Blog

Alle Beiträge in der Kategorie 'Smart Data'

HOSSA Holisticon Open Space Satisfaction App

HOSSA: Open Space-Organisation leicht gemacht

Das ewige Open Space-Dilemma: Zu viele spannende Sessions, die eine zufriedenstellende Planung für alle Teilnehmer*innen erschweren. Unsere „Holisticon Open Space Satisfaction App”, kurz HOSSA, geht dieses Problem an und unterstützt bei der Organisation von Open Spaces. Teilnehmer*innen können über die Weboberfläche Sessions anlegen und ihr Interesse an bereits eingetragenen Sessions bestätigen. Anhand dieser Daten erstellt HOSSA einen Zeitplan, der möglichst viele Teilnehmer*innen glücklich macht.


weiterlesen

Die Holistikönner auf der Seacon Digital

In diesem Jahr fand die Seacon, auf der wir mit Holisticon regelmäßig vertreten sind, zum ersten Mal digital statt. Unsere vier Holistikönner*innen Jacqueline Striewe, Michael Plümacher, Caroline Tobaben und Maret Karaca haben die digitale Herausforderung angenommen und trugen mit einem Vortrag und einem Workshop zum virtuellen Programm der Seacon bei.


weiterlesen
SmartData_Workstream

Smart/e Data & Dinge – HOSSA

Heute starten wir mit einer weiteren Blog-Serie darüber, was Holistikönner*innen, neben ihren Kundenprojekten, noch so alles entwickeln. Unser „Smarter-Workstream“ beschäftigt sich vor allem mit Datenschätzen, wie diese zu heben sind und was mit den goldwerten Informationen, die aus der eigenen Datenbank kommen, alles ermöglicht werden kann.


weiterlesen

Management Summary ;-) Predictive Analytics World Industry 4.0 in München

Dieses Jahr fand in München Anfang Mai wieder die kleine Schwester der Predictive Analytics World, die PAW Industry 4.0 statt. Das Konzept der Konferenzen ist ähnlich, in diesem Fall ging es jedoch mehr um spezifische Industrie-4.0-Use-Cases. Ich war für Holisticon und den Smart Data Workstream vor Ort. Gemeinsam mit Frank Pörschmann, Idigema, hielten wir zudem einen Vortrag über Ansätze im Bereich Smart Farming.


weiterlesen

Maschinelles Lernen ohne empirische Daten?

Wenn ein System komplexe Entscheidungen treffen muss, wird immer häufiger Maschinelles Lernen als eine mögliche Lösung vorgeschlagen. Meistens ist man dann auf empirische Daten angewiesen, um das System zu trainieren. Was passiert aber, wenn keine Daten vorhanden sind? Wie kann man die Vorteile von maschinellem Lernen ohne empirische Daten nutzen?

Genau mit dieser Frage beschäftigt sich unser Mitarbeiter Ferhat Ayaz in der aktuellen Ausgabe der Zeitschrift OBJEKTspektrum (03/2019) in einem spannenden Artikel zum Thema „Lernen bei der Suche nach Lösungen“. Der Beitrag bietet einen Überblick über Constraint-Satisfaction-Probleme und stellt neue Perspektiven vor, die Maschinelles Lernen beim Suchen einer Lösung durch künstliche Intelligenz unterstützen kann. Die Zeitschrift ist online oder im gut sortierten Zeitschriftenhandel erhältlich.