Data Analytics

DIN SPEC 92005 – Standardizing uncertainty in machine learning?

DIN SPEC 92005 has been publicly available since January 2024. It deals with the quantification of uncertainties in Machine Learning (ML) and was developed in collaboration with Fraunhofer IESE, which also provided the deputy chairman. Dieser Artikel ist auch in…

DIN SPEC 92005 – Unsicherheit im Maschinellen Lernen standardisieren?

Die DIN SPEC 92005 ist seit Januar 2024 öffentlich verfügbar. Sie beschäftigt sich mit der Quantifizierung von Unsicherheiten im Maschinellen Lernen (ML) und entstand unter Mitwirkung des Fraunhofer IESE, das auch den stellvertretenden Obmann stellte. This article is also available…

Open Source Large Language Models selbst betreiben

Ein Open Source Large Language Model (LLM, auf Deutsch: großes Sprachmodell) bietet zahlreiche Vorteile, und diese großen Sprachmodelle haben im Jahr 2023 einen weiten Sprung nach vorne gemacht: Sie sind sehr leistungsfähig geworden und können mittlerweile mit moderaten Hardwareanforderungen betrieben…

Mitfahrbänke auf der Überholspur: ChatGPT als High-Speed-Analyst für Umfrageergebnisse

Die fortschreitende Digitalisierung hat erhebliche Auswirkungen auf verschiedene Bereiche des täglichen Lebens, einschließlich der Mobilität. Mitfahrbänke werden in vielen Kommunen Deutschlands aufgestellt, um eine nachhaltige und kostengünstige Lösung abseits des motorisierten Individualverkehrs anzubieten. Leider werden sie in der Praxis oft…

Integrated Process Planning and Scheduling for Service-based Production with Deep Reinforcement Learning (Part 1)

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…

KI-Vorhersagen auf der Spur – oder: Wie ein gutes Uncertainty Management den Umgang mit KI-Modellen erleichtert

Der Umgang mit Unsicherheiten stellt bei der Nutzung von KI-Vorhersagen in vielen Anwendungsbereichen einen entscheidenden Faktor dar. Das gilt insbesondere in der Medizin und beim autonomen Fahren. In der Medizin kann der Umgang mit Unsicherheit dazu beitragen, dass sich KI-Modelle…

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

What is causal inference in statistics data science? 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…

»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…