Branchenlösungen

Industrie 4.0/ Industrial Analytics

Im industriellen Umfeld entstehen riesige Datenmengen: Big Data Analytics ermöglicht Qualitätsanalysen in Echtzeit, eine bessere Steuerung der Prozesse und neuartige Services wie zum Beispiel »Präventive Wartung«.

Beim Test von Prototypen und Kaufteilen spielen praxisnahe Testbedingungen – ggf. ergänzt durch Wetterdaten und andere unternehmensexterne Daten – eine bedeutende Rolle. Die Messtechnik auf den Prüfständen erfasst oftmals Daten von mehreren Hundert Sensoren und wertet sie aus. Angesichts einer solchen Vielzahl an Sensoren und möglichen Zusammenhängen ist es sinnvoll, die Experten mit leistungsfähiger Analytik für Big Data zu unterstützen. Dies führt nicht nur zu optimierten Produkten und einer höheren Auslegungssicherheit. Aus den Ergebnissen lassen sich auch Empfehlungen zu Betrieb und Wartung von Maschinen und Anlagen sowie zur optimalen Umgebungskonstruktion ableiten.

Big Data Analytics in einem industriellen Kontext setzt auf einer skalierbaren Big-Data-Architektur auf, um Daten- und Sensorströme in Echtzeit zu erfassen und zu analysieren und langfristig als Trainingsdaten für maschinelle Lernverfahren bereitzustellen.

Automotive

Die Automotive-Branche ist wie kaum eine andere von zwei sehr gegensätzlichen Polen geprägt: Emotion und Technik. Während über den Produktionszyklus eines Fahrzeugs hinweg – von der Entwicklung über die Produktion bis hin zum Qualitätsmonitoring – sehr komplexe technische Daten dominieren, ist der Bereich (After-) Sales stark von den Emotionen und Wünschen der Kunden geprägt. Eine Analyse dieser verschiedenen Dimensionen ermöglicht es, nah am Puls der Kunden und der Technik zu bleiben. 

Logistik

In der Logistik können sehr viele verschiedene Informationen relevant sein – sowohl die vielfältigen internen Daten der Logistikkette, als auch Informationen zu Verkehr, Wetter, Endkunden, Weltwirtschaft und vielem mehr. Eine integrierte Analyse verschafft ein klares Bild zur Steuerung des Geschäfts und ermöglicht es, aktuelle Muster in Echtzeit zu verstehen und zukünftige Entwicklungen zu prognostizieren. 

Finance

Die Finanzbranche steht durch innovative Technologien – »Fintechs« – vor großen Umbrüchen. Aber auch in klassischen Bereichen bringen datengetriebene Lösungen neue Möglichkeiten. So lassen sich betrügerisches Handeln, Verletzung von Compliance-Vorgaben oder falsch eingeschätzte Risiken mit konventionellen Verfahren kaum rechtzeitig erkennen. Fachleute sind bisher auf ihr Bauchgefühl angewiesen, um die Nadel im Heuhaufen zu finden. Auch die eigenen Kunden lassen sich erst richtig verstehen, wenn man den Blick auf Marktdaten, Nachrichten und soziale Medien ausweitet.

Gesundheitswesen

In Krankenversicherungen und Krankenhäusern existiert eine Vielzahl von Daten über Diagnosen, Therapieverläufe und Abrechnungen. Über externe Datenquellen – von Soziodemographie bis hin zu Diskussionen von Patienten im Internet – lassen sich zusätzlich viele weitere Einflussfaktoren einbeziehen. Damit lassen sich Krankheitsverläufe analysieren und medizinisch relevante Erkenntnisse ableiten. Daneben können Betrugsversuche systematischer erkannt, das Medizin-Controlling unterstützt und Ressourcen effizienter geplant werden.