KONFERENZPROGRAMM

Track: Industrial Data & AI

Nach Tracks filtern
Alle ausklappen
  • Dienstag
    23.06.
  • Mittwoch
    24.06.
10:25 - 11:10
Di 6.1
Beyond the Lakehouse: Graph Analytics bei Welser Profile - Ein Praxisbericht mit Lessons Learned

Der Vortrag beschreibt den Aufbau einer analytischen Datenarchitektur bei Welser Profile. Daten aus SAP, MySQL und Microsoft SQL Server werden über Azure Data Factory in ein Databricks-Lakehouse integriert und analysierbar gemacht. Für Beziehungsanalysen werden ausgewählte Daten in einer Graphdatenbank (Memgraph) modelliert und über eine Web-Applikation bereitgestellt. Ergänzend werden Lessons Learned zu Datenmodellierung, Betrieb, Performance, Skalierung, Governance und Sicherheit vorgestellt.

Mehr lesen
Tobias Furtlehner, Clemens Pfeiffer
Vortrag: Di 6.1
11:35 - 12:20
Di 6.2
From Pilots to Production: How APG Operationalized Chatbots and LLMs

APG shares how we moved from scattered highlights to production-grade chatbots and large language models. You’ll see why we centralized on an enterprise chatbot, a candid lessons learned from our RAG use cases, our reference architecture, how we trained our staff, and how we keep things compliant with the EU AI Act without slowing down delivery. We share concrete lessons learned, some principle we adhear to, and our roadmap for 2026.

Target Audience: Data/AI engineers, solution/enterprise…

Mehr lesen
Pascal Plank
Vortrag: Di 6.2
14:30 - 15:30
Di 6.3
Explainable Unsupervised Anomaly Detection for Telemetry

Operational systems generate high-frequency telemetry that is difficult to monitor using static thresholds or black-box ML. This session presents an explainable, unsupervised approach for multivariate telemetry focused on operational robustness and integrated with modern data platforms. Based on statistical modelling and continuous adaptation, it trains on years of data with limited resources, runs on standard CPUs, and delivers up to two orders of magnitude faster training and over 95% lower…

Mehr lesen
Fernando López Aguilar, Miguel Tejedor
Vortrag: Di 6.3
16:15 - 17:00
Di 6.4
Panel: Quo vadis Industrie 4.0 im Zeitalter von KI

In diesem Panel möchten wir mit Einblicken aus Forschung und Praxis einerseits einen kritischen Rückblick auf die Entwicklung des Themas Industrie 4.0 in den letzten Jahren werfen und anderseits Diskutieren, wie der Einsatz von Daten und KI im industriellen Kontext Mehrwert liefern kann.

Zielpublikum: Alle Interessierten
Voraussetzungen: Keine Voraussetzungen
Level: Basic

Mehr lesen
Julian Ereth
Vortrag: Di 6.4
17:30 - 18:15
Di 6.5
Lab2Fab - Skalierte KI in der Produktions-IT

Lab2Fab steht für den systematischen Weg, KI-Prototypen aus dem Labor in die Fabrik zu bringen und in der Produktions-IT skalierbar zu verankern. Der Ansatz adressiert zentrale Blockaden wie fragmentierte Datenlandschaften, fehlende Digitalisierungsstrategien, Kompetenzlücken, veraltete IT-Infrastruktur und mangelnde Skalierbarkeit. Anhand konkreter Industrieprojekte zeigt der Vortrag, wie aus Piloten robuste, wirtschaftlich tragfähige KI-Lösungen für die Produktion werden.

Zielpublikum: IT- und…

Mehr lesen
Peter Schrader
Vortrag: Di 6.5
15:20 - 16:20
MI 4.4
Future Asset Management powered by Knowledge Factory

Große Firmen wie Bosch benötigen für die digitale Transformation ein umfassendes Management industrieller IT-Assets über deren gesamten Lebenszyklus. Aktuelle Probleme sind manuelle Erfassung, Dateninkonsistenzen und fehlende logische Verknüpfungen sicherheitsrelevanter Daten. Eine automatisierte "Knowledge Factory" (Knowledge Graph & AI) soll dies lösen, indem sie Daten zusammenführt, generiert und Zusammenhänge herstellt, um so den Aufwand zu reduzieren.

Zielpublikum: Data Engineers, IT- &…

Mehr lesen
Andreas Peter, Florian Hahn
Vortrag: Mi 4.4
17:05 - 17:50
Mi 4.5
DATOVA: Datenmanagement für KI-Projekte in der Produktion

Viele industrielle KI-Initiativen scheitern nicht an der Modellgüte, sondern an den eigenen Daten. Dieser Beitrag stellt das DATOVA-Framework vor, das Datenmanagement-Anforderungen in der industriellen Produktion systematisch in den KI-Lebenszyklus integriert.

Zielpublikum: Industrieexperten, Datenmanager, Data Engineers, Data Scientists
Voraussetzungen: Kenntnisse der typischen Arbeitsschritte bei KI-Projekten (idealerweise nach CRISP-DM) sowie der besonderen Anforderungen der industriellen…

Mehr lesen
Simon J. Preis
Vortrag: Mi 4.5
18:00 - 18:45
Mi 4.6
Optimisation in the control loop with computer vision and AI

Fraunhofer IPA uses AI to optimise product quality and machine parameters in complex, highly variable high-tech production processes. By combining real‑time machine data, optical inspection and individual local AI models, machine settings are autonomously tuned, reducing scrap, setup time and expert dependence. Examples include laser cutting at Trumpf and resistance spot welding at Audi, where our AI-approach enables 100% in‑line quality control, faster ramp‑up for new variants and stable…

Mehr lesen
Bernd Meese
Vortrag: Mi 4.6

Zurück