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…
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 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…
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…
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…
Der Weinanbau ist ein Wirtschaftszweig von globaler Bedeutung mit hohen Ansprüchen an die Erzeugerqualität. Mittels eines durchgehenden digitalen und durch Sensoren unterstützten Monitorings soll frühzeitig auf Risiken reagiert werden. Die Anforderungen an solch ein Monitoringsystem unterscheiden sich erheblich je nach…
Die SATURN 2020 findet dieses Jahr vom 11. bis 14. Mai in Orlando statt. Das Programm ist wieder voller Highlights für Softwarearchitekten. Wir freuen uns sehr, auch mit zwei Vorträgen dabei sein zu dürfen. Unsere Vorträge:
1) „Architecture Design for Systems Based on Machine Learning“
2) „Digital Ecosystems Begin Beyond your Comfort Zone“
Sensorsysteme, deren Kalibrationsmodell nicht auf physikalischen Gleichungen, sondern auf maschinell – »kognitiv« – gelernten Parametersätzen basiert, sog. Softsensoren, sind eine Schlüsseltechnologie für die Erfassung des komplexen biologischen Systems »Pflanze« mittels Feldsensorik vor dem Hintergrund komplexer biotischer und abiotischer Stressfaktoren. Für…
Der wesentliche Unterschied zwischen ingenieurmäßigen und datengetriebenen Lösungen ist, aus eigener Erfahrung, Betroffenen häufig nicht explizit im Bewusstsein. Vielleicht, weil Ingenieure eher selten maschinelle Lernverfahren einsetzen und die Spezialisten für maschinelles Lernen häufig keine Ingenieure sind. Intelligente Produkte – aber…
