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-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

  • Vorhersagende Wartung in Gefahr: Ein Churn-Warnsystem

    Die Churn-Prediciton ist eine wichtige Methode um anhand maschinellen Lernens und Data Mining Kundenabwanderung vorherzusagen. Die Herausforderung besteht drain präzise und zeitnahe Vorhersagen zu treffen, so dass das Unternehmen ausreichend Zeit hat, seine Kunden zu halten. Der bisherigen Forschung im B2B-Kontext, wie auch im B2C-Kontext fehlt der dynamische Aspekt makroökonomischer Variablen im Zeitverlauf. Ziel dieser Arbeit ist es ein Kundenabwanderung-Vorhersagemodell, durch den Einsatz von maschinellen Lernalgorithmen, wie Random Forest und Neuronalen Netzwerken, zu erstelle und zu untersuchen ob die Einbeziehung dynamischer Aspekte zu einer verbesserten Vorhersage führt.

    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

  • STEP

    Smarte Techniker-Einsatzplanung (STEP)

    Das Forschungsprojekt „Smarte Techniker-Einsatzplanung“ (STEP) arbeitet daran Technikereinsätze effizienter zu planen und gleichzeitig die Maschinenverfügbarkeit zu erhöhen. Mit einem im Rahmen des Forschungsprojektes entwickeltes Simulationsmodell sollen auf Basis realer Einsatzdaten einzelne Maßnahmen quantitativ bewertet werden können.

    Lesen Sie mehr

  • SDSC-BW: Wissen besser vernetzen

    Einen Technologie-Empfehlungsdienst aufzubauen, ist ein komplexes Vorhaben. Die Anforderungen an die smarten Technologien sowie die stetige Evaluation sind sehr hoch und erfordern eine gefestigte Methodik. Coral Innovation, ein junges Start-Up der Universität Stuttgart, implementiert genau einen solchen Dienst und wurde dabei vom SDSC-BW unterstützt.

    Lesen Sie mehr

  • BigGIS_logo

    BigGIS: Fusion der Geo-Big Data

    Zunehmende Datenmengen und immer komplexere Berechnungsmodelle erfordern schnelle und robuste Verfahren. Dies ist das Thema des BigGIS Projekts, in welchem integrierte Verfahren zum Umgang mit Unsicherheit im (Geo)-BigData-Zusammenhang entwickelt werden. Zusammen mit dem SDIL werden hierbei am Beispiel von Temperaturdaten passende Algorithmen implementiert, getestet und weiterentwickelt.

    Lesen Sie mehr