-Methoden gemäß der typischen Anforderungen und Vorgehensweisen von Ingenieur:innen nutzbar zu machen, auch in sicherheitskritischen Anwendungen.
Quelle: CC-KING Kompetenzzentrum KI-Engineering
Weiterführende Informationen:
- Broschüre KI-Kochbuch Rezepte für den Einsatz Künstlicher Intelligenz in Unternehmen der Mittelstand 4.0-Kompetenzzentren Deutschlandweit
- Praxisleitfaden Künstliche Intelligenz für den Mittelstand – ein Praxisleitfaden des Mittelstand 4.0-Kompetenzzentrums Kaiserslautern
- Podcast Künstliche Intelligenz des Mittelstand 4.0-Kompetenzzentrums Siegen
Ein KI-Engineering-Workflow beschreibt ein systematisches Vorgehen für die Entwicklung von KI-gestützten Systemen, um die Komplexität der beteiligten Rollen und Disziplinen besser zu beherrschen. Es gibt sieben Disziplinen, die jeweils mehrere Feedbackschleifen enthalten können: Anforderungserhebung, Datenerhebung, Datenaufbereitung, Modelltraining, Modellevaluierung, Modellbereitstellung und Modellüberwachung. Diese werden, je nach Unternehmensgröße, auf mehrere Rollen wie Data Engineers, Data Scientists und MLOps Engineers verteilt. Zwischen den Rollen und Disziplinen ist eine enge Zusammenarbeit zentral.
Weiterführende Informationen:
Beim kontaktlosen Bezahlen werden Karten (Girocard, Kreditkarten, Kundenkarten etc.) bzw. das Smartphone oder die Smartwatch kurz an das Lesegerät am Kassenterminal gehalten. Das Einstecken der Karten in das Lesegerät ist nicht mehr erforderlich. Bei Beträgen bis 25 Euro bzw. 50 Euro ist in der Regel je nach kartenherausgebender Bank und Händler auch keine PIN-Eingabe oder Unterschrift notwendig. Hierzu muss das Bezahlmittel des Kunden und das Terminal des Händlers über die NFC-Funktionalität verfügen. Diese wird auf Karten und Bezahlterminals durch ein Wellensymbol, das an das Symbol für WLAN erinnert, kenntlich gemacht.
Weiterführende Informationen:
- Präsentation Wie digitalisiere ich meine Bezahlprozesse der Mittelstand 4.0-Agentur Handel
- Infoblatt Bezahlprozesse im Handel des Mittelstand 4.0-Kompetenzzentrums Handel
- Artikel Wie Sie im stationären Handel kontaktlose Zahlungen akzeptieren des Mittelstand-Digital Zentrums Augsburg
- Artikel Kontaktlos bezahlen mit girocard, Kreditkarte oder Smartphone des Mittelstand-Digital Zentrums Augsburg
Unter Kreislaufwirtschaft versteht man ein Modell in der Produktion mit dem Ziel, das wirtschaftliche Wachstum vom Verbrauch endlicher Ressourcen zu entkoppeln. Hierzu soll der Anteil an erneuerbaren oder wiederverwertbaren Ressourcen erhöht und der Verbrauch von Rohstoffen und Energie reduziert werden. Im Gegensatz zur linearen Wirtschaft möchte die Kreislaufwirtschaft durch die Verlängerung der Nutzungszyklen Abfälle möglichst vermeiden.
Das Modell der Kreislaufwirtschaft wird durch verschiedene Kreislaufwirtschaftsstrategien geprägt. Wesentliche Strategien sind das Recycling, die Wiederverwendung sowie die Wiederaufbereitung von Produkten und Materialien. Durch den Einsatz digitaler Technologien werden Informationen im Laufe des Produktlebenszyklus erhoben und geteilt, wodurch ein zirkuläres Wertschöpfungssystem befähigt wird.
Weiterführende Informationen:
- Artikel Kreislaufwirtschaft und Digitalisierung – Die Trends im Kontext und die Chancen für mittelständische Unternehmen (S. 5ff) im Mittelstand-Digital Magazin
- Guide Kreislaufwirtschafts-Guide des Mittelstand-Digital Zentrums WertNetzWerke
- Video Lieferkettendemonstrator des Mittelstand-Digital Zentrums Smarte Kreisläufe
Ein Leichtbauroboter hat sechs bis sieben Achsen und eine Traglast bis ca. 16 kg. Aufgrund seines geringen Eigengewichts von bis zu 50 kg ist sein Standort leicht zu wechseln. Mit integrierten Sensoren erkennt der Roboter Kollisionen und er kann feinfühlige Aufgaben durchführen. Die neuen Robotermodelle verfügen außerdem meist über einfache Programmierschnittstellen.
Weiterführende Informationen:
- Leitfaden Roboter für den Mittelstand des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Industrieroboter programmieren – Kann ich das selbst? des Mittelstand-Digital Zentrums Magdeburg
- Praxisbeispiel Automatisierter Objektwechsel mit Leichtbauroboter im 3D-Druck des Mittelstand-Digital Zentrums Magdeburg
Beim Maschinellen Lernen wird anhand von Beispielen und unter Zuhilfenahme von Lernalgorithmen ein komplexes Modell entwickelt, sodass „Wissen“ aus „Erfahrung“ erzeugt wird. Das entwickelte Modell kann anschließend auf neue, potenziell unbekannte Daten derselben Art angewendet werden. Damit kommt das Maschinelle Lernen ohne manuelle Wissenseingabe oder explizite Programmierung eines Lösungswegs aus.
Quelle/in Anlehnung an: Fraunhofer Gesellschaft, MASCHINELLES LERNEN – EINE ANALYSE ZU KOMPETENZEN, FORSCHUNG UND ANWENDUNG
Weiterführende Informationen:
- Erklärvideo Was ist eigentlich Maschinelles Lernen? des Mittelstand 4.0-Kompetenzzentrums Berlin
- Artikel Unternehmenswissen in Methoden des Maschinellen Lernens integrieren und Potenziale heben des Mittelstand-Digital Zentrums Augsburg
- Artikel Mit maschinell lernenden Systemen Informationen für die Produktionsplanung bereitstellen des Mittelstand-Digital Zentrums Augsburg
- Artikel Künstliche Intelligenz & Machine Learning des Mittelstand-Digital Zentrums Magdeburg
- Artikel Wie lernt eine KI? Ein Blick auf das Maschinelle Lernen… des Mittelstand-Digital Zentrums Fokus Mensch
Die Mensch-Roboter-Kollaboration (MRK) bezeichnet die direkte Zusammenarbeit von Menschen und Robotern innerhalb eines Arbeitsbereichs. Anstatt wie bei traditionellen industriellen Robotern durch Sicherheitszäune separiert zu sein, ermöglichen bei der MRK verschiedene Sicherheitsaspekte die Zusammenarbeit und Interaktion beider Parteien. Dadurch können sie gemeinsam Aufgaben erledigen und beispielsweise zusammen an einem Bauteil arbeiten. Diese Kollaboration steigert die Effizienz in der Produktion und spart Kosten ein. MRK-Systeme stellen auch eine Entlastung der Mitarbeitenden dar, indem sie anstrengende und nicht ergonomische Arbeiten übernehmen. Die Mensch-Roboter-Kollaboration findet wegen dieser Vorteile vor allem in der Fertigungsindustrie und Logistik Anwendung.
Weiterführende Informationen:
- Video Demonstrator: Mensch-Roboter-Kollaboration des Mittelstand-Digital Zentrums Spreeland
- Artikel Die Vorteile von Mensch-Roboter-Kollaboration im Einzelhandel: Wie eine gemeinsame Nutzung der Technologie Kundenzufriedenheit steigert des Mittelstand-Digital Zentrums Fokus Mensch
- Demonstrator Robotino des Mittelstand-Digital Zentrums Augsburg
- Demonstrator SMEcobot-Demonstrator des Mittelstand-Digital Zentrums Augsburg
- Demonstrator KI-gestützte Batteriespeichermontage des Mittelstand-Digital Zentrums Augsburg
Ein Manufacturing Execution System (MES) ist als umfassende Softwarelösung Teil eines Fertigungsmanagementsystems. Das MES unterstützt alle operativen Funktionen, wie z. B. Feinplanung und -steuerung, Datenerfassung, Materialmanagement, Auftragssteuerung, Instandhaltung oder Nachverfolgbarkeit. Es bildet die Brücke zwischen der Unternehmensleitebene (ERP-System) und der operativen Ebene (Shopfloor). So ermöglicht das MES die Führung, Lenkung, Steuerung oder Kontrolle der Produktion in Echtzeit.
Beispiele: Produktionsleitende bekommen aus dem MES Kennzahlen über das aktuelle Geschehen in der Produktion und z. B. Infos über Planabweichungen. Mithilfe dieser Infos können sie Aufträge und Ressourcen schnell umplanen. Der Vertrieb kann alle Kundenaufträge überblicken und der Fertigungsstatus wird sichtbar.
Weiterführende Informationen:
- Artikel ERP, MES oder PPS – Die passende Lösung für ein kleines Investitionsvolumen finden des Mittelstand 4.0-Kompetenzzentrums Berlin (S.8f)
- Praxisbeispiel Ein MES für die flexible Stiftefertigung bei STABILO des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Präsentation Einführung in ERP, MES und BDE des Mittelstand-Digital Zentrums Hannover
- Information Manufacturing Execution System des Mittelstand-Digital Zentrums Saarbrücken
Mixed Reality (MR, dt. vermischte Realität) ist vielen vermutlich weniger ein Begriff als virtuelle Realität (VR, engl. Virtual Reality) und erweiterte Realität (AR, engl. Augmented Reality). Dabei schließt MR die beiden anderen Formen mit ein.
Während bei Virtual Reality die reale Welt vollständig ausgeblendet wird, werden bei Augmented Reality digitale Inhalte „in die reale Welt“ eingeblendet. Bei Mixed Reality interagieren die Inhalte bzw. die Objekte oder Subjekte der realen und der virtuellen Welt miteinander. Mit dieser Vermischung von Realität und künstlichen, computererzeugten Elementen werden ganz neue Anwendungsmöglichkeiten geschaffen.
Weiterführende Informationen:
- Leitfaden Eine Expedition zu Erfolgsgeschichten rund um Virtual Reality, Augmented Reality und Mixed Reality des Mittelstand-Digital Zentrums Zukunftskultur
- Video Digitalisierung im Einzelhandel: Mit VR und AR positive Kundenerlebnisse schaffen des Mittelstand-Digital Zentrums Berlin
- Artikel Mixed Reality – Was genau ist das? des Mittelstand-Digital Zentrums Fokus Mensch
Ein Mockup ist ein digitaler Entwurf einer App oder Website, der die Navigationsstruktur, Bedienflächen sowie Inhalts- und Designelemente visualisiert. Im Vergleich zu einem Konzept sind hier schon Funktionalitäten und Klickpfade eingeplant.
Weiterführende Informationen:
- Information Mockups in der Produktentwicklung des Mittelstand 4.0-Kompetenzzentrums Chemnitz
- Praxisbeispiel Mit Barcodes den richtigen Auftrag aufspüren des Mittelstand 4.0-Kompetenzzentrums Augsburg
Der Begriff der neuronalen Netze wird sowohl für die Verbindungen im Gehirn verwendet als auch bei der Architektur des Maschinellen Lernens – und das nicht zufällig. Denn neuronale Netze in der KI sind Modelle des Maschinellen Lernens, die die Funktionsweise des menschlichen Gehirns nachahmen. Sie bestehen aus vielen miteinander verbundenen Knoten oder „Neuronen“, die in Schichten organisiert sind: Eingabeschicht, verborgene Schichten und Ausgabeschicht.
In einem neuronalen Netz nimmt die Eingabeschicht Informationen auf und leitet sie an die verborgenen Schichten weiter. Diese verarbeiten die Informationen durch komplexe Verknüpfungen und Gewichtungen. Schließlich sehen wir Nutzer:innen das Ergebnis, das uns die Ausgabeschicht herausgibt. Neuronale Netze sind besonders nützlich im Einsatz von Sprach- und Bilderkennung, da sie Muster in großen Datenmengen erkennen und daraus lernen können.
Open-Source-Technologie bezieht sich auf Software und Hardware, deren Design und Quellcode öffentlich und frei zugänglich sind. Das bedeutet, dass jeder die Technologie einsehen, nutzen, verändern und weitergeben kann. Durch dieses System besteht Transparenz, Zusammenarbeit sowie Innovation. Es findet deshalb vor allem in der Entwicklung Verwendung, da gemeinsam an Projekten gearbeitet werden kann. Der offene Charakter ermöglicht es, Sicherheitslücken schneller zu identifizieren und zu beheben, da viele Augen den Code überprüfen. Die Open-Source-Technologie wird zum Beispiel in Betriebssystemen (z. B. Linux) verwendet, um diese kontinuierlich weiterzuentwickeln.
Weiterführende Informationen:
- Digital Plus-Projekt Eignungsprüfung eines Open Source ERP-Systems des Mittelstand-Digital Zentrums Hamburg
- Plattform Open-Source-Plattform PAUL des Mittelstand-Digital Zentrums Kaiserslautern
- Artikel Automatisierte Tourenplanung mit Open-Source-Modulen des Mittelstand-Digital Zentrums WertNetzWerke
Ein Point-of-Sale-Terminal (POS-Terminal) ermöglicht stationären Händlern die Akzeptanz von Zahlungen mit Kredit- und Debitkarten oder per Smartphone. Damit das kontaktlose Bezahlen möglich ist, müssen die Zahlungskarte bzw. das Smartphone und das POS-Terminal über die NFC-Technik verfügen. Karten und Geräte, die das kontaktlose Bezahlen unterstützen, sind mit einem Funk-Symbol gekennzeichnet (ähnlich dem WLAN-Symbol).
Weiterführende Informationen:
Die Produktionsplanung und -steuerung (PPS) ist ein wesentlicher Teilbereich des Produktionsmanagements, der sicherstellt, dass alle Produktionsprozesse hinsichtlich Terminen und Kapazitäten effizient und reibungslos ablaufen. Die Produktionsplanung befasst sich mit der Festlegung von Produktionsprogrammen, der Planung von Ressourcen, der Einteilung von Arbeitsvorgängen und der Sicherstellung der Materialverfügbarkeit. Die Produktionssteuerung hingegen überwacht und regelt die Umsetzung dieser Pläne in der laufenden Produktion und passt diese gegebenenfalls bei Abweichungen kontinuierlich an. Durch eine effektive PPS können Unternehmen ihre Ressourcen optimal nutzen, Produktionskosten senken und die Lieferzeiten verkürzen sowie Termine einhalten.
Weiterführende Informationen:
- Artikel Wie Sie Ihre Produktionsplanung und -steuerung ökologisch nachhaltiger gestalten können des Mittelstand-Digital Zentrums Augsburg
Reinforcement Learning (RL) ist ein Teilbereich des Maschinellen Lernens. Auf Deutsch wird es auch als Bestärkendes oder Verstärkendes Lernen bezeichnet. Ein sogenannter Agent lernt hier durch Versuch und Irrtum. In einer Umgebung, in aller Regel eine Simulationsumgebung, führt dieser Agent Aktionen aus und erhält Feedback in Form von Belohnungen oder Bestrafungen. Auch die Integration mehrerer dezentraler Agenten in ein Multi-Agenten-System ist möglich. Das Ziel besteht darin, eine Strategie zu erlernen und dabei immer die Belohnungen zu maximieren.
Zur Optimierung der Strategie ist Wiederholung nötig. Durch mehrfaches Ausprobieren und Anpassen lernt der Agent, welche Aktionen Belohnung oder Bestrafung hervorrufen. RL wird in vielen Bereichen eingesetzt, darunter Robotik, autonome Fahrzeuge oder auch Produktionsplanung und -steuerung.
Im nachfolgenden Video erklärt unsere KI-Expertin Saskia Hutschenreiter die wichtigsten Begriffe zum Reinforcement Learning und welche Potenziale sowie Grenzen es für den Einsatz in der Robotik gibt.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Weiterführende Informationen:
- KI-Tutorial Intelligente Steuerung des Mittelstand-Digital Zentrums Augsburg
- Leitfaden Reinforcement Learning des Mittelstand-Digital Zentrums Augsburg
- Information Reinforcement Learning in Produktionssystemen des Mittelstand-Digital Zentrums Chemnitz
Das Remanufacturing (dt: Wiederaufbereitung) ist der Prozess, bei dem ein gebrauchtes Produkt durch den Austausch oder die Aufbereitung von Bauteilen in einen neuwertigen Zustand versetzt wird. Das geht in fünf Schritten: Demontage, Reinigung, Prüfung und Sortierung, Austausch und/oder Aufarbeitung sowie Montage zum funktionsfähigen Produkt.
Für die Wiederaufbereitung müssen Produkte bis zu einem gewissen Grad demontierbar sein. Je nach Zustand der Komponenten sind verschiedene Nachbearbeitungsschritte (Fräsen etc.) oder das Ersetzen von Bauteilen erforderlich.
Weiterführende Informationen:
Eine resiliente Lieferkette hat die Fähigkeit, angesichts von Veränderungen fortzubestehen, sich anzupassen oder sich zu transformieren. Ihre Widerstands- und Wiederherstellungsfähigkeit bedeutet, dass sie Störungen in der Lieferkette abfedern und die Auswirkungen stark begrenzen kann.
Störfaktoren und Unterbrechungen können beispielsweise durch weltweite Katastrophen (z. B. Pandemien), ein kaum vorhersehbares Handels- und politisches Klima, unerwarteten Wettbewerb, plötzliche Markttrends oder verändertes Kaufverhalten entstehen. Ziel vieler Unternehmen ist es, die Lieferketten dauerhaft widerstandsfähiger zu gestalten und auf Herausforderungen eines dynamischen Marktes vorbereitet zu sein. Eine Möglichkeit besteht darin, digitale Technologien und KI in Lieferkettenabläufe zu integrieren und bspw. für die Lieferkettenplanung zu nutzen.
Weiterführende Informationen:
- Themenseite Resilienz des Mittelstand-Digital Zentrums Ruhr-OWL
- Blogbeitrag Resiliente Lieferketten: Nachhaltige Transporte sind eine Herausforderung für die Logistik des Fraunhofer IAO
- Artikel Kritische Rohstoffe – Relevanz und Maßnahmen für KMU des Mittelstand-Digital Zentrums Augsburg
Unternehmerische Resilienz ist die Eigenschaft eines Unternehmens, Krisen standzuhalten, Verwerfungen der sozialen, wirtschaftlichen oder politischen Rahmenbedingungen auszuhalten und sich der neuen Realität anzupassen. Auch die Fähigkeit, schnell auf Störungen reagieren zu können, wird unter Resilienz gefasst. Unternehmen, die dahingehend eine hohe Lernfähigkeit entwickeln und immer wieder neue Lösungen für Herausforderungen finden, werden als resilient bezeichnet.
Bereits als 2011 der Begriff „Industrie 4.0“ seinen Ursprung fand, wurde Resilienz – damals in Bezug auf Wettbewerbsfähigkeit kurz nach der Finanzkrise – als ein zentraler Treiber für Digitalisierung mitgedacht.
Weiterführende Informationen:
- Broschüre Resilienz im Kontext von Industrie 4.0 der Plattform Industrie 4.0
- Video Diskussionsrunde zum Thema Resilienz der Fraunhofer-Gesellschaft
- Artikel Resilienz – alles eine Frage der Einstellung? des Mittelstand-Digital Zentrums Ruhr-OWL
- Artikel Resilienz fördern: Starke Teams für langfristigen Erfolg des Mittelstand-Digital Zentrums Zukunftskultur
RFID (radio-frequency identification) zählt zu den weit verbreiteten Identifikationstechniken. Jeder Gegenstand, der mit einem RFID-Transponder ausgestattet ist, kann kontaktlos und eindeutig identifiziert werden. Ein RFID-System besteht aus einem Datenträger und einem Lesegerät. Magnetische oder elektromagnetische Felder dienen der Datenübertragung. Ein Beispiel ist der Skipass, der berührungslos die Drehkreuze an den Liften öffnet.
RFID-Anwendungen in der industriellen Fertigung
Der Einsatz ermöglicht nicht nur Angaben zur Identität, sondern auch zum Bearbeitungszustand des Produkts. Zudem können alle Arbeitsschritte auf dem RFID-Transponder oder in einem zentralen System dokumentiert werden. Hierdurch werden Prozessketten sowie Logistikprozesse kostengünstig beschleunigt, verbessert und transparent.
Weiterführende Information:
- Infoblatt Digitale Identifikation und Überwachung von Werkzeugen und Prüfmitteln mittels RFID-Technologie des Mittelstand 4.0-Kompetenzzentrums Ilmenau
- Praxisbeispiel Hopfen, Malz und Digitales (S.8f) im Themenheft von Mittelstand-Digital
- Onlinekurs RFID des Mittelstand 4.0-Kompetenzzentrums Augsburg
- Artikel Radiofrequenz-Identifikation RFID / RFID-Transponder des Mittelstand-Digital Zentrums WertNetzWerke
- Information RFID- / NFC-Technologie des Mittelstand-Digital Zentrums Saarbrücken
SaaS (Software-as-a-Service) ist eine Cloud-Computing-Lösung. Bei diesem Geschäftsmodell wird die Software als Dienstleistung bereitgestellt. Anstatt sie lokal auf dem Gerät zu installieren, bezahlen Nutzer:innen ein Abonnement, um über das Internet Zugriff zu erlangen. Anbieter hingegen hosten die Software und kümmern sich um dessen Infrastruktur, Wartung und mögliche Updates.
Dieses Modell bietet für beide Seiten Vorteile. Unternehmen, die SaaS anbieten, profitieren von wiederkehrenden Einnahmen, wodurch sie ihre Software kontinuierlich verbessern und aktualisieren können. Kund:innen hingegen haben den Vorteil, immer auf die neueste Version der Software zugreifen zu können, ohne zusätzliche Kosten. Zudem ermöglicht SaaS eine einfache Zusammenarbeit und den Zugriff von überall, was besonders in der heutigen, vernetzten Arbeitswelt von Nutzen ist. Beispiele für SaaS-Dienste sind Dropbox oder Zoom.
Weiterführende Informationen:
- Flyer As a Service Modelle des Mittelstand-Digital Zentrums Berlin
- Artikel In einer analogen Druckbranche zum digitalen Geschäftsmodell – ein Printunternehmen stellt sich zukunftsfähig auf des Mittelstand-Digital Zentrums Augsburg
- Artikel Cloud Computing: Wenn die Leistung nicht mehr im PC vor einem steckt des Mittelstand-Digital Zentrums WertNetzWerke
Die „Schlanke Produktion“ (engl. Lean Production) betrifft als Teil des Lean Managements die Optimierung der Produktion. Dabei geht es vor allem darum, verschiedene Produktionsfaktoren im Rahmen sämtlicher Unternehmensaktivitäten sparsam und effizient einzusetzen. Diese Faktoren umfassen beispielsweise Betriebsmittel, Werkstoffe, Personal, Organisation und Planung.
Das Ziel der schlanken Produktion ist es, die Prozesse in einer Produktion wirtschaftlicher zu gestalten, indem Verschwendung vermieden wird und dadurch bei gleichem Einsatz von Produktionsfaktoren mehr Wertschöpfung bewerkstelligt werden kann. Verschwendung kann beispielsweise in Form von Überproduktion, langen Durchlaufzeiten und fehlerhafter Produktion auftreten. Mit dem Lean-Konzept soll die Qualität der Produkte verbessert, die Flexibilität gesteigert und schnell auf neue Kundenbedürfnisse reagiert werden.
Weiterführende Informationen:
- Artikel Was verbirgt sich hinter den Begriffen Lean Production und -Management? der Mittelstand Nachrichten
- Information Lean Production des Mittelstand-Digital Zentrums Hannover
Sektorenkopplung bezeichnet die Vernetzung der Sektoren Elektrizität, Wärme- bzw. Kälteversorgung, Gebäude, Verkehr und Industrie. Statt sich wie bisher meist auf Lösungsansätze zu fokussieren, die auf Einzelsektoren zugeschnitten sind, wird eine ganzheitliche Betrachtung aller Sektoren angestrebt, die ein besseres und günstigeres Gesamtsystem ermöglicht.
Für die Energiewende spielt die Sektorenkopplung eine tragende Rolle: Die technischen Anlagen, Infrastrukturen und Märkte der verschiedenen Sektoren sollen stärker aufeinander abgestimmt werden, um so ein flächendeckendes, intelligentes Energiesystem zu etablieren. Mithilfe verschiedener Technologien wird also die Energieverteilung über diese Sektoren gemeinsam optimiert, um die Dekarbonisierung in allen Sektoren voranzubringen.
Weiterführende Informationen:
- Artikel Sektorenkopplung: Wasserstoff, Wärmenetze, E-Mobilität des Fraunhofer IEE
Unter Sensorik wird die Anwendung von Sensoren zur Messung und Erfassung von Systemzuständen (z. B. Temperatur, Lautstärke, Geschwindigkeit) an Geräten oder anderen Objekten verstanden. Die Sensorik ist die Grundlage für verschiedene Anwendungen: Vernetzte Maschinen können sich selbstständig und intelligent steuern, indem sie durch die Sensorik Rückmeldungen über veränderte Systemzustände erfahren. Die von der Sensorik erfassten Daten können auch die Grundlage für Datenanalyse-Anwendungen, wie vorausschauende Wartung (engl. Predictive Maintenance), sein.
Weiterführende Informationen:
- Praxisbeispiel Retrofit-Sensorik für den textilen Veredelungsprozess des Mittelstand 4.0-Kompetenzzentrums Textil vernetzt
- Erklärvideo Instore-Sensorik: Kund:innen besser verstehen und Prozesse optimieren des Mittelstand-Digital Zentrums Handel
- Praxisprojekt Mit digitaler Sensorik zur nachhaltigen Produktion des Mittelstand-Digital Zentrums Darmstadt
- Praxisbeispiel Intelligente Bremsbeläge durch Sensorintegration des Mittelstand 4.0-Kompetenzzentrums Darmstadt
- Erklärvideo zur Nachrüstung (Retrofit) von Bestandsmaschinen des Mittelstand 4.0-Kompetenzzentrums Ilmenau
- Artikel Sensorik – Ohne Daten nichts los des Mittelstand-Digital Zentrums Schleswig-Holstein
Nachhaltigkeit wird als die Handlungen von Organisationen und Einzelpersonen der Gegenwart bezeichnet, welche die Handlungen zukünftiger Generationen nicht einschränken. Dabei werden die Ebenen Ökonomie, Ökologie und Soziales betrachtet.
Bei der sozialen Nachhaltigkeit rückt der Mensch in den Mittelpunkt. In diesem Bereich werden die Aspekte betrachtet, welche die Menschen direkt betreffen, wie z. B. Bildung, Gesundheit und Menschenwürde. Sie ist eine der drei Nachhaltigkeitssäulen, die eine stabil und wirksam nachhaltige Gesellschaft garantiert. Es geht darum, die positiven und negativen Auswirkungen von Unternehmen auf die Menschen zu ermitteln und zu steuern.
Weiterführende Informationen:
- Broschüre Sozial nachhaltig handeln – Angebote und Orientierungshilfen für kleine und mittlere Unternehmen der Mittelstand-Digital Zentren Deutschlandweit
- Leitfaden Soziale Nachhaltigkeit in kleinen und mittleren Unternehmen des Mittelstand-Digital Zentrums Zukunftskultur
- Artikel Soziale Nachhaltigkeit in Ihrem Unternehmen des Mittelstand-Digital Zentrums Ruhr-OWL
Technische Sauberkeit spielt bei vielen Produktionsschritten eine wichtige Rolle, da Verschmutzungen Prozesse stören und die Produktqualität mindern können. Beispielsweise können sich Partikel auf einem Bauteil befinden, die bei einer Schweißung mit einem anderen Bauteil eingeschlossen werden und die Schweißverbindung schwächen.
Durch Reinigungsverfahren, wie beispielsweise die Vakuum- oder Ultraschallreinigung, können diese Verschmutzungen entfernt werden. Die Auswahl des geeigneten Verfahrens hängt jedoch von mehreren Faktoren ab. Wichtig ist dabei, dass nur das notwendige Maß an Sauberkeit erreicht wird. Ein übersteigertes Maß an Sauberkeit führt meist nicht zu einer Verbesserung, steigert aber die Kosten.
Diese Auswahl wird in der Regel von Spezialist:innen durchgeführt. Da dies zeit- und kostenintensiv ist, kann der Einsatz von KI Abhilfe schaffen. Unser Experte Simon Berger erklärt Ihnen im nachfolgenden Video, wie ein KI-System für eine solche Auswahl aufgebaut sein muss.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Im Kontext der elektronischen Rechnungsabwicklung sollen Steuerprüfende mit Hilfe einer Verfahrensdokumentation in die Lage versetzt werden, die organischen und technischen Abläufe der Rechnungsverarbeitung sowie die der elektronischen Belegarchivierung innerhalb eines Unternehmens in angemessener Zeit zu verstehen.
Weiterführende Informationen:
- Artikel Einsatz der Verfahrensdokumentation bei elektronischen Rechnungen des Mittelstand 4.0-Kompetenzzentrums Augsburg
Virtual Reality (dt.: virtuelle Realität) ist eine vom Computer simulierte, virtuelle Wirklichkeit. Dabei tauchen Nutzer:innen mit technischen Hilfsmitteln in eine andere Umgebung ein, welche durch Bild, Ton und Interaktionsmöglichkeiten erzeugt wird. Meist werden dafür Head-Mounted Displays (HMD), wie VR-Brillen, verwendet. Bereits seit den 1990er Jahren werden auch spezielle Räume mit Großbildleinwänden (CAVE-Räume), häufig im Forschungs- und Entwicklungsbereich, genutzt.
Ziel der virtuellen Realität ist es, Nutzer:innen eine möglichst immersive Erfahrung zu bieten, sodass sie das Gefühl haben in einer anderen Welt zu sein und sich dort zu bewegen. Durch verschiedene Tracking-Technologien werden die eigenen Bewegungen in die virtuelle Umgebung übertragen, um so ein möglichst realistisches Erlebnis zu schaffen.
In der Industrie wird VR beispielsweise für die Entwicklung und Planung von Maschinen, Produkten oder ganzen Anlagen sowie für die Wartung eingesetzt. Weitere Anwendungsgebiete reichen von Gaming über medizinische Simulationen sowie Bildung, Therapie bis hin zu Architektur und Design.
Weiterführende Informationen:
- Publikation Einstieg in Augmented und Virtual Reality für KMU des Mittelstand-Digital Zentrums Rheinland
- Artikel VR- und AR-Anwendungen in der Produktion des Mittelstand-Digital Zentrums WertNetzWerke
- Praxisprojekte Virtual Reality des Mittelstand-Digital Zentrums Bau
Wissensmanagement fasst alle strategischen und operativen Tätigkeiten sowie Managementaufgaben zusammen, die einen bestmöglichen Umgang mit Wissen zum Ziel haben. Wissensmanagement ist das Erzeugen, Speichern, Verteilen und Anwenden von Wissen im Unternehmen und umfasst damit alle Methoden, Instrumente und Werkzeuge, die dieses Wissen systematisieren, gezielt allen Mitarbeitenden zur Verfügung stellen und so helfen, Prozesse zu verbessern und Unternehmensziele zu erreichen.
Ein Wissensmanagement-System bezieht sich auf die Art und Weise wie Informationen erfasst und organisiert werden. Damit kann auch die Software für das systematische Wissensmanagement bezeichnet werden. Bestandteile können zum Beispiel Anleitungen und Tutorials, häufig gestellte Fragen (FAQ), Foren zum Wissensaustausch, Informationsdatenbanken oder auch Schulungsprogramme sein.
Wichtig ist, dass das System gut durchdacht aufgebaut wird – also Informationen verständlich und übersichtlich aufbereitet sowie in einer sinnvollen Struktur abgelegt werden. Eine einfache Navigation, gute Suchfunktion und intuitive Bedienbarkeit sind zentral.
Weiterführende Informationen:
- Artikel Mit Wissensmanagement Know-how im Unternehmen sichern des Mittelstand-Digital Zentrums Augsburg
- Information Wissensmanagement neu gedacht: Mit KI Effizienz steigern und Wissen bewahren des Mittelstand-Digital Zentrums Berlin
- Broschüre Ressource Wissen richtig nutzen: Durch Wissensmanagement zur Förderung einer lernenden Organisation des Mittelstand 4.0-Kompetenzzentrums Hannover
- Praxisbeispiel Effizienz durch Wissensmanagement in der Blechverarbeitung des Mittelstand 4.0-Kompetenzzentrums Chemnitz
- Flyer Wissensmanagement im Mittelstand des Mittelstand 4.0-Kompetenzzentrums Berlin
- Artikel Ortsunabhängig arbeiten durch digitale und automatisierte Geschäftsprozesse (S. 37 ff) im Mittelstand-Digital Magazin
Der Begriff der zirkulären Wirtschaft (eng. Circular Economy) hat seinen Ursprung in einer Vielzahl von Konzepten wie Cradle-to-Cradle oder Looped and Performance Economy. Im Deutschen wird häufig der Begriff der Kreislaufwirtschaft synonym für das zirkuläre Wirtschaften verwendet. Dieser stammt allerdings aus der Abfallwirtschaft und beschreibt in diesem Kontext die Vermeidung, das Recycling und die Entsorgung von Abfällen – vor allem geht es also um Strategien, die sich auf das End-of-Life von Produkten beziehen.
Der Begriff der zirkulären Wirtschaft ist weiter gefasst: Das Ziel, den Ressourcenverbrauch zu minimieren, wird hier nicht erst am Ende des Lebenszyklus berücksichtigt, sondern bereits vom ersten Tag des Designprozesses an mit betrachtet. Das große Ziel ist, dass das Wirtschaftswachstum und der Wohlstand langfristig nicht mehr von der Entnahme von Ressourcen abhängig sind.
In der unternehmerischen Umsetzung können die Strategien der zirkulären Wirtschaft an verschiedensten Stellen Anwendung finden, sei es im Design- und Produktionsprozess oder in der Konzeptionierung der Serviceleistungen für Kund:innen.
In unseren Infoblättern erfahren Sie, wie sich zirkuläre Strategien im Einklang mit unternehmerischem Erfolg umsetzen lassen und wo die notwendige Verknüpfung zwischen digitaler Transformation, Informationsbereitstellung und Serviceorientierung liegt.
Weiterführende Informationen:
Weitere Angebote
Weitere interessante Themen rund um die Digitalisierung finden Sie auf der Seite von Mittelstand-Digital. Klicken Sie dort auf „Themen“, um zum Lexikon zu gelangen.