Fachleute sind sich einig: Im Umgang mit Daten ist zu vieles nicht geregelt. Manche sprechen von einer Wildwest-Mentalität. Eine Organisation mit Sitz in Thun will Abhilfe schaffen.

Die Kreislaufwirtschaft ist der vielversprechende Weg von Industrie, Gesellschaft und Politik, um Ressourcen zu schonen und ein nachhaltiges Wirtschaftssystem aufzubauen. Richtig gestaltet, leisten Technologien und Methoden der Industrie 4.0 einen wichtigen Beitrag dafür. Wie genau, dazu lieferte die 5. Konferenz „Perspektiven mit Industrie 4.0“ unter dem Titel „Synergien und Chancen für die Kreislaufwirtschaft“ an der ZHAW im schweizerischen Winterthur spannende Best Practices. Für den KVD präsentierten ServiceToday-Redakteur Michael Braun und Lukas Bruhns vom FIR an der RWTH Aachen exklusiv Erkenntnisse aus dem KVD-Whitepaper „Nachhaltigkeit im Service.“

Die diesjährige Konferenz «Perspektiven mit Industrie 4.0» griff mit dem Thema Synergien und Chancen für die Kreislaufwirtschaft ein aktuelles Problem auf, das aufgrund der endlichen Ressourcen dringend angegangen werden muss.

“Es geht vor allem darum, sich zu vergegenwärtigen, wie das eigene KMU die Zukunft bewältigt und wie es digital fit bleibt. Die grösste Herausforderung liegt in der intelligenten Nutzung von vorhandenen Daten, beispielsweise durch Einsatz von Künstlicher Intelligenz.”

Bislang fuhren Menschen am schnellsten. Nun werden sie von einer Software überholt. Ihr Erfinder gibt dieser Tage in der Schweiz Einblicke in die Kunst des digitalen Autorennens.

“Im Gespräch mit fmpro service, Gundula Heinatz, Geschäftsführerin des Innovationsnetzwerks Swiss Alliance for Data-Intensive Services, erzählt warum Unternehmen sich vernetzen müssen und welche Themen sie auf der Agenda haben sollten.”

“Wie viel Digitalisierung muss in den Mittelstand? Wie viel Digitalisierung passt in den Mittelstand? Genau damit befasst sich das IBH-Lab KMUdigital. Data4KMU, eines der realisierten Projekte, will auch KMU den Anschluss an Data Science ermöglichen und bietet praxisorientierte Lösungen sowie konkrete Handlungsoptionen dafür, wie Unternehmen mit einfachen Mitteln ersten Service nutzen aus Daten generieren können.”

“Daten sind das Gold des 21. Jahrhunderts – dem sind sich auch die KMU in der Schweiz bewusst. Doch begrenzte Ressourcen und Fokus auf das operative Geschäft hemmen den Einsatz von datengetriebener Innovation. Hier setzt das Projekt Data4KMU des IBH-Labs KMUdigital an und will auch KMU den Anschluss an Data Science ermöglichen.”

Das Schlagwort «Digitalisierung» ist zum Alltagsbegriff geworden. Sie hat sich über die letzten Jahre in weite Bereiche von Gesellschaft und Wirtschaft ausgedehnt. Als Folge der Digitalisierung haben sich grosse Datenmengen angehäuft: z.B. aus Prozessen, aus Systemen für die Verwaltung von Kunden (CRM) und Ressourcen (ERP) oder auch aus dem Kundenverhalten im Web oder in Social Media.

Taavi Kotka treibt in Estlands Verwaltung die digitale Revolution voran. Das kleine Land ist nicht nur in Sachen elektronischer Abstimmung vielen Staaten voraus.

Daten sind das neue Öl. Allerdings braucht es dafür geeignete Geschäftsmodelle. Im vorliegenden Artikel wird aufgezeigt, wie durch die Potenziale der Daten neue Geschäftsmodelle entstehen.

Die systematische Erfassung und Auswertung von Daten erlaubt es Unternehmen, ihr Dienstleistungsangebot beträchtlich auszubauen; im Maschinenbau beispielsweise im Bereich des vorausschauenden Unterhalts oder der Fernwartung. Damit dies gelingt, brauchen Unternehmen neue Innovationsprozesse. Genau an dieser Stelle setzt der Databooster an.

Viele haben in der eigenen Firma bereits angefangen, Daten zu sammeln. Häufig liegen viele Excel Tabellen mit Tausenden von Einträgen auf deren Server und sie haben Mühe daraus neue Erkenntnisse zu ziehen. Diese ist die ideale Voraussetzung für einen Deep Dive in diese Daten. Der NTN Innovationbooster Databooster unterstützt darin, die richtigen Experten zu finden, und finanziert eine vertiefte Analyse der Daten.

Daten bieten ein grosses Potenzial für Innovationen. Diese Chancen zu erkennen und erfolgreich im Markt umzusetzen ist herausfordernd. Der Databooster unterstützt Unternehmen in diesem Prozess mit dem Ziel, radikale Innovationen umzusetzen.

Innovationen sind für das Überleben von Unternehmen notwendig. Der Databooster setzt Design Thinking gezielt ein, um Unternehmer auf dem Weg ihrer Idee zur marktreifen Innovation professionell zu unterstützen.

Tragfähige Innovationen können nur in engem Zusammenspiel der richtigen Akteure entstehen. Um diesen Prozess strategisch aufzugleisen, professionell zu begleiten und finanziell zu unterstützen, hat der Bund die Initiative NTN Innovation Booster ins Leben gerufen. Der neue NTN Innovation Booster Databooster bietet gezielte Unterstützung für Facility Manager und Instandhalter im Bereich Maintenance und Industrie 4.0.

“With the spread of the Internet over the last few years, digitization has reached wide areas of society and the economy. Administrative processes are already largely digitalized and efficiently designed. However, the customer-centered development of services that solve relevant problems in the everyday life of users still has great potential. With the broad availability of sensors, data, networks and cloud infrastructures, a basis is now available for this change, which offers new and scalable possibilities.”

“The Smart Services Summit 2019 focused on the development and application of Smart Services to support improved decision-making for manufacturers, operators, maintenance providers, and asset managers.”

“Der Fortschritt in der Informations- und Kommunikationstechnologie verwandelt traditionelle in intelligente Produkte und ermöglicht es Unternehmen, neuartige intelligente Dienstleistungen anzubieten. Dabei gilt das Konzept des «digitalen Zwillings» als eine Schlüsseltechnologie, um mit intelligenten Diensten Mehrwert zu schaffen.”

“Data is quickly becoming one of the most ― if not the most ― valuable asset for any organization, given its tremendous volume in our digital era. It will continue to grow much further in the future due to e.g. the avalanche of new data coming from a variety of sources, such as connected devices. To address this challenge, we raise the three questions: 1. What is the state of the art of algorithm-based insurance / risk assessment methodology today and what is currently being discussed? 2. To what extent can data logistics and AI technology enable schemes and practices for insurance companies? 3. How can insurers encourage using AI systems in a morally responsible manner?”

“Wie ist der aktuelle Stand und die Entwicklung der datengesteuerten Dienste speziell in KMU und im Vergleich zur Situation der Großunternehmen? Für beide wird die Erhöhung des Anteils der Dienstleistungen am Gesamtgeschäft als wesentlich erachtet. Dabei verschiebt sich das Muster der Dienste in Richtung “advanced Services”, für welche die Kompetenzen zur Bearbeitung und Analyse von Daten relevant sind.”

“«Service schlägt Produkt» – Diese Erkenntnis hat sich bei vielen Unternehmen durchgesetzt, jedoch fällt es vielen noch schwer, eine Transformation des Geschäftsmodells Richtung Serviceorientierung umzusetzen. Aktuelle Forschung hebt die Wichtigkeit der Value Proposition in diesem Prozess hervor und zeigt ein mögliches Vorgehen bei der Transformation auf.”

The motivation of this paper is to further elaborate on a conference paper, the aim of which was to explore how business decision making in complex manufacturing ecosystems can be supported by a systematic combination of digital twins. In contrast to digital models focusing on individual equipment, the digital twin models discussed in this paper need to incorporate a multitude of objects and resources, as well as business processes for services and operations. This is required to manage the performance of equipment and their operations.

Recent advances in the Industrial Internet of Things (IIoT) and ‘Smart Products’ within manufacturing industries have promoted a shift to service-related offerings, often inadvertently and without the prerequisite foundations in place, in terms of operating models, impact upon revenue streams, and business strategy. This paper endeavors to investigate this by reviewing three distinct examples of ‘smart innovations’ for medium-sized industrial businesses and considers the impact upon the business when a service becomes ‘smart.’

This book offers state-of-the-art descriptions of intelligent service innovations in industry, supported by novel scientific approaches. It gathers findings presented at the 3rd Intelligent Services Summit, which took place in Zurich in September 2020, and chiefly focused on the design and application of Digital Twin as an enabler for business development in the field of smart services.

“Künstliche Intelligenz (KI) ist eine vielseitige, zukunftsweisende Technologie, die revolutionäre neue Anwendungsmöglichkeiten bietet und dadurch auch Kreativität und Interdisziplinarität fördert. Die Technologie ist in der Forschung breit anwendbar und eignet sich für alle Disziplinen, in denen Daten generiert oder analysiert werden.

“Künstliche Intelligenz (KI) hat für die Industrie und den Dienstleistungssektor eine herausragende Bedeutung. Als Teil der vierten industriellen Revolution eröffnet KI neue Möglichkeiten und ist essentiell, um das Potenzial digitaler Vernetzung und Big Data gewinnbringend zu nutzen. Dabei ist KI ein Werkzeug zur Lösungsfindung bei komplexen Problemen und sollte nicht isoliert betrachtet werden. Die Grenzen zwischen industriellen Anwendungen und Dienstleistungsangeboten verfliesen mit der Digitalisierung und dem Einsatz von KI zunehmend. So sehen sich Industriebetriebe denn vermehrt auch als Dienstleister. Entsprechend wird in der Folge nicht explizit zwischen Industrie 4.0 und Dienstleistungssektor unterschieden.”

In the paper, an automated computer vision architecture to handle video and image data using the same backbone networks is presented. It shows empirical results that lead us to adopt MOBILENETV2 as this backbone architecture. The paper demonstrates that neural architectures are transferable from images to videos through suitable preprocessing and temporal information fusion.”

“The goal of the chapter is three fold: firstly, it serves as a directory to the individual chapters, allowing readers to identify which chapters to focus on when they are interested either in a certain stage of the knowledge discovery process or in a certain data science method or application area. Secondly, the chapter serves as a digested, systematic summary of data science lessons that are relevant for data science practitioners. And lastly, the reflection on the perceptions of a broader public towards the methods and tools that we covered in this book and give an outlook towards the future developments that will be influenced by them.”