Big Data

Data Quality in Agriculture

Growing the Future: Overcoming Data Quality Problems in Agriculture

Farmers around the world, including in the EU, face many challenges. Their daily work and businesses need to be rethought in order to reduce the negative impact on the environment and achieve a sustainable economy in the long term. For…

Predictive Maintenance umsetzen: Wie geht das?

Predictive Maintenance ist ein proaktiver Instandhaltungsansatz, bei dem vorausgesagt wird, wann Anlagen oder Maschinen wahrscheinlich ausfallen werden, und wodurch Instandhaltungsmaßnahmen entsprechend geplant und eingeleitet werden können. Ziel von Predictive Maintenance ist es, Ausfallzeiten zu minimieren, Instandhaltungskosten zu senken und die…

Causal inference: An introduction on how to separate causal effects from spurious correlations in data

While „correlation does not imply causation“, it is possible to identify causal effects even in data that does not come from randomized controlled trials. Our AI expert, Dr. Julien Siebert, just published a paper (link) on the applications of statistical…

Data Quality Assessment in Agriculture

Data Quality Assessment in Agriculture

Nowadays, it has become almost inconceivable to imagine agriculture without sensors, whether they are simple GPS devices to help farmers optimize their work in the fields, monitor livestock, or more complex equipment allowing advanced monitoring of animals (e.g. animal welfare…

»AI Innovation Labs« als Tool zur zielgerichteten Ermittlung der KI-Tauglichkeit von Unternehmen

KI-Systeme stellen Unternehmen vor große Herausforderungen. Sogenannte »AI Innovation Labs« können dazu beitragen, bestehende Hürden zu bewältigen. Sie sind ein Methoden- und Werkzeugbaukasten, um die richtigen KI-getriebenen Geschäfts- und Anwendungsfälle für Ihr Unternehmen zu identifizieren, Prototypen mit KI-Technologie zu erstellen…

Time Series Analysis: Pattern Recognition

Time Traveling with Data Science: Pattern Recognition, Motifs Discovery and the Matrix Profile (Part 4)

In Part 4 of our Fraunhofer IESE blog series on „Time Traveling with Data Science“, we continue our journey in the field of time series analysis. In this blog post, our experts from Fraunhofer IESE and our guest author Markus…

Agile Machine-Learning-Prozesse für KMU

Agile Machine Learning-Prozesse für KMU

Agile Machine Learning-Prozesse können für kleine und mittelständische Unternehmen (KMU) ein wahrer Erfolgsfaktor sein: Agile Praktiken haben sich als großer Vorteil bei der Entwicklung von Software-Systemen bewährt. Mit dem Wandel zu datengetriebenen Produkten und Dienstleistungen müssen nun jedoch diese Software-Entwicklungsprozesse…

Time Series Analysis: Outlier Detection

Time Traveling with Data Science: Outlier Detection (Part 3)

In our blog series on „Time Traveling with Data Science“, we previously introduced different tasks in time series analysis. In this blog post, we now present the task of Outlier Detection. Outliers are data so different from others that one…

Pandemiebekämpfung mit der OPEN-POCT-Plattform

Corona hat gezeigt: Im Falle einer Pandemie sind schnelle Reaktionen und reibungslose Prozesse zur Eindämmung des Geschehens unerlässlich. Die am Fraunhofer IMM und Fraunhofer IESE entwickelte OPEN-POCT-Plattform soll hierzu einen Beitrag leisten. Mittels modernster Technologien sollen zuverlässige Massentestungen bei Ausbruchsgeschehen…

Infra Bau 4.0: Eine digitale Plattform für Bauvorhaben

Behind the Scenes: »Infra-Bau 4.0« – Wie sich spezifische Tools an eine digitale Plattform anbinden lassen

Im Projekt »Infra-Bau 4.0« entwickeln unsere Forscher*innen am Fraunhofer IESE in Kooperation mit zahlreichen Partnern aus Wissenschaft und Wirtschaft eine übergreifende digitale Plattform zum erleichterten Management von Bauprojekten. Wie sich dabei spezifische Tools an die im Aufbau befindliche digitale Plattform…