Datenmanagementsystem von Steinhaus

Bild: Steinhaus Informationssysteme GmbH

Steinhaus Informationssysteme zeigt auf der BrauBeviale in Nürnberg die aktuelle Version ihres Datenmanagementsystems TeBIS. Die Lösung liefert Betreibern von Brauanlagen wichtige Informationen für eine sachgerechte Entscheidungsfindung und unterstützt dabei, ungenutzte Potenziale zu heben.

„Selbst die modernste Künstliche Intelligenz ist ohne eine qualitativ hochwertige Datenbasis nutzlos“, erklärt Marc Steinhaus, Verantwortlicher für Business Development bei Steinhaus Informationssysteme. Dies müssten sich auch die Bierbrauer bewusst machen, bei denen das Hype-Thema aktuell verstärkt in den Fokus rücke. „Wer also an eine KI-gestützte Prozessoptimierung denkt, sollte zunächst sicherstellen, dass die dazu nötige Grundlage vorhanden ist.“

Erfassen, strukturieren, analysieren

In Nürnberg zeigt Steinhaus die aktuelle Version ihres „Technischen Betriebsinformationssystems“ TeBIS. Die Lösung erfasst, strukturiert und analysiert Prozessdaten von allen verfügbaren Messstellen in der Produktion. Rund 2000 davon besitzt eine moderne Brauereianlage – doch nicht nur ihre große Zahl macht das Prozessdatenmanagement im Brauereiumfeld zu einer Herausforderung. Weil die Daten aus vielen verschiedenen Quellen stammen, sind sie zudem von einer großen Heterogenität geprägt. Am Messestand können sich Besucher darüber informieren, wie TeBIS die vorliegenden Daten aufräumt, strukturiert und mittels algorithmischer Verfahren in Standardinformationen umwandelt. Auf dieser Basis kann das System wiederum Algorithmen zur Verfügung stellen, die KI unterstützen. Doch schafft TeBIS nicht nur eine optimale Datengrundlage für den Einsatz von KI-Werkzeugen. Die Strukturierung und Homogenisierung von Prozessdaten eröffnet bereits weitreichende Wertschöpfungspotenziale – etwa bei der Fehlererkennung in der Produktion, der allgemeinen Effizienzsteigerung von Prozessen oder auch bei Predictive Maintenance im Umfeld der industriellen Brauereien. „Wir zeigen auf, wie TeBIS etwa bei der Optimierung der CIP-Reinigung helfen kann, indem die Medienverbräuche genau unter die Lupe genommen werden“, so Steinhaus.

Thematik: Allgemein
www.steinhaus-informationssysteme.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige