Direkt zum Inhalt

Business Intelligence

Business Intelligence

Business Intelligence & Maschinelles Lernen

Gartner (vgl. Mike Walker, “2018 Hype Cycles, Riding the Innovation Wave.”) bezeichnet das Gebiet der Künstlichen Intelligenz (bzw. Maschinelles Lernen) als eine der disruptivsten Technologien des Jahres 2018. Speziell der Themenbereich der Deep Neural Networks nimmt im Hype Cycle for Emerging Technologies 2018 einen hohen Stellenwert ein. Diese Technologie eignet sich besonders für das Erkennen von Mustern in Bildern, Texten, Sprachaufzeichnungen oder Videos und ist zudem ein Treiber vieler weiterer Themen des IDW wie Smart Factory etc. Ein wichtiger Aspekt der Künstlichen Intelligenz (KI) ist deren Interdisziplinarität. So wird KI beispielsweise in der Medizin, der Industrie oder der Freizeit eingesetzt. Die Vielzahl der daraus resultierenden Anwendungsdomänen eröffnet zukünftigen Unternehmensgründern, die sich mit diesem Thema auseinandersetzen, eine hohe Bandbreite an Entscheidungsmöglichkeiten. Vor diesem Hintergrund wird die Errichtung einer Sparte für Maschinelles Learning bzw. den erweiterten Bereich des Business Intelligence (BI) innerhalb des Lab4DTE als besonders wichtig erachtet. Der disruptive Charakter der KI zusammen mit deren noch nicht ausgeschöpftem Potential und der Vielzahl der möglichen Einsatzfelder birgt für zukünftige Unternehmensgründungen einzigartige Chancen.

Bisherige Arbeiten im Themengebiet

Der Fachbereich Wirtschaftsinformatik an der RWU befasst sich bereits seit einigen Jahren intensiv mit dem Aufbau einer Bibliothek von Methoden und Datensätzen speziell im Bereich Business Intelligence, Data Mining und maschinelles Lernen. So werden kontinuierlich studentische Arbeiten in diesem Bereich speziell aufbereitet und für nachfolgende Arbeiten verfügbar gemacht. Nach demselben Prinzip werden in regelmäßigen Abständen Daten von diversen Plattformen gesammelt, mit dem Ziel einen umfangreichen Bestand an Informationen zu generieren, der zur Validierung von Ideen oder zur Generierung neuen Wissens genutzt werden kann. Zusätzlich zu der Bibliothek der Methoden, Handlungsempfehlungen und Datensätzen ist ein BI-Server im Einsatz, der mit vielen wichtigen Frameworks und Entwicklungsumgebungen ausgestattet ist.

Geplante Aktivitäten

Dieser Ansatz wird konsequent weiterverfolgt und ausgebaut. Das bestehende Angebot soll sukzessive erweitert und dadurch in einen Inkubator innovativer Ideen überführt werden. Dieser soll zum einen den Studierenden praxisnahe Use Cases vermitteln und so schon in einer frühen Phase des Studiums die Möglichkeiten des Themengebiets demonstrieren. Zum anderen soll die BI-Sparte des LAB4DTE die prototypische Umsetzung potentieller Gründungsideen ermöglichen. 

Use Case

Ein konkreter Anwendungsfall, der sich mit der aufgelisteten Hard- und Software umsetzen lässt, ist beispielsweise die Entwicklung einer Deep Learning Anwendung für die Hautkrebsdiagnose. Mittels der bereitgestellten Deep Learning Hard- und Software-Umgebung, verfügbarer Datensätze sowie bereitgestelltem Know-how ist eine sofortige prototypische Umsetzung und Erprobung der Geschäftsidee möglich, isnb. in Bezug auf die notwendige Präzision und Zuverlässigkeit der Krebsdiagnose oder der Kosteneffizienz aufgrund der benötigten Rechenleistung.

Innovationsprojekte

Big Data Analyse für die Bodenseeregion am Beispiel der Social Media Plattform Flickr

ProjektDurchführung

Zehui Wang
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

Big Data Analyse für die Bodenseeregion am Beispiel der Social Media Plattform Instagram

ProjektTeam

Zehui Wang1, Luca Koroll1, Wolfram Höpken1 und Matthias Fuchs
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)
Department of Economics, Geography, Law and Tourism (EJT), Mid-Sweden University

Alle Infos zum Projekt.

 

Sentiment-Analyse und Topic Detection

ProjektDurchführung

Prof. Dr. Wolfram Höpken
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

Zielsetzung des Projekts war es die bahu Smart Bench mit einem digitalen Terminal zu kombinieren um eine spielerische Interaktion und eine personalisierte Restaurant-Empfehlung zu ermöglichen.

Projektteam

Friederike Kerekes, Johannes Kiener, Johannes Schwegler, Johannes Vollmer
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

Kano-Modellierung auf Basis von Kundenfeedback (UGC)

ProjektTeam

Iris Carl, Daria Daniker
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

Projektteam

J. Sasse, R. Jenke, RWU Ravensburg-Weingarten University ofApplied Science
L. Prasolb, Hilti AG

Alle Infos zum Projekt.

Verbesserung durch Big Data und neuronale Netze

ProjektTeam

Prof. Dr. Wolfram Höpken, Tobias Eberle
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

 

Erstellung eines Frameworks für die Vorhersage von Verspätungen für alle Phasen eines Flugabwicklungsprozesses

ProjektDurchführung

Noah Leupolz
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)

Alle Infos zum Projekt.

Kontakt & Personen

Allgemeine Kontaktinformationen

Besuchsadresse
Gebäude E
Leibnizstr. 15
88250 Weingarten
Postadresse RWU Hochschule Ravensburg-Weingarten
University of Applied Sciences
Postfach 30 22
D 88216 Weingarten

Ansprechpartner für den Bereich Business Intelligence

Prof. Dr.-Ing. Wolfram Höpken

Leiter IDW - Institut für Digitalen Wandel
Schwerpunkte:
Business Intelligence & Predictive Analytics, IKT-Systeme im Tourismus - Professor der Fakultät Elektrotechnik und Informatik, sowie Studiengang Wirtschaftsinformatik und E-Business
Wolfram Höpken

Institute

Institut für Digitalen Wandel