KOSMoS auf den IT-Trends Digital&Sicher

15.12.2021 16:00 - 17:00 Uhr,

Online-Event.

Industrial IT – Gemeinsame Vorteile durch geteilte Daten.

Die Voraussetzung für transparente Wartungskonzepte sowie die vorausschauenden Wartungsmodelle ist eine möglichst große Datenbasis – zu groß, um nur von einem Unternehmen zu kommen. Das vom BMBF geförderte Forschungsprojekt „Kollaborative Smart Contracting Plattform für digitale Wertschöpfungsnetze“, kurz KOSMoS, ermöglicht die Realisierung von datengetriebenen Geschäftsmodellen über die Unternehmensgrenzen hinaus.

Maschinen können mit Hilfe moderner Technologien die höchsten Produktionsanforderungen erfüllen. Die Wartung bleibt noch häufig dahinter zurück. Dabei können durch den Einsatz einer Blockchain nicht nur eine transparente Dokumentation der Wartungsvorgänge sicherstellt, sondern auch Serviceeinsätze besser geplant werden. Darüber hinaus helfen Machine-Learning-Algorithmen die Maschinen in einem optimalen Zustand zu halten und Stillstände zu verringern.

Die besondere Zielgruppe des Projekts sind zwar Werkzeugmaschinenhersteller und ihre Kunden, die die Maschinen in ihren Produktionsanlagen betreiben. Das KOSMoS-System kann jedoch problemlos auf andere Industrien erweitert und angewandt werden.

Eine blockchain-basierte Lösung dient in KOSMoS als „Single Source of Truth” mit dem Ziel, eine gemeinsame und vertrauenswürdige Datenbasis zwischen Maschinenherstellern und ihren Kunden bereitzustellen. Die Anbindung an eine Analyseplattform ermöglicht eine Verarbeitung von Daten – sowohl in der Cloud als auch „in the fog”, also deutlich näher am Hallenboden, oder sogar „on the edge”, d. h. lokal. Diese Anwendungsfälle erfordern aber eine flexible Verteilung der Datenverarbeitung zwischen Cloud und Edge. Die entsprechenden Services müssen daher dynamisch verschoben werden können. Zur Verteilung bieten sich Container-Images und Runtimes an, für deren Orchestrierung sich Kubernetes als „de-facto” Standard etabliert hat.

Erhalten Sie einen kompakten Überblick über das KOSMoS Ökosystem, sowie zahlreiche Forschungsergebnisse und weiterführende Ideen. Wir freuen uns auf Ihre Teilnahme!

Zielgruppe

Fach- und Führungskräfte produzierender Unternehmen und alle Innovationsinteressierten.

Referenten

Robin Senge trat im Jahr 2009 trat als Doktorand dem Computational Intelligence Lab der Universität Marburg bei. Seine Forschungsthemen konzentrierten sich auf Maschinelles Lernen und Fuzzy-Systeme. Nach dem erfolgreichen Abschluss seines Doktors im Jahr 2015 schloss er sich als Big Data Scientist der inovex GmbH an. Schwerpunkt seiner Arbeit war das Anwenden maschineller Lernverfahren, um die Supply-Chain-Prozesse der größten Einzelhändler in Deutschland zu optimieren. Seit Anfang 2020 ist er als Head of Machine Learning Leiter eines Teams von Data Scientists und Data Engineers. Seine aktuellen Forschungsschwerpunkte liegen in den Bereichen Uncertainty Quantification, Forecasting und verteilte Lernalgorithmen.

Marisa Mohr hat Mathematik an der Technische Universität Dortmund und Heinrich-Heine-Universität Düsseldorf studiert. Heute arbeitet sie als Head of Research & Development bei der inovex GmbH am Standort Hamburg. Sie beschäftigt sich mit der mathematischen Modellierung und Implementierung von Vorhersagemodellen im Bereich künstlicher Intelligenz, speziell im Bereich Predictive Maintenance. Neben dem Projektgeschäft arbeitet sie zurzeit an ihrer Dissertation zum Thema „Time Series Representation Learning“ an der Universität zu Lübeck.

inovex GmbH ist ein innovations- und qualitätsgetriebenes IT-Projekthaus mit dem Leistungsschwerpunkt „Digitale Transformation”. In einem Team von ausgewiesenen Fachexpert:innen für KI im Bereich Data Management & Analytics arbeiten über 100 inovexperts an KI- und Datenprodukten für Kunden.