{"id":2390,"date":"2020-04-20T14:51:48","date_gmt":"2020-04-20T12:51:48","guid":{"rendered":"https:\/\/www.it-ps.at\/?p=2390"},"modified":"2024-10-16T11:14:48","modified_gmt":"2024-10-16T09:14:48","slug":"report-verlag-sagt-gut-fuer-das-datengeschaeft-aufgestellt","status":"publish","type":"post","link":"https:\/\/www.it-ps.at\/en\/report-verlag-sagt-gut-fuer-das-datengeschaeft-aufgestellt\/","title":{"rendered":"Report Verlag sagt: “Gut f\u00fcr das Datengesch\u00e4ft aufgestellt”"},"content":{"rendered":"\n

Unser Gesch\u00e4ftsf\u00fchrer, Werner H\u00f6ger, und Michael Petroni, Head of IT-PS Data Science, haben mit Martin Szelgrad, Report Verlag gesprochen. Lesen Sie hier das Ergebnis des ver\u00f6ffentlichten Artikels:<\/strong><\/p>\n\n\n\n\n\n\n\n

Gut f\u00fcr das Datengesch\u00e4ft aufgestellt<\/strong><\/h2>\n\n\n\n

Werner H\u00f6ger, Gesch\u00e4ftsf\u00fchrer der IT-Power Services (IT-PS), und Michael Petroni, Head of Data Science, \u00fcber Projekte f\u00fcr Datenanalysen und neue Chancen f\u00fcr die Industrie daraus.<\/em><\/p>\n\n\n\n

\n\nDer Begriff des \u201eData Science\u201c ist eine kleine Wissenschaft f\u00fcr sich. Eine scharfe Definition gibt es nicht. Jeder definiert es etwas anders. \u201eWenn man es wortw\u00f6rtlich nimmt, ist es die Anwendung von wissenschaftlichen Methoden, um Wissen aus Daten zu ziehen\u201c, erkl\u00e4rt Michael Petroni.<\/p>\n\n\n\n

Gemeinsam mit weiteren Kollegen wurde Petroni vor einem Jahr in ein Data-Science-Team an Bord des IT-Dienstleisters IT-PS geholt. Petroni leitet die neue geschaffene Einheit, die vor allem dem Mittelstand helfen soll, gesch\u00e4ftsbezogene Fragestellungen zu l\u00f6sen. Mit dem pers\u00f6nlichen Hintergrund seiner langj\u00e4hrigen Arbeit mit IT-Architekturen und Cloudservices sieht er sich gut f\u00fcr das in \u00d6sterreich noch relativ junge Datengesch\u00e4ft aufgestellt. <\/p>\n\n\n\n

\"\"<\/figure>
\n

\u201eExplorativer Ansatz bei Data Science – die Projekte laufen agiler ab\u201c. <\/em><\/p>Michael Petroni, Head of Data Science bei IT-PS<\/cite><\/blockquote>\n<\/div><\/div>\n\n\n\n

Was ist nun der Unterschied von Data Science zu den klassischen Reporting-Werkzeugen, mit denen Unternehmen seit Jahren arbeiten? Zum einen, so der Experte, ist es eine Weiterentwicklung von Datenanalysen in Richtung Machine Learning<\/strong>. Machine Learning erkennt beispielsweise Zust\u00e4nde eines Systems \u201epredictive<\/strong>\u201c \u2013 vorausschauend. Zum anderen spricht Petroni von einem \u201eexplorativen Ansatz: Projekte laufen agiler ab.\u201c Was er damit meint: Durch den forschungs- und innovationsgetriebenen Ansatz sind sowohl die Arbeit mit den Daten als auch die Ergebnisr\u00e4ume flexibler. \u201eNat\u00fcrlich ist es wichtig, am Anfang eine Zielsetzung und Fragestellung festzulegen \u2013 ebenso klare Messkriterien f\u00fcr den Erfolg eines Projekts.\u201c Doch die Agilit\u00e4t in der wissenschaftlichen Arbeit bedeute, auf der Forschungsreise ein anderes Ziel als urspr\u00fcnglich geplant, erreichen zu k\u00f6nnen. Manches w\u00fcrde oft erst mitten im laufenden Projekt erkannt werden. Daraus k\u00f6nnen sich neue und bessere Fragestellungen ergeben.<\/p>\n\n\n\n

H\u00fcrde mit vorhandener Technik gesenkt<\/h3>\n\n\n\n

Das IT-PS-Team zieht bewusst die Arbeit mit Open-Source-Werkzeugen vor, die auf den g\u00e4ngigen Machine-Learning-Plattformen der IT-Branche relativ gut verf\u00fcgbar sind. Vorteil ist, auf diesem Weg lediglich laufende IT-Services verrechnet zu bekommen, nicht aber Lizenzkosten. \u201eDie Eintrittskosten sind gerade bei Unternehmen in \u00d6sterreich eine H\u00fcrde. Man m\u00fcsste mehrere 100.000 Euro investieren, noch bevor man wei\u00df, ob \u00fcberhaupt etwas Sinnvolles herauskommt\u201c, so Petroni.<\/p>\n\n\n\n

Der Wiener IT-Dienstleister fokussiert seit Jahren auf die Midrange-Architektur der IBM-Power-Plattform<\/strong>, die in vielen Unternehmen im Einsatz ist. Auch moderne Data Science kann auf der Power-Plattform betrieben werden. Die Kunden haben die M\u00f6glichkeit, ihre Hardware der System-i-Serie zu nutzen \u2013 fr\u00fcher unter dem Namen AS\/400 bekannt. \u201eViele aus dem Produktionsumfeld und der Industrie haben ihre Kerndaten immer noch auf AS\/400-Maschinen laufen. Diese k\u00f6nnten aber ebenso gut f\u00fcr zumindest erste Data-Science-Projekte genutzt werden \u2013 schnell und g\u00fcnstig, ohne zus\u00e4tzliche Investitionskosten\u201c, verspricht IT-PS-Gesch\u00e4ftsf\u00fchrer Werner H\u00f6ger. <\/p>\n\n\n\n

Es ist von Unternehmen zu Unternehmen unterschiedlich: Mit rund zwei bis vier Monaten sollte bei einem Minimum Viable Product (MVP) gerechnet werden. Gibt es \u00fcberhaupt noch keine Vorstellung \u00fcber eine konkrete Zielsetzung, sollte diese zun\u00e4chst in einem Workshop gefunden werden. Anschlie\u00dfend, in den Wochen darauf, legen es die Experten von IT-PS hemds\u00e4rmelig an \u2013 man versucht, aus den Daten m\u00f6glichst schnell Erkenntnisse zu gewinnen. In einer \u201eProfiling Phase\u201c werden dann ein gemeinsam mit den Fachabteilungen gew\u00e4hlter Anwendungsfall beleuchtet sowie Projektumfang, Risikofaktoren und Aufw\u00e4nde eingesch\u00e4tzt. <\/p>\n\n\n\n

Auch wenn generell Unternehmen von der Qualit\u00e4t ihrer vorhandenen Daten \u00fcberzeugt sind \u2013 80 Prozent der Arbeit bestehen typischerweise in der Beschaffung und Aufbereitung das Materials. \u201eMan kann niemandem einen Vorwurf machen. Es ist v\u00f6llig klar, dass mit einer Sicht von au\u00dfen, v\u00f6llig andere Anforderungen an Daten entstehen\u201c, erkl\u00e4rt Petroni. Zudem werden in der wachsenden Vernetzung haufenweise unstrukturierte Daten generiert, die zusammengef\u00fchrt werden m\u00fcssen. Das ist beispielsweise ein Strom von Sensordaten, der gemeinsam mit anderen Quellen, den \u201eData Lake<\/strong>\u201c in der Unternehmens-IT speist. <\/p>\n\n\n\n

Predictive Maintenance und Quality Management als typische Einsatzbeispiele<\/h3>\n\n\n\n

Eine f\u00fcr Data Science typische Disziplin, in der die Wiener bereits Projekte umgesetzt haben, ist \u201ePredictive Maintenance\u201c. Es setzt auf Sensordaten auf, um etwa Vorhersagen bei beweglichen Maschinenteilen zu treffen. So kann eine Ver\u00e4nderung der Schwingungs-Charakteristik eines Lagers auf die Notwendigkeit einer Wartung oder Reparatur deuten. Durch die Analyse der Sensordaten wird rechtzeitig einem kostspieligen Ausfall entgegengewirkt. <\/p>\n\n\n\n

Ein weiteres Einsatzfeld ist \u201eQuality Management\u201c. Mit Sensoren an Extrudern in der Kunststoffproduktion \u2013 Maschinen, die unter Druck eine zu verarbeitende Masse aus einer \u00d6ffnung pressen \u2013 kann die Qualit\u00e4t des Endprodukts vorhergesagt werden. Ein fr\u00fchzeitiges Eingreifen vermeidet Fehlchargen und schont Ressourcen. <\/p>\n\n\n\n

\"\"<\/figure>
\n

\u201eDie Anwender wissen selbst am besten, was sie ben\u00f6tigen\u201c <\/em><\/p>Werner H\u00f6ger, Gesch\u00e4ftsf\u00fchrer der IT-PS<\/cite><\/blockquote>\n<\/div><\/div>\n\n\n\n

Zusammenarbeit auf allen Ebenen<\/h3>\n\n\n\n

Wem geh\u00f6ren eigentlich die Sensordaten in Maschinen? Das wird sehr unterschiedlich gehandhabt. Mancher Hersteller gibt keine oder bestenfalls einen Teil der generierten Daten f\u00fcr eine Nutzung durch die Anwender frei. Im Anlagenbereich wiederum sind Prozessdaten Betriebsgeheimnis der Unternehmenskunden. Die IT-PS-Experten arbeiten in der Regel direkt mit den Unternehmen vor Ort. \u201eDie Anwender der Prozesssteuerungssoftware wissen am besten, was sie ben\u00f6tigen\u201c, betont H\u00f6ger. Er ist aktuell aber mit einem Hersteller im Gespr\u00e4ch, um Problemstellungen bei Anlagen gemeinsam zu servicieren.<\/p>\n\n\n\n

Dass sich bereits die meisten Unternehmen mit dem Thema besch\u00e4ftigen und erste Schritte setzen, steht f\u00fcr H\u00f6ger und Petroni au\u00dfer Frage. Doch in den produktiven Einsatz gehen in \u00d6sterreich Projekte noch kaum. Industrieunternehmen in Deutschland sind da den \u00d6sterreichern gut drei bis vier Jahre voraus. Die F&E-Budgets der heimischen mittelst\u00e4ndischen Player sind kleiner als beim Nachbarn, vor allem dann, wenn Innovationsprojekt nicht das Kerngesch\u00e4ft des Unternehmens betreffen. <\/p>\n\n\n\n

Keine W\u00fcnsche l\u00e4sst jedenfalls die Bandbreite der Methoden hinsichtlich Sensorik, Machine Learning und Data Science f\u00fcr das Erkennen von Anomalien offen: Da werden Schienen \u00fcber Hochgeschwindigkeitskameras erfasst und f\u00fcr das menschliche Auge nicht erkennbare Risse mit Bildanalyse erkannt. Mit den Bewegungssensoren in den Smartphones der Stra\u00dfenbahnbenutzer werden fr\u00fchzeitig Weichensch\u00e4den erkannt. Drohnen ersetzen heute die gef\u00e4hrliche Kletterei an Windkraft-Anlagen, Schornsteine oder Br\u00fccken, um Materialerm\u00fcdung zu detektieren. Und nat\u00fcrlich sind auch Finanztransaktionen und personenbezogene Daten Teil der Analysen, um Betrugsf\u00e4lle zu verhindern oder \u2013 wesentlich harmloser, aber kommerziell wichtig \u2013 einer Vertragsk\u00fcndigung durch einen Kunden proaktiv mit Angeboten entgegenzusteuern. Auch die Analyse von Bewegungsstr\u00f6men auf Verkaufsfl\u00e4chen oder die Optimierung von Logistikketten und Lieferwegen sind vielversprechende Bet\u00e4tigungsfelder.<\/p>\n\n\n\n

Die Datenexperten setzen ihre Werkzeugkiste mit Bedacht ein: die herk\u00f6mmlichen Algorithmen der alten Data-Analytics-Welt ebenso wie KI- und ML-Plattformen aus der Cloud. \u201eDie Unternehmen haben in den vergangenen Jahren Riesenmengen an Daten gesammelt und aufgebaut. Jetzt sollte man etwas daraus machen.\u201c <\/p>\n\n\n\n

Den Originalartikel finden Sie auf der Website des Report Verlags<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Gut f\u00fcr das Datengesch\u00e4ft aufgestellt<\/p>\n","protected":false},"author":5,"featured_media":2395,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_EventAllDay":false,"_EventTimezone":"","_EventStartDate":"","_EventEndDate":"","_EventStartDateUTC":"","_EventEndDateUTC":"","_EventShowMap":false,"_EventShowMapLink":false,"_EventURL":"","_EventCost":"","_EventCostDescription":"","_EventCurrencySymbol":"","_EventCurrencyCode":"","_EventCurrencyPosition":"","_EventDateTimeSeparator":"","_EventTimeRangeSeparator":"","_EventOrganizerID":[],"_EventVenueID":[],"_OrganizerEmail":"","_OrganizerPhone":"","_OrganizerWebsite":"","_VenueAddress":"","_VenueCity":"","_VenueCountry":"","_VenueProvince":"","_VenueState":"","_VenueZip":"","_VenuePhone":"","_VenueURL":"","_VenueStateProvince":"","_VenueLat":"","_VenueLng":"","_VenueShowMap":false,"_VenueShowMapLink":false,"footnotes":""},"categories":[28,48],"tags":[],"class_list":["post-2390","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ai","category-solutions-services"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/posts\/2390","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/comments?post=2390"}],"version-history":[{"count":1,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/posts\/2390\/revisions"}],"predecessor-version":[{"id":10986,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/posts\/2390\/revisions\/10986"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/media\/2395"}],"wp:attachment":[{"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/media?parent=2390"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/categories?post=2390"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.it-ps.at\/en\/wp-json\/wp\/v2\/tags?post=2390"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}