Beiträge

DATANOMIQ mit Keynote auf dem Data Leader Day 2017

Besuchen Sie das Entscheider-Event in Berlin am 09.11.2017

Der Data Leader Day am 09.11.2017 gilt mittlerweile als Pflichttermin für die Entscheider und alle Interessenten mit Digitalisierungsbezug. Unter dem Motto „Meet the Tech Elite“ gewähren Spitzenkräfte von namhaften Unternehmen den Teilnehmern aus der gesamten DACH-Region einzigartige Einblicke in die Welt der datengetriebenen Anwendungen und Möglichkeiten. Zu den Speakern gehören u.a. Dr. Michael Müller Wünsch (CIO, Otto), Dr. Eberhard Kurz (CIO, Deutsche Bahn), Helen Arnold (President, SAP), Conrad Pozsgai (Geschäftsführer, Payback), uvm.

Benjamin Aunkofer, Chief Data Scientist von DATANOMIQ wird mit einer Keynote zum Thema „Wie Sie für Ihr Unternehmen die richtige Datenstrategie entwickeln“ die Konferenz einführen. Lernen Sie von den Data Leadern und haben Sie eine tolle Zeit im exklusiven Ambiente des Spreespeichers! Lassen Sie sich dieses Event nicht entgehen.

Interesse am Data Leader Day 2017 teilzunehmen? Weitere Informationen zum Programm und Anmeldung unter www.dataleaderday.com

Erfahren Sie hier – mit nur einem Klick – mehr über die Vorgehensweise unserer Datenstrategie-Entwicklung für Ihr Unternehmen.

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Lösungs- und Service-Partner für Business Analytics, Data Science und Industrie 4.0. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette – maßgeschneidert für Ihre Anforderungen. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio in unserer Branche.

Kontakt

DATANOMIQ GmbH
Leipziger Straße 96-98
D-10117 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de

Datenstrategie – Von Rohdaten zur umsetzbaren Datennutzung

Big Data spielt bereits heute in nahezu allen Branchen eine entscheidende Rolle und ist ein elementarer Ergebnisfaktor geworden. Dennoch verfügen nur wenige Unternehmen über eine ausgereifte Datenstrategie, um daraus datengetriebene Geschäftsmodelle und Ertragsfelder zu erschließen, schlankere Prozesse oder einfach nur eine neue Form von Datentransparenz zu erreichen. Viele Manager verfallen hierbei in unkontrollierten Aktionismus. Die Folge: Ohne Datenstrategie würde man den Erfolg der eingeleiteten Maßnahmen einfach dem Zufall überlassen. Es gilt somit, den richtigen Datenkurs zu bestimmen und die besten Anwendungen konkret zu identifizieren, um den Anschluss im Wettbewerb nicht zu verlieren. Eine klare und durchdachte Strategie liefert eindeutige Antworten auf datenbezogene Fragen, u.a.

  • Wo verfügen wir über nutzbare Daten und wie können wir die Datenlücke schließen?
  • Welche werthaltigen Datenprodukte können wir daraus generieren?
  • Wie können wir mit Big Data unser bestehendes Geschäft messbar verbessern?
  • Welche Daten-Projekte macht unser Wettbewerb?
  • Welches datengetriebene Geschäftsmodell passt zu uns?
  • Was sind die daraus resultierenden Chancen und Risiken?
  • Wie setzen wir es am besten um?
  • Welchen Return on Investment können wir erwarten?
  • Welche Methoden, Technologien und Ressourcen werden benötigt?

DATANOMIQ liefert die Fakten zu diesen Fragestellungen und bringt als Spezialist im Data Science Markt beste Voraussetzungen mit, um Datenstrategien zu entwickeln, die echte Werte schaffen. Darüber hinaus verfügen wir als Gründer des deutschen Digitalisierung- und Vernetzungs-Verbandes Connected Industry e.V. einen einzigartigen Einblick in die Datenstrategien führender Unternehmen und greifbare Erfahrungen. Klassischen Beratungen fehlt dafür zumeist das notwendige Big Data Know-How, so dass es oftmals bei einem nicht umsetzbaren Strategiepapier bleibt. IT-Beratungen und Softwarefirmen mangelt es demgegenüber am funktionellen Verständnis. Damit werden häufig IT-Lösungen ohne geschäftlichen Nutzen implementiert.

Erfahren Sie hier – mit nur einem Klick – mehr über die Vorgehensweise unserer Datenstrategie-Entwicklung für Ihr Unternehmen.

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Lösungs- und Service-Partner für Business Analytics, Data Science und Industrie 4.0. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette – maßgeschneidert für Ihre Anforderungen. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio in unserer Branche.

Kontakt

DATANOMIQ GmbH
Leipziger Straße 96-98
D-10117 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de

 

Data Leader Workshop

Big Data ist bereits heute für eine Vielzahl von Unternehmen unverzichtbar geworden. Dennoch wird lediglich ein Bruchteil der Möglichkeiten genutzt, um daraus datengetriebene Geschäftsmodelle, schlankere Prozesse oder einfach nur eine neue Form von Datentransparenz zu erreichen. Es gilt, den richtigen Datenkurs zu bestimmen und die besten Anwendungen konkret zu identifizieren. Klassischen Beratungen fehlt dafür das notwendige Big Data Know-How. Oftmals bleibt es bei einem nicht umsetzbaren Strategiepapier. IT-Beratungen und Softwarefirmen mangelt es demgegenüber am funktionellen Verständnis. Damit werden häufig IT-Lösungen ohne geschäftlichen Nutzen implementiert.

DATANOMIQ ist im Spannungsfeld zwischen Business und operativer Datenebene tätig und verbindet ausgeprägtes Verständnis für Data Science mit der Professionalität klassischer Unternehmensberatungen. Um das Thema Big Data individuell für Ihr Unternehmen anzugehen, haben wir ein innovatives Workshop-Format entwickelt, das ohne Umwege zum Ziel führt:

Data Leader Mindset – Einführung in Data Driven Thinking

Über eine Kombination aus Kurz-Vorträgen und interaktiven Reflektionsrunden mit Ihnen bzw. Ihren Mitarbeitern erfahren Sie:

  • Welche Use Cases in Ihrem Marktumfeld umgesetzt werden bzw. wettbewerbsrelevant sind,
  • welche Anwendungsfälle höchste Priorität für Ihr Unternehmen haben,
  • wie der Umsetzungsfahrplan und Funktionsbauplan konkret aussehen,
  • welche Wertbeiträge dabei realisiert werden,
  • wie ein erster Prototyp entwickelt wird.

Zudem erhalten die Teilnehmer einen fundierten Einblick in die Methoden und Arbeitspraktiken des Design Thinkings und erleben dabei das Gestalten von Innovationsräumen, sowie das Anwenden eines nutzerorientierten Gestaltungsprozesses. Die konzeptionelle Expertise aus einer Vielzahl von Big Data-Projekten, der Zugang zur Spitze der deutschen Digitalwirtschaft und unsere originären Kompetenzfelder rund um Data Science, Data Engineering und Themen wie Datensicherheit und Datenschutz machen DATANOMIQ dabei zum ersten Ansprechpartner.

Zu unseren Seminaren und Workshops kommen Sie hier: DATANOMIQ Seminare & Workshops für Kaufleute und Techniker

Big Data in der Energiewirtschaft

Innovative Lösungen und neue Geschäftsmodelle durch Smart Metering Analytics

Benjamin Aunkofer, Chief Data Scientist, DATANOMIQ

Einleitung

Mit der Einführung des intelligenten Stromzählers, der sog. Smart Meter sowie dem Vormarsch der Sensortechnologie in der Energiewirtschaft wird das Datenvolumen in den kommenden Jahren exponentiell zunehmen. So sollen bis 2020 nach Plänen der EU bis zu 80 % der Haushalte in der EU mit Smart Metern ausgestattet sein. Smart Meter übertragen viermal pro Stunde Verbrauchsdaten an Messstellen und werden für autorisierte Marktteilnehmer verfügbar. Dadurch werden in Deutschland bei 40 Mio. Haushalten über 3,8 Mrd. Datensätze generiert – an nur einem Tag. Und die Verbindung mit Daten aus Social Media und der Austausch von Geräten untereinander bringt für die Akteure im Utilities Markt zusätzliche geschäftsrelevante Datenmassen. Daraus entstehen zahlreiche werthaltige Big-Data-Anwendungsfelder, mit denen sich der Energiesektor befassen muss.

Bessere Verbrauchs- und Bedarfsprognosen

Nachfrageprognosen sind für Energieversorger von zentraler Bedeutung, da diese den Strom für die Endabnehmer in großen Tranchen an der Strombörse einkaufen. Mit zunehmender Genauigkeit der Vorhersagen lassen sich Angebot und Nachfrage signifikant anpassen und somit das Risiko sowie unnötige Zusatzkosten für die Versorger deutlich reduzieren. Predictive Analytics ermöglicht Prognosen des Strombedarfs durch stochastische Analysen basierend auf Verbrauchsdaten und externen Daten (z. B. Wetterdaten, Urlaubszeiten, Verbraucherverhalten). Mit modernen Methoden und Technologien lassen sich zudem schädliche Spannungsspitzen vorhersagen. Besonders leistungsfähig wird Predictive Analytics bei Einbeziehung von vielen Daten aus unterschiedlichen Datenquellen, auf die Machine Learning angewendet wird. Dabei wird Wissen künstlich aus Erfahrung generiert. So lernt das künstliche System anhand von Beispielen und kann diese nach Abschluss der Lernphase generalisieren. Anders als deterministische Systeme, sind maschinelle Lernsysteme darauf ausgerichtet, Muster (u.a. Korrelationen Wiederholungen, Auffälligkeiten) zu erkennen und zu vergleichen, um Regeln daraus abzuleiten.

Smarte Lösungen für den Energieverbraucher

Aus den gewonnenen Datenmassen von Smart Metering lassen sich durch Big Data Analytics neue dynamische Vertragsmodelle für zusätzliche Umsätze bei Versorgern schaffen. Die Mobilfunkbranche nutzt derartige innovative Verträge seit vielen Jahren mit großem Erfolg. Zudem kann der Energieversorger unter Berücksichtigung des Verbraucherverhaltens die Energietarife nun individuell gestalten.

Ein stark wachsender Einsatzbereich bildet auch das Aufspüren von unzufriedenen und abwanderungsgefährdeten Kunden. Dabei lassen sich aus Daten unterschiedlichster Vorsysteme mit Hilfe mathematischer Modelle der multiplen logistischen Regression und Entscheidungsbäumen individuelle Abwanderungsrisiken berechnen.

Durch Anreize, wie Rabatte für das Abschalten von Geräten oder die Reduzierung von Höchstverbräuchen und Energieeinsparungen bei schwachen Angebotsphasen entstehen für den Versorger und den Verbraucher Win-win-Situationen. Schließlich ermöglicht Smart Metering Analytics das Aufspüren von Abrechnungsfehlern und damit ein Höchstmaß an Abrechnungsgenauigkeit.

Anhand von Big Data Analysen können dem Energieverbraucher nun auch individuelle Empfehlungen zum Energiesparen an die Hand gegeben werden – eine wichtige Grundlage zur Kundenbindung. Als weiterer Service ist es möglich, den gegenwärtigen Verbrauch mit Vergangenheitswerten und statistischen Durchschnittswerten von vergleichbaren Haushalten bzw. Betrieben zu vergleichen. Auch hier vermag Big Data Analytics diese Vielfalt und Massen an strukturierten und unstrukturierten Daten zu erfassen und in messbare Wertbeiträge verwandeln.

Vorauseilende Wartung von elektrischen Anlagen

Predictive Maintenance ermöglicht die Fehlerfrüher­kennung von elektrischen Anlagen und Komponenten und verhindert einen frühzeitigen Systemaus­fall. Insbesondere sich bewegende bzw. rotierende Kom­ponenten (energieerzeugende Anlagen, Generatoren) sind einem natürlichen Verschleiß ausgesetzt, die bei einem tatsächlichen Ausfall zu Störungen oder Gefahrensituatio­nen führen können. Ebenso lassen sich einzelne Kabel im Hinblick auf die mechanische oder thermische Belastung in den analysieren und der Zustand der Isolierung messen. Die Erfassung von entsprechenden Systempa­rametern und deren Analysen tragen somit dazu entscheidend dazu bei, mögliche Ausfälle vorherzusehen, Wartungsarbeiten für die Ausrüstung zu terminieren und Investitionen in die Kapazitäten besser zu planen. Obgleich die Technik bereits heute in vielen Maschinen und Anlagen so verbaut ist, dass eine Abgabe der Daten an IT-Systeme für weitergehende Analysen möglich wäre, werden derzeit lediglich winzige Mengen des Datenvolumens genutzt – bedeutsame Geschäftsvorteile bleiben hier noch ungenutzt.

Kommerzialisierung von Daten

Die Präzision des Energieverbrauchs durch Smart Metering ermöglicht weit reichende Einblicke in die Lebensgewohnheiten oder betriebliche Zustände der Endverbraucher. Der Energieversorger kann sich so ein umfassendes Bild nicht nur darüber machen, welches Energieverhalten ein Haushalt oder ein Betrieb hat, sondern auch, welche Geräte oder Maschinen der Abnehmer „am Netz“ hat. Diese Potenziale lassen vermuten, dass hier neue Milliarden-Märkte zur kommerziellen Nutzung der Daten entstehen. Der Erfolg digitaler Services auf der Grundlage von Smart Metering Analytics ist bereits in naher Zukunft zu erwarten. Für Datenkonzerne wie Google ist die Kommerzialisierung von Daten das eigentliche Geschäftsmodell. Nun sind vor allem die Energieversorger und Meßdienstleister am Zug, die entsprechenden Services möglichst unter eigener Hand führen zu können. Eine der Herausforderung besteht nun auch darin, die digitalen Services kundenorientiert umzusetzen, gleichzeitig aber zu verhindern, dass reine Datenkonzerne sich zu sehr in der Energiewirtschaft ausbreiten und unkontrolliert Daten abgreifen.

Weitere Anwendungsfelder von Big Data

Die Einsatzmöglichkeiten und Potenziale von Big Data sind aufgrund der gigantischen Datenmengen und der Möglichkeiten zur Verknüpfung mit weiteren Daten nahezu unerschöpflich. Neben den skizzierten Anwendungsfeldern gehört ebenso die Identifikation und kommerzielle Analyse von Datenanomalien zu den weiteren Anwendungsfeldern. Dabei lassen sich Energiediebstahl/-verlusten und Blindleistung wie die Identifikation von gefährdeten oder überlasteten Geräten und Anlagen im Verteilnetz mit speziellen Methoden und neuen Technologien aufspüren. Auch das Kategorisieren, Analy­sieren und Bewerten von Störmeldungen mit Hilfe von Big Data leistet einen hohen Wertbeitrag und trägt zu einer verbesserten Stabilität und Sicherheit von Energienetzen bei. Denkbar wäre zudem, dass über eine digitale Plattform Best Pratice-Verbrauchsmuster von anspruchsvolle Maschinen und Produktionsschritte analysiert und gehandelt werden. Beteiligt sind neben dem Versorger, Verbraucher hier auch Anlagenhersteller, die sowohl als Nutzer als auch als Datenlieferant auftreten können.

Ausblick

Der Handlungsdruck in der Energiebranche steigt permanent – Smart-Metering-Daten sollten daher durch Big-Data-Methoden wirtschaftlich genutzt werden, um sich vom Wettbewerb abzuheben, bevor es andere tun. Die intelligente Datennutzung durch Smart Metering Analytics ist die Chance, um dem massiven Preisdruck zu begegnen. Der eigene Aufbau entsprechender Kompetenzen oder die Zusammenarbeit mit spezialisierten Smart Metering Analytics-Dienstleistern ist alternativlos. Eine vorschnelle Euphorie und zu hoher Sprung in fortgeschrittene Anwendungsfelder überfordert jedoch die gesamte Organisation und bringt nicht die gewünschten Ergebnisse. Mit der gesammelten Erfahrung aus Pilotprojekten und ersten Erfolgsbeispielen gewinnt Smart Metering Analytics schnell an Eigendynamik, so dass im zweiten Schritt größere Projekte in Angriff genommen werden können. Es ist der richtige Zeitpunkt, die Weichen dafür zu stellen.

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Beratungs- und Service-Partner für Business Analytics, Data Science und Data Labs. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio aus der Digitalisierung.

Kontakt

DATANOMIQ GmbH
Leipziger Straße 96-98
D-10117 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de

 

DATANOMIQ in der Fachzeitschrift Antriebstechnik (Ausgabe 06/2016)

Pressemitteilung: DATANOMIQ in der Antriebstechnik (Ausgabe 06/2016)

Volatile Stahlpreise, starker Wettbewerbsdruck sowie die zunehmende zeitliche und
technische Vernetzung zu Lieferanten und Kunden führen zu gewaltigen Heraus­
forderungen in der Antriebstechnik. Aber welchen Beitrag kann Big Data Analytics
leisten, um diese Entwicklungen besser zu beherrschen und wegweisende Erlös
und Ergebnispotenziale zu erschließen?

 

Service 4.0 – die neue Kommerzialisierung von Kundenbedürfnissen

 Berlin/München, Januar 2016: Die zunehmende Digitalisierung lässt sich weder eindämmen, noch lassen sich konventionelle Geschäftsmodelle davor abschotten. Die Entwicklung von datenbasierten Service-Geschäftsmodellen muss somit für viele Industrieunternehmen höchste Priorität haben. Die Verknüpfung der virtuellen und physischen Welt bringt zahllose neue Möglichkeiten hervor, um die Kundenbedürfnisse besser zu befriedigen, neue Umsatzquellen zu erschließen und dem Wettbewerb voraus zu sein.

Datengetriebene Services, die auf den Betriebsdaten der Produkte basieren, könnten schon bald wichtiger werden als das Produkt selbst. Denn Anbieter von Smart Services haben die Beziehung zum Kunden in der Hand und erschließen sich weitere Umsätze mit neuen Geschäftsmodellen. Datengetriebe Services setzen als After-Sales-Geschäft nach dem Verkauf an und verschieben die Grenzen der Wertschöpfung in neue Umsatzdimensionen. Im Service 4.0-Verständnis ist die Kauftransaktion somit erst der Beginn einer gewinnträchtigen und kontinuierlichen Geschäftsbeziehung mit dem Kunden. Der Hersteller kann sein Produkt über den kompletten Lebenszyklus hinweg begleiten, indem er dem Käufer stets neue Mehrwertleistungen offeriert. So haben führende Technologieunternehmen bereits vor einigen Jahren erkannt, dass es notwendig ist, sich von der reaktiven Reparatur im Defektfall abzuwenden, und „Predict-and-Prevent“-Modelle in ihr Service-Angebot einzubauen, mit denen sich mögliche Risikogrößen prognostizieren lassen. Hier werden Datenmassen zu neuartigen Dienstleistungen veredelt, die die genauen Bedürfnisse der Kunden frühzeitig erkennen.

Dennoch geht der Schritt in Richtung Service 4.0 in den meisten Unternehmen noch zu langsam. Die Führungsriege in vielen Fertigungsunternehmen ist noch immer produkt- und nicht servicegetrieben, der tangible Verkaufsumsatz und nicht das immaterielle Lebenszyklus-Geschäft stehen im Vordergrund – noch. Denn der Handlungsdruck für mittelständische Industriebetriebe steigt permanent, zukunftsweisende Service 4.0-Modelle zu entwickeln und sich vom Wettbewerb abzuheben, bevor es andere tun. Die Frage, wie sich die installierte Basis optimal kommerzialisieren lässt drängt vermehrt in den Vordergrund. Service 4.0 ist die Chance, um in Zeiten sinkender Wachstumsraten dem massiven Preisdruck zu begegnen. Dabei dürfen datengetriebene Services nicht als bloßes Zusatzgeschäft verstanden werden. Unternehmen, die Service 4.0 erfolgreich praktizieren, bauen eigenständige Service-Profit-Center auf und verankern ein eigenes Service-Ressort in der Geschäftsführung. Empirische Untersuchungen belegen eindrucksvoll, dass sich dieser Schritt lohnt: Vorreiter von Service 4.0-Modellen verzeichnen im Service-Geschäft einen stark wachsenden Umsatzanteil und weit überdurchschnittliche Margen.

Zu den Pionieren für Service 4.0-Modelle gehören beispielsweise Hersteller von Windenergieanlagen. Diese bieten ihren Kunden prädiktive Analytics Services an, um die Produktivität zu erhöhen oder Störungen zu antizipieren. Damit kann sich der Windparkbetreiber stärker auf sein Kerngeschäft konzentrieren, denn er interessiert sich weniger für die Windenergieanlage als für deren Leistung und Verfügbarkeit. Ebenso haben führende Maschinenbauer die Möglichkeiten und Potenziale für sich erkannt. So können die über moderne Sensorik ausgelesenen Daten in einem zentralen Big Data Hub analysiert werden. Daraus lassen sich im laufenden Produktionsbetrieb anhand von Benchmark-Vergleichen Empfehlungen für eine höhere Performance, Produktivität und Stabilität abgeben. Zudem sind Anwendungen auf dem Gebiet von Augmented Reality, die dabei unterstützen, fehlerhafte Teile zu lokalisieren bei vielen Anbietern bereits heute Service-Praxis. Weiterhin gibt es erfolgreiche Pilotanwendungen mit anlagenspezifischen Handelsplattformen für Prozessdaten von Produktionssystemen. Auf dieser Plattform werden die Daten gesammelt, ausgewertet und zur Weiterverarbeitung bereitgestellt. Dabei sind sowohl der Maschinenbetreiber und -hersteller sowie relevante Lieferanten eingebunden, um mit erfolgskritischen Prozessparametern zu handeln und auszutauschen. Derartige Plattformen fungieren somit als Content Provider für die darauf basierenden Smart Services. Im Ergebnis kann der Betreiber die Anlageneffizienz bei geringeren Kosten deutlich erhöhen, da er die Prozessdaten für unterschiedlichste Anforderungen bedarfsgerecht über die Handelsplattform beziehen kann.

Vergleichbare Lösungen lassen sich bspw. auch in Logistikketten einsetzen, die sich aus unterschiedlichen Akteuren (Hafen, Reedereien, Transportunternehmen, Zollbehörden, etc.) zusammensetzt. Durch eine Verknüpfung und Auswertung von Verkehrs-, Infrastruktur- und weiterer Prozessdaten in der gesamten Logistikkette auf einer zentralen Plattform können Logistikprozesse übergreifend verbessert werden. Zudem können Transportkapazitäten effizienter disponiert und ausgelastet werden. Eine absolute Win-Win-Situation für alle Beteiligten.

Für deutsche Industrieunternehmen gilt es nun, ihr Produktspektrum mit Smart  Services zu erweitern und die Spielregeln zu definieren. Der Entwicklung digitaler Service-Modelle muss dabei aus verschiedensten Blickwinkeln beleuchtet werden. Neben der eigenen Perspektive, die der Abnehmer und Lieferanten müssen hier zunehmend auch digitale Unternehmen, die mit innovativen digitalen Lösungen in die Märkte eintreten möchten, ins Blickfeld rücken.

Da sich die neue Welt der digitalen Services noch in der Anfangsphase befindet, ist die Chance noch nicht vertan und wir können noch gute Voraussetzungen schaffen, um auch künftig den Markt aktiv zu gestalten.

 

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Lösungs- und Service-Partner für Business Analytics, Data Science und Industrie 4.0. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio in unserer Branche.

 

Kontakt

DATANOMIQ GmbH
Ostendstraße 25
D-12459 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de

Maschinendaten 4.0 – Big Data in der Produktion

Berlin/München, November 2015: Mit Big Data Analytics im Produktionsumfeld lassen sich neue Wertpotenziale erschließen, die mit bestehenden Systemen unentdeckt blieben. Obgleich die Sensortechnik bereits heute in vielen Maschinen und Anlagen so verbaut ist, dass eine Abgabe der Daten an IT-Systeme für weitergehende Analysen möglich wäre, werden derzeit lediglich winzige Mengen des Datenvolumens genutzt – bedeutsame Geschäftsvorteile verpuffen.Stitched Panorama

Durch die intelligente Auswertung von Sensordaten lässt sich erkennen, wenn Bauteile oder Fertigungsprozesse erste Symptome aufweisen, die auf einen bevorstehenden Ausfall hindeuten. Daraufhin lässt sich gezielt und rechtzeitig in den Prozess eingreifen. Der durch prädiktive Analysen ermöglichte situationsgerechte Austausch von Ersatzteilen und auf den Punkt genaue Wartungsmaßnahmen gehören zu den Paradebeispielen von Big Data Analytics. Diese Anwendungsfelder lassen sich jedoch nach Belieben und individuell erweitern, denn wertvolle Rohdaten entstehen überall auf dem Shopfloor. So können mit Hilfe von Big Data Analytics  unzählige Produktionsvariablen im Prozessfluss analysiert werden, um die Produktreinheit abzusichern. Oder es lassen sich dort, wo konventionelle statistische Methoden und IT-Systeme überfordert sind, Ausschussraten drastisch verbessern.

Die Auswertung von Maschinendaten in Echtzeit gehört zu den anspruchsvollsten Bereichen von Big Data, denn Sensoren generieren Daten heute im Sekundentakt oder sogar weit darunter. Binnen weniger Stunden können Datenberge im Terabyte-Bereich entstehen. Auf Grund der Heterogenität der heutigen Maschinenlandschaft liegen Maschinendaten in den unterschiedlichsten Formaten vor; konventionelle Monitoring- und Analyse-Tools stoßen hier angesichts der Vielfalt, Geschwindigkeit, Größe und Veränderbarkeit dieser Datensätze sehr schnell an ihre Grenzen. Vor diesem Hintergrund ist ein neuer, speziell auf diese einzigartige Klasse von Daten ausgelegter Weg erforderlich, um beispielsweise die Produktion zu optimieren oder für die Früherkennung von Problemen durch den Einsatz von Diagnosedaten. Big Data Analytics-Methoden ermöglichen, diese Daten nach bislang unentdeckten Fehlermustern zu überprüfen. Werden Unstimmigkeiten festgestellt, erfolgt eine Untersuchung, ob es sich z. B. bei widersprüchlichen Datensätzen oder statistischen Ausreißern um wichtige Informationen mit Aussagekraft über Ineffizienzen oder Fehlerquellen handelt. So bekommen Daten, die vorher auf Grund des fehlenden Kontextes ohne Aussage waren, eine Bedeutung für den Produktionszustand – und zwar mit Blick auf die Zukunft, die sich aus den Daten ableiten lässt.

In der nächsten Entwicklungsstufe hin zu Maschinendaten 4.0 lassen sich nochmals erhebliche, ungeahnte Möglichkeiten im Produktionsumfeld erschließen – etwa wenn Daten über Maschinen hinweg in nahezu Echtzeit analysiert oder mit weiteren funktionsübergreifenden und externen Daten, wie Marktinformationen angereichert werden. Big Data in der Produktion wird somit zum Game Changer für die Fertigung, um die Durchlaufzeit zu verkürzen, Produktionsschwankungen zu meistern oder die Gesamtsteuerung deutlich zu vereinfachen.

Über DATANOMIQ

DATANOMIQ ist der Lösungs- und Service-Partner für Business Analytics, Data Science und Industrie 4.0. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio in unserer Branche.

Kontakt

DATANOMIQ GmbH
Ostendstraße 25
D-12459 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de

Industrie 4.0 & Big Data Symposium am 15. Oktober 2015 in München

Industrie 4.0 und Big Data Analytics sind nicht nur zwei aktuelle Top-Themen der Weltwirtschaft, sondern haben eine überaus große Schnittmenge. Die vierte Revolution der Industrie verfolgt das Ziel der Smart Factory, also der sich selbst konfigurierenden Fabrik, die ohne Auswertung von Daten aus verteilten Quellen unerreichbar bleiben würde.

Das Industrie 4.0 – Symposium für datengestützte Produktion & Logistik behandelt anhand zahlreicher Vorträge und Foren die relevanten Trend-Themen rund um Industrie 4.0 und Big Data Analytics, um das Potenzial aus der digitalen Transformation und neuen Geschäftsmöglichkeiten nutzen zu können. Das Symposium zeichnet sich dabei in besonderer Weise durch die praxisorientierte Darstellung wichtiger Erfahrungswerte aus konkreten Anwendungsfällen aus. Themenschwerpunkt ist die Schnittmenge aus Industrie 4.0 und Big Data Analytics, insbesondere die Vernetzung von Maschinen (Internet of Things / M2M), Speicherung von Fabrikdaten, Factory Cloud Computing sowie Maschinendatenanalyse und Predictive Maintenance.

 Sie richtet sich speziell an Geschäftsführer und andere Entscheider aus Produktion, Logistik, Einkauf und Controlling großer und mittelständischer Unternehmen. Die Teilnehmer erhalten Einblicke in wichtige Entwicklungen aus erster Hand, entdecken neue Lösungen für ihre Geschäftsentwicklung und nutzen hochrangige Networking-Möglichkeiten.

symposium4-1030x687


Top-Referenten aus der Agenda:

– General Electric (GE): Operational Excellence durch Industrie 4.0
– SIEMENS: Digitalisierung der Produktion mit RFID – Markus Weinländer
– SKF: Einstieg in die Smart Factory mit Maschinendatenanalyse in der Cloud
– Fraunhofer IOSB: Smart Factory mit Industrial Machine Learning
– SAP: Verknüpfung von Maschinendaten mit dem ERP

 

Highlights des Symposiums neben den Top-Referenten:

  • Zahlreiche Anwendungs- und Erfahrungsberichte aus erster Hand
  • Live Vorführungen von Fallbeispielen
  • Wegweisende Lösungswege und neue Impulse für Ihr Unternehmen
  • Hochrangige Networking-Möglichkeiten zu Spitzenvertretern aus der Industrie

Die Veranstaltung erfolgt in Kooperation mit der Industrie 4.0 Gruppe auf Xing.com und Linkedin.com. Die Moderation der Veranstaltung übernimmt Frau Stefanie Michel von Vogel Business Media.

Die begehrten Tickets können Sie nur direkt über www.Connected-Industry.com erwerben! 

Lean Management trifft Big Data

Lean Management trifft Big Data:

Mit modernen Technologien und Methoden auf die nächste Leistungsstufe

Lean Management und Big Data haben auf den ersten Blick nur wenige gemeinsame Anknüpfungspunkte. Lean Management steht als Oberbegriff für die gezielte Verschlankung von Prozessen, im Kontext betrieblicher Abläufe, speziell für die Verschlankung von Geschäftsprozessen. Geschäftsprozesse sollen soweit wie möglich im Sinne von Kosteneffizienz und Durchlaufzeit verschlankt werden, dabei aber dennoch stets kundenorientiert bleiben. Lean Management entstand aus dem Produktionsbereich (Lean Production) mit dem Toyota Produktionssystem als Referenzmodell. Aber auch in anderen operativen Funktionen, z. B. in der Instandhaltung (Lean Maintenance), im Einkauf (Lean Procurement) und der Verwaltung (Lean Administration) hat sich Lean Management nicht nur methodisch, sondern sogar jeweils als eigener Unterbegriff etabliert. Dabei geht es bei Lean Management stets um ein Ziel: Werte ohne Verschwendung schaffen.
Big Data hingegen wird im Allgemeinen mit Größe und Komplexität in Verbindung gebracht – also ein Widerspruch zu Lean Management? Keineswegs, denn auch Big Data hat den klaren Auftrag, Unternehmensprozesse zu verschlanken, allerdings noch sehr viel tiefgreifender als das beim klassischen Lean Management jemals der Fall war. Hinter Big Data steht der Gedanke, dass sich in vielen verteilten Daten Informationen verstecken, aus denen nicht nur die Vergangenheit und Gegenwart genau rekonstruiert werden kann, sondern sich sogar die Zukunft recht genau vorhersagen lässt.

Big Data alleine ist jedoch nutzlos, denn auch die größten gespeicherten Datenmengen leisten keinen Wertbeitrag, sofern sie nicht ausgewertet und genutzt werden, deshalb sollten wir Big Data nicht isoliert stehen lassen, sondern von Big Data Analytics sprechen. Weiterlesen

DATANOMIQ im BITKOM Leitfaden über Big Data

Big Data ist das aktuelle Schlüsselthema in der Industrie. Der Mangel an Best-Practice-Beispielen und an Praxiserfahrungen für diesen neuen Trend gelten jedoch teils noch als Barriere für die verstärkte Nutzung von Big Data.

Hier wirkt der BITKOM (Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V.) mit dem kürzlich veröffentlichten dritten Leitfaden Leitfaden über Big Data Analytics entgegen. In diesem Leitfaden stellt der BITKOM über 40 Big-Data-Einsatzbeispiele aus der Praxis von Wirtschaft und Verwaltung vor. So sollen überzeugende Hinweise dafür geliefert werden, wie der Einsatz von Big Data bei Anwendern Möglichkeiten für Geschäftsmodell-Innovationen eröffnet.
Entscheider aus dem Mittelstand können aus den Praxisbeispielen Impulse und Anregungen erhalten, in ihren Unternehmen das innovative Potenzial von Big Data zu heben.

Auch wir von DATANOMIQ sind in diesem Leitfaden mit einem Fallbeispiel aus dem Bereich Dynamic Cost Analytics und der Revision von Preisschwankungsklauseln im strategischen Einkauf auf der Seite 49 des Leitfadens vertreten.

Der BITKOM Leitfaden Big Data und GeschäftsmodellInnovationen in der Praxis: 40+ Beispiele kann über folgenden Link heruntergeladen werden: BITKOM – Leitfaden für Big Data und Geschäftsmodellinnovationen (Download-Link)