Die meisten Unternehmen sind überzeugt, dass ihre Firma bei besserer Datenqualität wettbewerbsfähiger, innovativer und entscheidungsfreudiger wäre. Warum ist das Datenmanagement und die Datenqualität aber so zentral und wie verbessert man sich darin? Das Interview von Insider Research mit Rene Haag von Syniti und Alexander Röckle von SAP liefert Antworten.

„Daten sind das neue Öl“ – spätestens seit dem Economist-Artikel von 2017 ist das Zitat von Clive Humby nicht nur unter Data Scientists, sondern auch beim Executive Management eine Überzeugung. Genau wie das fossile Pendant sind aber auch die wertvollen Daten nicht überall gleich einfach zu extrahieren: Es gibt Datenquellen, die wie im Mittleren Osten leicht zu erschließen sind und andere, bei denen es – analog zum Fracking – mehr Aufwand und Wissen bedarf, um zu guten Ergebnissen zu kommen.

Nach der Anbindung von Maschinen an die IT-Systeme stehen den entsprechenden Herstellern umfangreiche Produktionsdaten zur Verfügung. Um diese noch besser nutzbar zu machen, bedarf es einer systematischen Auswertung. Aus diesem Grund zog der Verpackungs- und Beschichtungsspezialist Mondi Release Liner Austria die Datenspezialisten von pmOne zu Rate. Mithilfe von Advanced Analytics, Artificial Intelligence und Machine Learning entwickelte das Data-Science-Team auf Basis der historischen Maschinendaten ein Vorhersage-Modell und ein Maschinenparameter-Empfehlungssystem.

Der plötzliche Ausbruch der COVID-19-Pandemie im März 2020 führte zu einer starken Nachfrage nach bestimmten Produkten. Fertigungsunternehmen, die bereits mit Daten und Analytik arbeiteten, konnten sich – im Vergleich zum Wettbewerb – bereits frühzeitig und besser auf diese unerwartete Entwicklung vorbereiten und auf diese Weise signifikante Wettbewerbsvorteile erzielen. Beispielsweise waren sie in der Lage, ihre Lieferkette sowie das damit einhergehende Ökosystem schneller an die neuen Herausforderungen anzupassen.

Welcher Prozessor ist der richtige für mein IoT-Projekt in Verbindung mit KI? Kommt am IoT-Edge-Gateway künstliche Intelligenz zum Einsatz, ermöglicht die Struktur eine bessere Analyse und Steuerung von kompletten IoT-Projekten. Dazu sind Prozessoren notwendig, die leistungsstark sind, über ausreichend Sicherheitsfunktionen verfügen und gleichzeitig Stabilität bieten.

Die IIoT-Datenbank CrateDB von Crate.io ist ab sofort in Version 4.3 verfügbar. Zu den Neuerungen zählen höhere Verarbeitungsgeschwindigkeit, verbesserte Integrierbarkeit und optimierte Benutzerfreundlichkeit.

Mit Robotic Process Automation (RPA) optimieren Unternehmen Teile ihrer Geschäftsprozesse. Eine End-to-end-Automatisierung der Prozesse erfordert darüber hinaus den Einsatz von KI, die eine ganzheitliche Optimierung entlang der gesamten Wertschöpfungskette ermöglicht. Für die erfolgreiche Umsetzung einer solchen durchgängigen smarten Automatisierung ist ein Top-down-Ansatz unverzichtbar.

Interface Projects hat eine neue Generation seiner Enterprise-Search-Lösung veröffentlicht. Sie setzt auf Künstliche Intelligenz (KI) und vereint die lexikalische und die semantisch-assoziative Suche.

Treffen hochentwickelte Technologien wie Künstliche Intelligenz und Maschinelles Lernen auf klassische Automatisierungslösungen, entsteht eine leistungsstarke Hyperautomation. Hauptziel des von Gartner geprägten Konzepts: Eine effizientere Gestaltung von Businessprozessen, bei der Unternehmen ihre umfangreichen Datenbestände und Erkenntnisse noch gezielter nutzen können.

Eine vom „Vodafone Institut für Gesellschaft und Kommunikation“ beauftragte Studie hat EU-Bürger umfassend nach ihrem Verhältnis zum Sammeln und Speichern von Daten befragt. Wenig überraschend war, dass Deutsche großen Wert auf ihre digitale Privatsphäre legen, aber kaum jemand die Allgemeinen Geschäftsbedingungen von Webanbietern liest.