Category: Industries

von Arie Leeuwesteijn übersetzt durch Marco Strauss Industriedaten sind eine wertvolle Ressource. Sie bieten Einblicke in Maschinenleistung, Prozesse und Produkte und Erlauben sogar Rückschlüsse auf zukünftige Ereignisse wie Defekte. Durch das Sammeln und Analysieren solcher Daten können Unternehmen die Produktqualität verbessern, die Effizienz optimieren, Lieferketten verwalten und vorbeugende Wartung effektiv planen. Die Daten aus den […]

von Chandan Murthy, Tilman Schroeder und Yue Ning – übersetzt durch Tilman Schroeder. Für ihr Product Lifecycle Management (PLM) nutzen Fertigungsunternehmen oft eine PLM-Software, um sich wichtige Vorteile wie höhere Produktqualität, effektive Zusammenarbeit, niedrigere Entwicklungskosten und eine schnellere Markteinführung zu erschließen. PLM-Lösungen auf AWS bieten solchen Unternehmen den zusätzlichen Vorteil, dass sie nicht nur eine […]

von Rostislav Markov, Carlos Antonio Perea Gomez, und Christos Dovas Im Jahr 2020 gaben die BMW Group (BMW) und Amazon Web Services (AWS) eine strategische Zusammenarbeit[extern] bekannt, die darauf abzielte, das Innovationstempo bei BMW in allen Unternehmensprozessen zu beschleunigen, von der Fahrzeugentwicklung bis hin zu After-Sales-Services. Neben neuartigen Anwendungsfällen befasste sich die strategische Zusammenarbeit auch […]

Dieser Beitrag wurde von Giovanni Galvez, VP für Geschäftsentwicklung und Strategie von SyncWords, mitverfasst. Einführung Das Hinzufügen von Untertiteln zu Live-Streaming-Events ist für die Branche nichts Neues. Es gibt etablierte Arbeitsabläufe zum Hinzufügen von Untertiteln zu Video-Feeds, indem spezielle Hardware-Encoder zum Einbetten der Untertitel verwendet werden. Diese Arbeitsabläufe können bei Live-Events zu Problemen führen, die […]

Original von Ilan Gleiser – Principal Machine Learning Specialist, Global Impact Computing Übersetzt durch Michelle Mei-Li Pfister – Associate Solutions Architect Die englische Version diese Artikels kann hier gefunden werden. Digitale Technologien für die Kreislaufwirtschaft zu nutzen ist ein innovativer Ansatz, der das Potenzial hat die Art wie Unternehmen arbeiten zu revolutionieren. Dieser Ansatz verbindet […]

von Cher Simon, übersetzt durch Dirk Stahlecker Einleitung Während der Covid Pandemie hat sich gezeigt, dass eine hohe Anpassungsfähigkeit der Unternehmen an sich dynamisch ändernde Trends, Voraussetzung für eine schnelle wirtschaftliche Erholung ist. Aus diesem Grund nutzen führende Logistikunternehmen verstärkt vorausschauende Analysen (engl. «predictive analytics»), um schneller Entscheidungen zu fällen. In Logistikunternehmen betrifft dies z.B. Entscheidungen […]

von Steven Miller, Alec Jenab und Robert Clendenning, übersetzt durch Dirk Stahlecker Dieser Blogbeitrag beschreibt wie sich das Long Short Term Memory (LSTM) Machine Learning Modell verwenden lässt, um Ausfälle und Rückrufe von Automobilteilen vorherzusagen. Im Besonderen zeigen wir, wie durch die Vorhersagen eines LSTM-Modells Frühindikatoren entwickelt werden können, die im Allgemeinen zu besseren Ergebnissen […]

von Ryan Dsouza übersetzt durch Robert Hanuschke Die industrielle digitale Transformation führt zu Veränderungen in der Operational Technology (OT) -Landschaft und sorgt dafür, dass sie stärker mit dem Internet, IT-Systemen und -Lösungen verbunden ist. Operational Technology ist der Einsatz von Hardware und Software zur Überwachung und Steuerung physischer Anlagen und des Produktionsbetriebs. Industrielle Steuerungssysteme (Industrial […]

von Maurits de Groot und Elina Lesyk Einführung Machine Learning (ML) wird in der Finanzdienstleistungsbranche umfangreich für Aufgaben wie Personalisierung, Anomalie- oder Betrugserkennung eingesetzt. Wie bei anderen ML-Anwendungsfällen sind qualitativ hochwertige Eingabedaten der Schlüssel für eine gute Leistung eines Modells. Um dem Modell mehr Kontext zu geben und seine Leistung zu verbessern, ist es üblich, […]

Autonome Fahrerassistenzsysteme (engl. «ADAS») haben sich in den letzten 10 Jahren von einfachen regelbasierten Systemen zu fortschrittlichen Fahrerassistenzsystemen entwickelt.

Diese fortschrittlichen Systeme verwenden tiefe neuronale Netzwerke (engl. «Deep Neural Networks») und sollen zukünftig vollständig autonomes Fahren ermöglichen. Um diese Systeme zu trainieren, werden Petabyte an Daten und Tausende von Recheneinheiten (vCPUs und GPUs) benötigt.
Dieser Blogbeitrag beschreibt Entwicklungsansätze und Herausforderungen beim Aufbau von Fahrerassistenzsystemen. Verschiedene Designansätze werden vorgestellt. Insbesondere werden die verschiedenen Funktionseinheiten beschrieben, die beim Aufbau eines modularen Trainings- oder Prozesses-Designs benötigt werden.