Wie lassen sich leistungsstarke Analytics und Open Source miteinander vereinbaren? Diese Frage beantwortet unser Gastautor Alexander Buchwald von der mayato® GmbH. Open Source und kommerzielle Software waren nicht immer die besten Freunde. In Zeiten digitalen Wandels sind jedoch agile Softwareentwicklung und maximale Flexibilität gefragt. Darauf müssen sich Softwarehersteller jeder Couleur
Industrie 4.0
Lenin ist sauer, saurer sogar, als es Bolschewiken-Art ist. „Ich habe Ihre IoT-Blogs gelesen“, sagt er. Und er ist sauer. Noch auf dem SAS Forum in Bonn hatte er unsere Zusammenarbeit gepriesen und den Stellenwert von Datenanalyse und künstlicher Intelligenz hervorgehoben. Auch Lenins Mitarbeiter waren dort gewesen, die Hornbrillen-Dame und
Heute ist alles Daten. Ein Data-Hype jagt den nächsten. Die Empfehlung für weitere Produkte bei einer Online-Bestellung, die Auswertung von Wearables zur Fitnessoptimierung, das Anzeigen der besten Fahrroute – all das basiert auf zuvor gesammelten Informationen und Systemen, die dem Anwender Handlungsoptionen aufzeigen. Schon damals schien es ganz normal, dem
Lenin schaut übellaunig wie ein Bolschewik: „Sherlock? Der hat mit leistungsfähiger künstlicher Intelligenz so wenig zu tun wie mit echter Detektivarbeit! Wir brauchen weder Sherlock noch seinen Doktor!“ Lenin hatte mich zum Challenger Workshop eingeladen. Ein Berater der Accelerator Change & Disruption Consultancy (AC&DC) bat nach kurzem Impulsvortrag (Change! Disruption!)
„Für mich heißt Internet of Things, dass hier alles rotiert wie in einem Wäschetümmler und es weder Durcheinander noch Stillstand gibt.“ Frau Dönmek hatte Lenin und mich am Werkstor in Cedorf abgeholt und uns gleich in die Halle zu ihrer Anlage geführt: „Wir arbeiten an der Kapazitätsgrenze. Was wir wegen
Lenin hebt sein Glas: „Auf unsere digitalisierte Service-Flotte und das zehnte angebundene Werk!“ Ich proste zurück: „Auf Ihren neuen Job!“ – „Ach, ich mache das Gleiche wie vorher: Machine Learning – insbesondere für das Internet of Things …“ Der Kellner unterbricht: „Wer wollte noch Thunfisch-Nigiri?“ – „Internet of Thunfisch“, lacht
Wie wäre es, wenn Sie Anomalien in der Lieferkette automatisch erkennen oder vorhersagen könnten? Wenn Sie also die Chance bekämen, rechtzeitig Korrekturmaßnahmen zu ergreifen und so Umsatz, Margen und Kundenzufriedenheit zu steigern? Die Planung einer Supply Chain kann sehr komplex sein. Von der Planung und Beschaffung über die Fertigung bis
Sie glauben, dass Machine Learning die Rolle von Nachfrageplanern komplett ersetzen kann? Dann lesen Sie diesen Beitrag besser nicht. Wenn Sie jedoch der Ansicht sind, dass maschinelles Lernen den Planungsprozess automatisieren kann, so dass Nachfrageplaner effizienter arbeiten können, dann stimme ich Ihnen voll und ganz zu! Intelligente Automatisierungstechniken sind quasi
Analytics braucht große Ressourcen? Das muss nicht sein. Und es darf auch nicht sein, wenn es um die Auswertung von Daten direkt an dem Ort, an dem sie entstehen, geht. Autonome Fahrzeuge, Fräsmaschinen oder Sensoren in Fußballschuhen sind nur einige Beispiele, wo „Edge Analytics“ benötigt wird, um eine „Funktion 2.0“
„Hab‘ mich lang nicht hören lassen“, entschuldigt sich Lenin völlig unbolschewistisch. „Der Rote Rapper, - Sie wissen schon, so wird unser Service-Manager genannt -, hat mich in Atem gehalten mit seinen Reimen: Cloud connect, nix perfekt ... Jedenfalls setzen wir Eure Software nun in der Cloud und at the Edge