Damit Machine Learning-Projekte zum Erfolg werden, müssen einige Hürden überwunden werden. Sie können beispielsweise schon an der Datengrundlage scheitern. Damit dies nicht geschieht, hat Stanislav Appelganz von WaveAccess ein paar Tipps zusammengestellt.
(Bild: ©NicoElNino/stock.adobe.com)
Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning erkennen IT-Systeme Muster und Zusammenhänge aus Daten und lernen daraus. Klassische Anwendungsfälle sind etwa die Bearbeitung von Kundenanfragen oder die Erkennung von Störfällen. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu. Die Implementierung von Machine Learning bringt aber auch Herausforderungen mit sich – darunter fallen beispielsweise die Datenaufbereitung, die Bereitstellung des Konzepts oder die Schätzung des ROI. Für die Umsetzung werden daher interne und externe Experten und Partner, Projekterfahrung sowie eine realistische Zielsetzung benötigt. Auch externe Partner können helfen. Fertiger können von ML auch in den Bereichen Asset Management, Supply Chain Management sowie der Lagerhaltung profitieren. Im Fokus stehen etwa Bedarfsprognosen, die automatische Bestandskontrolle und die Optimierung der Beschaffungsverfahren.
ML-Projekte scheitern oftmals an der Qualität der vorhandenen Daten. Eine ideale Datenbasis ist groß – mit 10.000 bis 100.000 Fakten – korrekt, hinreichend umfassend und sachgerecht gekennzeichnet. Dieser Idealzustand ist in der Praxis nur selten vorhanden, es gibt jedoch Maßnahmen diesen zu erreichen.
Mit der Erstellung eines Pilotprojekts kann die Technologie getestet und somit das Potenzial für Anwendungen und Aufgaben besser verstanden werden. ML-Projekte sollten daher immer zunächst als Proof of Concept angegangen werden. Dabei geht es um Fragen wie: Welche Daten repräsentieren oder beeinträchtigen die Zusammenhänge am besten oder welche Trefferquote ist mit dem Modell erreichbar und wie kann sie verbessert werden? Zudem kommt ein Prototyp mit anonymisierten Datenquellen aus – sprich ohne die Weitergabe sensibler Daten an den Technologiepartner.
Die aktuelle Innovationserhebung des ZEW zeigt, dass die Ausgaben in diesem Segment 2024 einen neuen Höchststand erreicht haben. Der Dienstleistungssektor verzeichnet dabei größere Wachstumsraten als die Industrie.‣ weiterlesen
Die Eclipse Foundation unterstützt weltweit Entwickler und Organisationen im Bereich Open Source Software. Ende Oktober traf sich die Community in Mainz zur Konferenz Open Community Experience (OCX). Unser Redakteur Marco Steber (IT&Production/INDUSTRIE 4.0 & IIoT-MAGAZIN) war ebenfalls vor Ort und sprach mit Mike Milinkovich, Executive Director der Eclipse Foundation, über Möglichkeiten und Herausforderungen im Bereich Open Source Software - in der Industrie und auch darüber hinaus.‣ weiterlesen
Innovationsführerschaft und Wettbewerbsfähigkeit sind entscheidende Faktoren für den Erfolg eines Unternehmens. Die Kooperation mit Startups kann etablierte Unternehmen dabei unterstützen Innovationszyklen zu beschleunigen, neue Geschäftsmodelle zu etablieren oder Prozesse im Unternehmen effizienter zu gestalten. Das Venture-Client-Modell ist eine vergleichsweise neue Form der Zusammenarbeit mit Startups, und erweist sich als effektiver und effizienter als andere Corporate Venturing Modelle.‣ weiterlesen
Eine neue Studie des Capgemini Research Institute geht der Frage nach, wie es um Nachhaltigkeit bei der Nutzung generativer KI (GenAI) steht. Der Studie ‘Developing sustainable Gen AI’ zufolge hat GenAI erhebliche und zunehmende negative Auswirkungen auf die Umwelt.‣ weiterlesen
Ist die Industrie 4.0 eine Revolution? Aus Sicht des Fraunhofer Instituts für System - und Innovationsforschnung lautet die Antwort: nein. Die Forschenden kommen in ihrer Veröffentlichung zu dem Schluss, dass sich eher von einer Evolution sprechen lasse.‣ weiterlesen
Laut einer repräsentativen Umfrage des Bitkom nimmt die digitale Abhängigkeit der deutschen Wirtschaft zu. Mit Blick auf die USA und China stellt dies die Unternehmen vor Herausforderungen.‣ weiterlesen