podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. Data Researchers Podcast

Episoden

Die Evolution des Datenmanagements | Data Researchers #38

41 Minuten
Diese Podcast-Episode ist auch als Video auf YouTube verfügbar.

Wie hat sich das Datenmanagement über die vergangenen Jahrzehnte entwickelt? Von den ersten Datenbanksystemen bis hin zu intelligenten Datenökosystemen hat sich der Umgang mit Daten grundlegend verändert. In dieser Folge der Data Researchers werfen wir einen Blick auf drei zentrale Entwicklungsphasen des Datenmanagements. Den Anfang bilden klassische Datenbanksysteme, Mainframe-Architekturen und ERP-Systeme, die insbesondere die strukturierte Speicherung und Verarbeitung von Unternehmensdaten ermöglichten. Mit dem Aufkommen des Internets begann eine zweite Phase: Neue Datentypen, Big Data, Cloud Computing und das Internet der Dinge erweiterten die Möglichkeiten der Datennutzung und -analyse erheblich. Heute steht das Datenmanagement zunehmend im Zeichen vernetzter Datenökosysteme. Datenräume, digitale Zwillinge und generative sowie agentische KI schaffen neue Möglichkeiten für den organisationsübergreifenden Datenaustausch und autonome Systeme. Die Folge zeigt, dass technologische Innovationen selten isoliert entstehen, sondern häufig das Ergebnis einer langfristigen Entwicklung und des Zusammenspiels unterschiedlicher Technologien sind.

Edge-Cloud-Continuum für smarte Datenökosysteme I Data Researchers #37

14 Minuten
Diese Podcast-Episode ist auch als Video auf YouTube verfügbar.

Wie sieht die technische Grundlage für Smart Data Ecosystems aus? Darum geht es beim Edge-Cloud-Continuum. Es verbindet unterschiedliche Rechen- und Speicherressourcen, von großen Cloud-Rechenzentren über mittlere Infrastrukturen bis hin zu Edge-Geräten wie Industriekameras, Fahrzeugen oder Maschinen. Diese verteilte Infrastruktur ermöglicht es, Daten und KI-Anwendungen dort zu nutzen, wo sie gebraucht werden. So können KI-Modelle beispielsweise direkt auf einer Industriekamera ausgeführt werden, wenn geringe Latenzen und schnelle Reaktionen erforderlich sind. Größere Modelle oder datenintensive Prozesse benötigen dagegen leistungsfähige Cloud-Ressourcen.Damit das Edge-Cloud-Continuum als Grundlage für Smart Data Ecosystems funktionieren kann, sind vor allem drei Punkte entscheidend: Vertrauen, Interoperabilität sowie die Koordination und das Management der verteilten Ressourcen. Akteure müssen sicher identifiziert und autorisiert werden, Dienste unterschiedlicher Anbieter müssen zusammenarbeiten können und Rechenlasten müssen passend zu Kapazitäten, Ressourcenbeschränkungen und Latenzen verteilt werden. Das Edge-Cloud-Continuum bildet damit die infrastrukturelle Basis, um Daten und KI in Smart Data Ecosystems zuverlässig und anbieterübergreifend nutzen zu können.

Agentic AI in smarten Datenökosystemen I Data Researchers #36

8 Minuten
Diese Podcast-Episode ist auch als Video auf YouTube verfügbar.

Wie kann KI in der Industrie vorausschauende Wartung ermöglichen und automatisch wirksame Prozesse anstoßen? Darum geht es bei Smart Data Ecosystems. Sie basieren nicht auf KI-Modellen, die mit breit verfügbaren Daten trainiert werden können, sondern auf industriellen Anwendungsfällen künstlicher Intelligenz. Wenn KI hier ihr gesamtes Potenzial entfalten soll, braucht sie qualitativ hochwertige und domänenspezifische Daten aus Produktions- und Wartungsprozessen, spezifisches Fachwissen und eine ausreichende Datenmenge, um beispielsweise Wartungsprozesse automatisch anstoßen zu können (Agentic AI).

Eine zentrale Herausforderung dabei ist die sogenannte Data Scarcity: Fehlerfälle und Anomalien treten in industriellen Prozessen vergleichsweise selten auf, sind für das Training von industriellen KI-Systemen jedoch besonders wertvoll. Um robuste und zuverlässige KI-Modelle zu entwickeln, müssen daher Daten aus unterschiedlichen Anwendungsszenarien und Unternehmen zusammengeführt werden. Kurz gesagt: Unternehmen müssen ihre sensiblen Daten teilen.

Hier kommen Datenräume (Dataspaces) ins Spiel: Sie ermöglichen Vertrauen, Datensouveränität, Interoperabilität und klare Regeln für die Datennutzung. Zusammen mit einer hohen Datenqualität sind das die Grundlagen, um wertschöpfende KI-Systeme in der Industrie aufsetzen zu können. Denn gerade für KI gilt: »Garbage in, garbage out«. Datenräume bilden damit einen wichtigen Baustein für den europäischen Weg in die industrielle KI-Nutzung.

Digitale Zwillinge in smarten Datenökosystemen I Data Researchers #35

1 Minute
Diese Podcast-Episode ist auch als Video auf YouTube verfügbar.

Digitale Zwillinge sind ein digitales Abbild aller Objekte der realen Welt, mit denen wir uns umgeben. Die Idee eines baugleichen Modells entstand in der Raumfahrt: Bei Mondmissionen sollte sich ein identisches Raumschiff für Tests und Fehleranalysen auf der Erde befinden. Digitale Zwillinge sind ein nächster Schritt: Sie bilden das Produkt nicht mehr physisch, sondern digital von der Konstruktion bis zur Nutzung ab.

Doch digitale Zwillinge können noch viel mehr: Sie stellen nicht nur Daten aus der realen Welt zur Verfügung (z.B. Routen, Ladezyklen u.ä. bei einem E-Auto), sondern ermöglichen bidirektionale Kommunikation. So können sie Aktionen in der realen Welt anstoßen.

In diesem Video der »Data Researchers«-Reihe erläutert Boris Otto, was digitale Zwillinge in smarten Datenökosystemen der Zukunft leisten: Sie schaffen Transparenz über den Zustand der Welt und ermöglichen Simulationen bei Veränderungen in der Realwelt (z.B. bei einer Veränderung der Medikation eines Patienten). Dadurch können Digitale Zwillinge Vorschläge machen oder warnen, wenn Probleme drohen. Neu ist, dass sie auch autonom anstelle realer Objekte Entscheidungen für die reale Welt treffen. Sie verschmelzen in smarten Datenökosystemen mit KI-Agenten. Daraus ergeben sich spannende Forschungsfragen: Wie vertraue ich den Entscheidungen digitaler Zwillinge? Wie vertraue ich ihren Datenquellen? Wie fließen ihre Daten in (dezentrale) KI-Modelle ein?

Kapitel

00:00 Einführung & Bedeutung digitaler Zwillinge

00:29 Smart Data Ecosystems – Grundidee

02:01 Was ist ein digitaler Zwilling und woher kommt die Idee?

04:03 Zentrale Eigenschaft: Bidirektionale Kommunikation

05:20 Praxisbeispiel Logistik

07:35 Anwendung im Gesundheitsbereich

08:29 Funktionen digitaler Zwillinge & Rolle von KI

11:32 Herausforderungen: Vertrauen, Daten & Systeme

Smart Data Ecosystems I Data Researchers #34

1 Minute
Diese Podcast-Episode ist auch als Video auf YouTube verfügbar.

Next Level-Wertschöpfung mit Ökosystemlogik, Digitalen Zwillingen und KI-Agenten

Smart Data Ecosystems sind der nächste Evolutionsschritt auf Basis von Datenökosystemen. Was daran smart ist? Smart Data Ecosystems verbinden Ökosystemlogik, Digitale Zwillinge und KI zu einem neuen Modell intelligenter, datengetriebener Wertschöpfung. Denn während klassische Datenökosysteme den vertrauensvollen Austausch und die gemeinsame Nutzung von Daten ermöglichen, geht es nun um deren intelligente und zunehmend autonome Nutzung durch Künstliche Intelligenz.

In diesem Video der »Data Researchers«-Reihe erläutert Boris Otto die drei zentralen Bausteine, die Smart Data Ecosystems ausmachen:

- Ökosysteme als Organisationsmodell: Dynamische Netzwerke mit gemeinsamer Innovationsausrichtung bilden die Grundlage verteilter Wertschöpfung.

- Digitale Zwillinge & Datenräume: Vertrauenswürdiges Datenteilen schafft eine gemeinsame, lebenszyklusübergreifende Datenbasis.

- KI-Agenten: Auf Basis dieser Daten ermöglichen KI-Agenten autonome Entscheidungen – von prädiktiver Wartung bis zur flexiblen Produktionssteuerung.
Alle Folgen ansehen (18)
In Podcasts werben
Schalte jetzt Werbung in Podcasts.

Über diesen Podcast

In seiner Videoreihe »Data Researchers« beleuchtet Prof. Dr.-Ing. Boris Otto aktuelle Digitalisierungsthemen – knapp, informativ und fundiert. Er ordnet ein, welche Chancen sich aus der digitalen Transformation ergeben und zeigt konkrete Beispiele auf, wie Digitalisierung die Welt und insbesondere die Industrie von morgen verändern wird.
Webseite
Videoreihe - Fraunhofer ISST
Urheberangabe
Fraunhofer-Institut für Software- und Systemtechnik ISST
Durchschnittliche Länge
Ø 15 Min.
Erscheinungsweise
Unregelmäßig
Letzter Check
vor 6 Std.
Zuerst veröffentlicht
vor 2 J.
Podcast melden

„Data Researchers“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz