Die zunehmende Urbanisierung zwingt Städte zum Handeln. Technologie soll helfen die Infrastruktur einer Stadt effizienter und sicher nutzbar zu machen. Daten aus Sensoren in Kombination mit modernen Analysen sollen Städte smart machen. Smarte Städte wollen:

o            Besseren Umweltschutz

o            Höhere Sicherheit

o            Effizienterer Infrastrukturen

Im Vortrag wird eine Softwarearchitektur vorgestellt, die ihre Bewährungsprobe in der Praxis bestanden hat. Die Kombination dieser Tools gewährleistet eine maximal flexible und hoch skalierbare IoT Plattform.

Zielpublikum: Decision Makers, Data Engineers, Project Leaders
Voraussetzungen: Basic knowledge
Schwierigkeitsgrad: Anfänger

Das Wasserkraftwerk der Zukunft wird ein 'transparentes Kraftwerk' sein. Das bedeutet, dass umfassende, detaillierte Informationen über den aktuellen und zu erwartenden Zustand der Anlage kontinuierlich verfügbar sind, im Idealfall sekundengenau. Die VERBUND Hydro Power GmbH (VHP) – eines der großen europäischen Wasserkraftunternehmen – will dieses Ziel mit digitalen Zwillingen und virtuellen Sensoren erreichen. Der Einsatz von digitalen Zwillingen wird anhand der Turbine eines Wasserkraftwerks am Beispiel von Verbund Hydro Power gezeigt.

Zielpublikum: Project Manager Digital Transformation, Data Engineer, CDO, Data Scientist, IoT Manager, Industrie 4.0 Manager, Decision Makers
Voraussetzungen: Keine Voraussetzung notwendig
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Das Wasserkraftwerk der Zukunft wird ein 'transparentes Kraftwerk' sein.

Das bedeutet, dass umfassende, detaillierte Informationen über den aktuellen und zu erwartenden Zustand der Anlage kontinuierlich und idealerweise sekundengenau zur Verfügung stehen.

Die VERBUND Hydro Power GmbH (VHP) – eines der großen europäischen Wasserkraftunternehmen – will dieses Ziel mit Digitalen Zwillingen und virtuellen Sensoren erreichen. Der Einsatz von digitalen Zwillingen wird anhand der Turbine eines Wasserkraftwerks am Beispiel der Verbund Hydro Power gezeigt.

Der digitale Zwilling ist das virtuelle Abbild eines bestimmten Assets, das sein physisches Gegenstück über dessen gesamte Lebensdauer begleitet. Seine virtuellen Sensoren liefern Informationen insbesondere in Situationen in denen die reinen Sensordaten nicht ausreichend sind. Verschiedene Arten der Degradation wie Kavitation, Abrasion, Korrosion, Verschmutzung oder Ermüdung können erkannt und in die Zukunft projiziert werden.

Für den Betreiber dient der digitale Zwilling zur Sicherstellung der Verfügbarkeit, zur Durchführung von vorausschauender Wartung und optimiert den Betrieb in Bezug auf Leistung, Betriebszeit oder Betriebskosten.

Der Vortrag präsentiert aktuelle Entwicklungen in der Anwendung von KI insbesondere im Kontext von Digital Twins im Automobilbereich. Konkrete Einsatzszenarien und Erfahrungen aus der Praxis zeigen, wie durch Analyse von Daten aus heterogenen Quellen neue Produkte und Services entwickelt, sowie Prozesse und Planungen optimiert werden können und zeigen die Potenziale für den Einsatz von KI im Automobilbereich. Aktuelle Chancen und Herausforderungen des Einsatzes von KI in Unternehmen werden diskutiert.

Zielpublikum: Softwareentwickler, Architekten, Projektleiter
Voraussetzungen: Grundsätzliche Kenntnisse über die Methoden der Künstlichen Intelligenz
Schwierigkeitsgrad: Anfänger

Extended Abstract:
1) Smart Data Analytics im Automobilbereich: aktuelle Entwicklungen in der datenbasierten Digitalisierung

2) Konkreten Einsatzszenarien für Data Science und Methoden der Künstlichen Intelligenz in datengetriebenen Geschäftsprozessen

3) Neue Produkte und Services mittels unternehmensübergreifender Analyse von Daten aus heterogenen Quellen

4) Optimierung von Prozessen und Planungen

5) Relevante technische Ansätze und Erfahrungen aus der Praxis.

In einem pragmatischen Erfahrungsbericht erklärt Siemens Mobility wie sie mit der Railigent Plattform die Digitalisierung in einem sehr traditionellen Umfeld etablieren. Dabei ist immer der erzielte Nutzen im Fokus des Projektes. Betreiber von Zügen profitieren von einem daten-getriebenen Ansatz durch reduzierte Wartungskosten und optimierten Nutzungsgrad. Visuelle Analytik ist nur der Anfang, wenn Predictive Analytics Zusammenhänge aufzeigt und Echtzeit-Informationen Entscheidungen beim operationalen Betrieb der Züge verbessern.

Zielpublikum: Entscheider, CDO, CIO, Leiter CC, Architekten
Voraussetzungen: Basic understanding of buisiness value in analytics
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Business Challenge:

To prevent delays due to equipment failures, Siemens Mobility needed to provide fast, accurate insights to customers through its app. The company needed real-time analytics for both IoT and legacy data.

Solution:

With the Railigent platform, Siemens customers get insights via Railigent, the Siemens Mobility app. The app allows for automated corrective action and quick decision-making.

Predicting failures before they occur is possible with data analysis at the edge. Siemens collects every piece of data it can – most of which is collected via sensors at the edge – then cleans and prepares it for analysis. Some trains have nearly 2,000 components that must be monitored while they are traveling; for example, to detect vibration patterns of train bearings. Older trains pose difficult data challenges, but the company still needs to be able to monitor and measure their performance and make improvements.

How is machine learning used in the real world? How did our customer Liebherr mitigate the problem of unreliable suppliers, therefore making their manufacturing process more efficient? How can our customers work their way through thousands of documents, quickly identifying the relevant ones? In this talk, Data Scientist Björn Heinen will elaborate on his past and current projects in the manufacturing industry by explaining how tangible customer problems have been solved using classical machine learning algorithms, computer vision and more.

Target Audience: The session is intended to reach those interested who are working in the machine and system engineering industry or those in other sectors who would like to optimize their processes with the help of AI and use business data successfully in the long term.
Prerequisites: No prerequisites needed.
Level: Basic

Stellen Sie sich das mal vor: Sie stehen vor einem Spiegel, sehen aber nicht mehr in Ihr eigenes Gesicht, sondern in das von Barack Obama oder Angela Merkel. In Echtzeit wird Ihre eigene Mimik auf das fremde Gesicht übertragen. Dem TNG Innovation-Hacking-Team ist es gelungen, einen solchen Prototypen zu erstellen und in Echtzeit das Gesicht einer Person auf beliebige andere Gesichter zu übertragen. Die Grundlage hierfür ist der sogenannte 'Deep Fake'-Ansatz.

Zielpublikum: Data Engineer, Data Scientist, Project Leader, Decision Makers
Voraussetzungen: Basic AI Knowledge
Schwierigkeitsgrad: Anfänger

Extended Abstract:
Stellen Sie sich das mal vor: Sie stehen vor einem Spiegel, sehen aber nicht mehr in Ihr eigenes Gesicht, sondern in das von Barack Obama oder Angela Merkel. In Echtzeit wird Ihre eigene Mimik auf das fremde Gesicht übertragen.Dem TNG Innovation-Hacking-Team ist es gelungen, einen solchen Prototypen zu erstellen und in Echtzeit das Gesicht einer Person auf beliebige andere Gesichter zu übertragen. Die Grundlage hierfür ist der sogenannte 'Deep Fake'-Ansatz. Durch die Anwendung neuronaler Netze werden hier Gesichter in der Videoeingabe erkannt, übersetzt und zurück in die Videoausgabe integriert. Durch diese Technik ist es möglich, täuschend echte Imitationen auf andere Personen zu projizieren. Zum Einsatz kamen dabei in Keras trainierte Autoencoder-Netze, sowie verschiedene Algorithmen zur Gesichtserkennung.

In diesem Vortrag geben Thomas Endres und Martin Förtsch eine unterhaltsame und sehr anschauliche Einführung in die Welt der Deepfakes in Echtzeit. Dabei gehen sie insbesondere auf die Techniken im Bereich des Deep Learning ein, die bei dieser Anwendung zum Einsatz kommen. Mehrere Live-Demonstrationen runden das Erlebnis ab.