Cookies

Diese Website verwendet Cookies, die Ihre Zustimmung brauchen.

Zum Inhalt springen

Das Data Science Framework in den Fachmedien

Wie lassen sich bestehende Prozessdaten nutzen, um Produktionsprozesse gezielt zu optimieren? Mit unserem Data Science Framework (DSF) verbinden wir Datenmanagement, Prozesswissen und Machine Learning, um Optimierungspotenziale in industriellen Anlagen zu identifizieren und nutzbar zu machen.

Auch die Fachmedien haben diesen Ansatz und unsere Erfahrungen aus der Praxis aufgegriffen. Hier ist eine Übersicht der bisherigen Veröffentlichungen.

IT&Production | Mehr aus Prozessdaten machen

Ausgabe 9/2026, November 2026

Viele Betriebe sammeln seit Jahren Prozessdaten, entscheiden aber noch immer nach Erfahrungswerten. Der Beitrag zeigt fünf typische Anwendungsfelder, von Soft-Sensoren bis zur Früherkennung von Abweichungen. Seine Kernaussage: Den Wert schafft nicht der Algorithmus, sondern das Zusammenspiel von Datenqualität, Prozesskontext und fachlicher Interpretation.

→ Zum Fachartikel

PROCESS | Versteckte Effizienzpotenziale in Prozessdaten erkennen

Ausgabe 6/2026

Prozessanlagen erfassen täglich Tausende Messwerte, und trotzdem bleiben Optimierungspotenziale oft unentdeckt. Der Grund sind nicht fehlende Daten: Die relevanten Zusammenhänge sind im laufenden Betrieb schwer zu erkennen. CEO Dominic Brunner erklärt, wie KI-gestützte Analysen diese Zusammenhänge in bestehenden Anlagen sichtbar machen und daraus messbare Verbesserungen für Produktion, Qualität und Effizienz entstehen.

→ Zum Fachartikel

CITplus | KI allein optimiert noch keinen Prozess

Ausgabe 8/2026

Im Interview erklärt Dr. Boris Lau von Learning Machines, welche Voraussetzungen für eine datenbasierte Prozessoptimierung entscheidend sind, wie Machine Learning eingesetzt wird und weshalb das Zusammenspiel von Datenqualität und Prozesswissen wichtig bleibt.

→ Zum Fachartikel (kostenlose Registrierung erforderlich)

at aktuelle technik | Erfolgreiche Prozessoptimierung beginnt mit Daten

Ausgabe 10.07.2026

Bevor es um KI geht, stellt sich eine andere Frage: Verstehen wir die Daten, die wir schon haben? Der Beitrag zeigt, warum Industrial Data Science die Grundlage für Soft-Sensoren, digitale Zwillinge und modellprädiktive Regelungen ist.

→ Zum Fachartikel