Banner-small-daten-industrie

Industrie 4.0

Datenanalysen für die vierte industrielle Revolution, bspw. proaktive Wartung von Produktionsressourcen oder die Identifikation von Anomalien in Prozessen.

Banner-small-daten-cities

Smart Cities

Untersuchung datengetriebener Aspekter städtischen Lebens, bspw. der Verkehrssteuerung, der Müllentsorgung oder der Katastrophenbewältigung.

Banner-small-daten-grid

Energie

Bedarfsgesteuerte Optimierung von Verbrauchsmodellen, basierend auf Daten intelligenter Stromzähler, ist ein Beispiel unserer Energie-Analysethemen.

Banner-small-daten-healthcare

Medizin

Datengetriebene Aspekte der Medizin werden untersucht, bspw. die bedarfsgerechte Pflege von Patienten oder IT-gesteuerte Medizintechnik.

Banner-small-daten-cities

Smart Infrastructure

Untersuchung datengetriebener Aspekter städtischen Lebens, bspw. der Verkehrssteuerung, der Müllentsorgung oder der Katastrophenbewältigung, bedarfsgesteuerte Optimierung von Verbrauchsmodellen, basierend auf Daten intelligenter Stromzähler.

Aktuelle Projekte

  • dws_logo_grey

    Risk Management 4.0 - Risikoanalyse von Investmentvermögen

    Die Kernidee des Forschungskooperationsprojektes “Risk Management 4.0” ist die explorative Analyse hinsichtlich der Möglichkeit des maschinellen Lernens zur vorausschauenden kausalen Analyse von Risikofaktoren über Investmentportfolien hinweg. Ziel ist es ein automatisiertes Frühwarnsystem zur Identifikation wesentlicher Risikofaktoren und der kausalen Analyse ihrer Auswirkungen über mehrere Wertpapiere und Investmentvermögen hinweg zu entwickeln. Dieses Frühwarnsystem soll Risikomanager bei der täglichen Detailanalyse und Kommunikation der Risikotreiber mit den Portfoliomanagern, Kunden und dem Regulator unterstützen.

    Lesen Sie mehr

  • SDSC-BW: Smarte Versandvolumenvorhersage mit KI-Modellen

    Statt intuitiv mit künstlicher Intelligenz die Versandvolumen vorhersagen, haben sich die Smart Data-Experten des SDSC-BW gemeinsam mit dem Logistik- und Transportunternehmen LGI vorgenommen. Getestet wurden verschiedene Algorithmen zu täglichen, wöchentlichen und monatlichen Vorhersagen, die einer Vergleichsanalyse unterzogen wurden um das beste Modell zu finden. Die komplexen Modelle des SDSC-BW konnten sich in der Vergleichsanalyse gegenüber den herkömmlichen Verfahren beweisen und überzeugen.

    Lesen Sie mehr

  • SDSC-BW: Mit Smart-Data-Analysen verunreinigte Tankfüllstände frühzeitig erkennen

    Durch smarte Software-Lösungen können Tankfüllstände überwacht und Lagertanks vor Leerlauf oder Überfüllung geschützt werden. Dazu müssen viele verschiedene Sensordaten wie zum Beispiel Füllstand, Temperatur und Druck (Dichte) aufgenommen werden. Auf diese intelligenten Systemlösungen für Parkraum-, Tankstellen- und Tankinhalts-Management hat sich die Hectronic GmbH spezialisiert. Das SDSC-BW hat nun auf Basis der von Hectronic bereitgestellten Sensordaten verschiedner Füllmedien eine Potentialanalyse durchgeführt und eine Methode entwickelt, Verunreinigungen in Lagertanks frühstmöglich zu erkennen.

    Lesen Sie mehr

  • SDSC-BW: Vorausschauend die Energieeffizienz steigern

    Luft benötigt für seine Kompression einen hohen Energieaufwand – die Energieeffizienz der dafür erbauten Druckluftsysteme zu verbessern ist ein großes Anliegen des Unternehmens Mader, Hersteller von Druckluftsystemen. Mit der Unterstützung vom SDSC-BW hat das Unternehmen anhand von Smart Data- Analysen seine Daten auf bislang unerkannte Muster untersucht.

    Lesen Sie mehr

  • kit-logo

    Bedarfsanalyse für energetische Baumaßnahmen auf Basis historischer Infrastrukturdaten

    Das KIT-FM (Facility Management) hat über mehrere Jahre Daten gesammelt, die von einem immensen Wert sind: einerseits für die Betriebsführung und andererseits für die Planung sowie Durchführung zukünftiger Infrastrukturentwicklung. Diese Daten sind auch für die Forschung von hohem Interesse.Zum einen soll untersucht werden, wie aus den bestehenden Infrastrukturdaten mit Smart-Data-Methoden präzisere Aussagen für Betriebsführung und Infrastrukturplanung getroffen werden können. Zum anderen soll die Nutzbarkeit der Daten für Projekte im Bereich Forschung und Innovation vorangetrieben werden.

    Lesen Sie mehr