Big Data

Integrated Process Planning and Scheduling for Service-based Production with Deep Reinforcement Learning

Current industrial production scheduling approaches assume that process planning is performed before scheduling and that process plans are fully or at least partially available before scheduling starts. However, this is not the case in service-based production [5]. Service-based production provides…

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…

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…

Scope Compliance

Scope Compliance – Die Rolle des Anwendungskontexts im Machine Learning

Im Rahmen unserer Blogreihe »Scope Compliance« beschäftigen wir uns mit der Bedeutung des Anwendungskontexts im Machine Learning. Im ersten Beitrag klären wir ein häufig anzutreffendes Missverständnis auf und arbeiten seine Implikationen für die Praxis heraus. Sie erfahren, warum es entscheidend…

Time Series Analysis (Change Point Detection)

Time Traveling with Data Science: Focusing on Change Point Detection in Time Series Analysis (Part 2)

In the first blog post of our „Time traveling with data science“ series, we presented several tasks related to the analysis of time series. In this post, we dive into the task called „change point detection“.   Changes in time series or…

Time traveling with data science: Focusing on time series analysis

Time Traveling with Data Science: Focusing on Time Series Analysis (Part 1)

Time traveling with data science: In this blog series, we will cover some of the different techniques that make up time series analysis. This first post will provide an overview of the different types of analysis possible and answer the…

Autonome Systeme: großes Potenzial für die digitale Zukunft

Autonome Systeme bieten enormes Potenzial, entscheidend zur Lösung der aktuellen ökologischen, gesellschaftlichen und wirtschaftlichen Herausforderungen beizutragen. Dieser Blog-Beitrag erklärt begleitend zu unserer Podcast-Folge zum Thema »Autonome Systeme», was autonome Systeme sind, welche Arten es gibt, wo sie zur Anwendung kommen,…

Digitale Abbildung von Nährstoffkreisläufen – Ein Schlüssel zu mehr Nachhaltigkeit in der Landwirtschaft?

In der Landwirtschaft sind gut funktionierende Lebensgemeinschaften wohlbekannt. Um die Potenziale einer gut funktionierenden Landwirtschaft effektiv zu nutzen, arbeiten wir im Fraunhofer Leitprojekt »Cognitive Agriculture (COGNAC)« an Lösungen, um Kernkompetenzen wie Data Science und Plattformökonomie mit Expert*innen aus der Landwirtschaft zu verknüpfen. Denn mit der Unterstützung von Data Science können Landwirt*innen einen deutlichen Mehrwert für ihren Betrieb erhalten. Wie genau z. B. eine digitale Abbildung von Nährstoffkreisläufen somit zu mehr Nachhaltigkeit in der Landwirtschaft beitragen kann, möchten wir in diesem Blog-Beitrag erläutern.

Data Science – mit Daten Wissen schaffen

»Data Science« oder »Wie sich aus Daten Wissen generieren lässt« – In diesem Blog-Beitrag erklären wir, was wir am Fraunhofer IESE unter Data Science verstehen, wie für uns Data Science und KI zusammenhängen und wie wir als Data Scientists zu Dependable AI beitragen können.

Seismische Oberflächenwellen zur Messung der räumlichen Bodendichte

Eine Landwirtschaft, die hohe Produktivität mit Produkt­qualität, Nachhaltigkeit und Ressourceneffizienz in Einklang bringt, muss kleinräumig und in engen Zeitabständen eine Vielzahl von Daten zu Pflanzen, Boden, Wetter und anderem aufnehmen und in Planungsprozesse einbeziehen. Große Herausforderungen bereitet besonders die automatisierte…