
Die im Konferenzprogramm der TDWI München 2022 angegebenen Uhrzeiten entsprechen der Central European Time (CET).
Per Klick auf "VORTRAG MERKEN" innerhalb der Vortragsbeschreibungen können Sie sich Ihren eigenen Zeitplan zusammenstellen. Sie können diesen über das Symbol in der rechten oberen Ecke jederzeit einsehen.
Hier können Sie die Programmübersicht der TDWI München 2022 mit einem Klick als PDF herunterladen.
Track: #IoT & Digital Twins
- Dienstag
21.06.
Innovative IT ermöglicht Unternehmen neue Kooperationsformen mit verschiedenen Partnern in offenen Netzwerken. Hierbei entstehen kooperative Datenräume auf der Basis IoT-basierter Digitaler Zwillinge, deren erfolgreiche Umsetzung leistungsfähige BIA-Infrastrukturen voraussetzen.
Zielpublikum: Management, BIA-Verantwortliche, Chief Information Officer / Chief Digital Officer
Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger
Factories of tomorrow are built based on digitized and modular elements and systems.
In order to make sure (worker’s) safety is still given, reliable confirmations at runtime for autonomous processes and its dependencies as part of digital twins have to be deployed.
The speech further will outline the way trustworthiness of datapoints ensure a resilience and productive operation as part of an enablement.
Target Audience: Infrastructure decision maker, CDO, COO, CEO, business owner, production manager
Prerequisites: Basic knowledge of data analysis - production methods - manufacturing technologies - supply chain
Level: Basic
His bandwidth of production & manufacturing related experiences as well as his management skills were reached in various and different positions over 22 years like head of global manufacturing and heading the operation & asset technology at 13 factories / sites. Frank has implemented technologies, methods and strategies to enable supply chain transformation - implementing Industry 4.0 and Internet of Things (IoT) operations. He further collaborate and interact with committees, customers and research organizations to settle and deploy smart factory related references, technologies and standards. At TUV SUD, he is heading the global business line Advanced Manufacturing where operations of Industrial Software, CyberSecurity, Artificial Intelligence and Digitized Compliance Management are hosted. Bringing skills and technology together is Frank’s key to success and an important competency for a digital world. The Vice President for Advanced Manufacturing interact with I4.0 and Internet of Things in his daily work at TÜV SÜD. His goal is to make connected and autonomous manufacturing safe, secure and resilient. Frank acts additionally as Trainer, coach and mentor for people development of internal staff.
Am Beispiel der Instandhaltung von ICE’s der Deutschen Bahn gibt der Vortrag Impulse wie scheinbar unvereinbare Vorgehen aus dem Bauwesen bzw. dem Maschinenbau mit agilen Ansätzen der IT kombiniert werden können, um Nutzen aus künstlicher Intelligenz und digitalen Zwillingen zu ziehen.
Zielpublikum: Alle, für die AI, Advanced Analytics und Machine Learning mehr als nur ein Hype sein soll und sich fragen, wie der Return für die getätigten Investitionen aussehen kann.
Voraussetzungen: Erste Erfahrung mit Initiativen im Bereich der Datenanalyse und dem Daten orientierten Unternehmen ist wünschenswert. Grundkenntnisse in Statistik sind hilfreich.
Schwierigkeitsgrad: Fortgeschritten
Jürgen Boiselle ist Lead Architect Big Data & Data Strategy bei der DB Systel GmbH. Seine mehr als 20-jährige Erfahrung im Bereich Big Data, Machine Learning und Artificial Intelligence spannt sich von frühen Data Warehouses bis zur aktuellen, AI gestützten Instandhaltung der ICE Flotte der Deutschen Bahn. Er ist Diplom-Ingenieur und hat Technische Informatik studiert. Seine reichhaltige Erfahrung in AI- und Big Data Projekten sammelte er als Berater und in leitenden Positionen u.A. bei Deutsche Bahn, Microsoft und Teradata.
Leider entfällt dieser Vortrag kurzfristig. Wir bitten um Verständnis.
Kyana ist ein virtueller Assistent, der Performance-Daten, Optimierungsmöglichkeiten, digitalen Service-Support mit augmentierten sowie sprachunterstützenden Funktionen bietet.
Ziel war es einen "virtuellen" Mitarbeiter von Koenig & Bauer zu kreieren und diesen in den täglichen Produktionsablauf zu integrieren.
Best Practise Studie mit detaillierten Informationen zur Umsetzung - von der Idee bis hin zur Implementierung
Zielpublikum: Verantwortliche für digitale Transformation, digitale Business Modelle, Industrie 4.0
Schwierigkeitsgrad: Anfänger
Sandra Wagner leitet bei der Koenig & Bauer AG als Vice President Digitalization die konzernweite digitale Transformation.
Von der Entwicklung der jeweiligen Idee bis hin zur Realisierung und Vermarktung von digitale Produkten, neue Geschäftsmodelle und das Vorantreiben der kulturellen Transformation sind hierbei ihre Hauptaufgaben.
Frau Wagner hat in der Business Unit Coding von Koenig & Bauer 10 Jahre den Vertrieb und das Marketing erfolgreich geleitet und hier bereits diverse digitale Produkte, Geschäftsmodelle und neue Marktansätze entwickelt und umgesetzt.
Sie hat in ihrem Werdegang in diversen Maschinenbauunternehmen, aber auch in IT-Unternehmen wie z.B. HP verschiedenste Funktionen ausgefüllt und hier bereits die erste Grundsteine für digitale Geschäftsmodelle und digitale Produkte kennengelernt, begleitet und umgesetzt.
Vortrag Teilen
Vortrag Teilen
Dank hoch flexibler Cloud-Technologien ist das Modern Data Warehouse wie geschaffen für den Aufbau von Internet-of-Things(IoT)-Lösungen. Doch wie sieht eine leistungsfähige Architektur aus? Insbesondere, wenn immer mehr Streaming-Quellen direkt in die Datenanalyse einfließen sollen?
Jens Kröhnert und Christoph Epping bauen vor den Augen des Publikums eine vollständige IoT-Infrastruktur auf und spielen konkrete Einsatzszenarien durch. Dabei werden von Lambda über Kappa bis hin zu DataMesh die aktuell wichtigen Architekturtrends angesprochen.
Zielpublikum: Data Engineers, Data Scientists, Projektleiter, Entscheider
Voraussetzungen: Basiswissen
Schwierigkeitsgrad: Einsteiger
Jens Kröhnert verfügt über langjährige Erfahrung in der Planung und Umsetzung von Digitalisierungsprojekten. Als Innovationsexperte hat er für ORAYLIS immer die neuesten Technologien und Entwicklungen im Blick.
Christoph Epping gehört zu den Top-IoT-Experten bei ORAYLIS. Gemeinsam mit Unternehmen aus verschiedensten Branchen realisiert er Echtzeit-Lösungen von der Ideenfindung bis zur konkreten Umsetzung.
Vortrag Teilen
Kostensenkung durch weniger Wartungsarbeiten, ein effizienterer Support und zufriedenere Kunden: Das verspricht Predictive Maintenance. Der Vortrag führt in das Thema ein und beschreibt anhand von Kundenprojekten, wie mittels Machine Learning-Verfahren die Wartung optimiert werden kann. Die Referenten stellen dabei verschiedene Methoden vor (Rainflow-Analyse sowie Anomaly Detection) und geben Tipps für die Praxisanwendung von ML-Ansätzen im Bereich Predictive und Condition-Based Maintenance.
Zielpublikum: Entscheider, Data Scientists, Interessierte
Voraussetzungen: Interesse, Grundkenntnisse Statistik und Data Science
Schwierigkeitsgrad: Einsteiger
Extended Abstract:
In vielen Unternehmen wird eine Vielzahl unterschiedlicher Daten gesammelt, ohne dass es dafür schon konkrete Anwendungsfälle gibt. Auf der Suche nach passenden Use-Cases, mit denen Kosten gesenkt, Einnahmen erhöht oder die Qualität verbessert werden soll, fällt häufig das Schlagwort Predictive Maintenance. Durch datengestützte Predictive Maintenance sollen Wartungsleistungen seltener anfallen, zielgerichteter sein und somit die Kundenzufriedenheit verbessert werden.
Im Vortrag werden zwei Projekte aus dem Maschinenbau vorgestellt, bei denen Predictive Maintenance in Kombination mit Machine Learning-Verfahren zum Einsatz kommt. Das erste Projekt beschreibt die Optimierung der Wartungsbetreuung, die auf dem tatsächlichen Zustand der Komponenten basiert (Condition-Based Maintenance).
Das zweite Projekt, das der Vortrag vorstellt, nimmt sich der Herausforderung von Datenanomalien im Machine Learning an. Dabei werden diese Ausreißer nicht als Störung interpretiert, sondern als Indikator für bisher unbekannte Muster. Wie eine Anomaly Detection in konkreten Predictive Maintenance-Projekten aussehen kann und welche Algorithmen dabei eingesetzt werden können, beschreiben die Referenten in ihrem Vortrag.
Für den Vortrag ist in erster Linie Interesse am Thema gefordert. Die Referenten führen in die jeweiligen Fragestellungen ein und entwickeln daraus praxisrelevante Lösungsansätze.
Nach seiner Promotion in theoretischer Physik ist Aman Steinberg als Consultant tätig und beschäftigt sich mit Data Science sowie Machine Learning im Business-Umfeld. Er betreut Kundenprojekte für Predictive Maintenance in der Maschinenbauindustrie.
Nach dem Masterstudium der Volkswirtschaftslehre an den Universitäten Mannheim und Bonn ist Benedikt Kauf als Consultant aktiv. Mit umfassenden Erfahrungen mit Datenvisualisierung, -transformation und -aufbereitung hat er sich auf Machine Learning im Business-Umfeld und Big Data-Engineering spezialisiert. Er ist in einem Kundenprojekt zu Predictive Maintenance in der Halbleiterindustrie tätig.
Vortrag Teilen