“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.

“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.”

“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.”