Post on 15-Apr-2017
Innovative Analysemglichkeiten im Umfeld von Big DataNutze Deine Daten! Jetzt!Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Nr.
1
Digitalisierung erschttert unser Wirtschafts- und Gesellschaftssystem in den GrundfestenHerausforderung DigitalisierungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb. aus: chrisriddell.com
Nr.
2
Wenn Technologien und Gesellschaft sich schneller ndern, als Unternehmen in der Lage sind sich anzupassen, dann kommt es ganz nach den Regeln der Evolution zum Aussterben bestimmter Unternehmenstypen
(vgl. Land, K.-H. 2015)Was hat Darwin mit Digitalisierung zu tun?Evolutionre Vernderungen mit revolutionren Auswirkungen
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb.: http://creativethinking.net/what-i-learned-from-charles-darwin-about-creative-thinking/#sthash.rFvauGLB.dpbs
Nr.
3
Digitale ZerstrerDigitale Disruption wird so lange ignoriert, bis es zu spt ist!Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungDisruptive Innovationen unterscheiden sich von stetigen Produktverbesserungen und neuen Varianten erheblich!Sie treten in verschiedenen Branchen nur sehr selten auf. Ist dies jedoch der Fall, bleibt kein Stein mehr auf dem anderen!
Es kommt zu Wirkungsketten:
Bild aus: https://www.piratenpartei-nrw.de/wp-content/uploads/2016/01/dominosteine.jpg
Es ist wichtig zu wissen, wann und wie digitale Disruption funktioniert.
Nr.
4
Vom digitalen Wandel besonders betroffen sind:Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungKurzer Lunte, lauter Knall
Einzelhandel, ITK, Banken, Versicherungen, Professional Services
Nr.
5
Das ist doch nichts Neues! Doch.Revolution durch sich gegenseitig verstrkenden technischen FortschrittRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Nr.
6
Genderter Wettbewerb & Kundenverhalten, neue GeschftsmodelleRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungDie Folgen davon
Im Gesprch mit dem Bus Aus: Computerworld 10 2016
Schon heute auf Herausforderungen von morgen vorbereiten.
Es ist besser, Fehler in Kauf zu nehmen, als unttig zu bleiben.
Unternehmen mssen sich dem genderten Konsumentenverhalten anpassen.
Schnelligkeit: Wer jetzt nicht digitalisiert, berlsst die Wertschpfung anderen.Der gefhrliche Wettbewerb kommt nicht von hinten, den erkennt man im Rckspiegel. Die Konkurrenz kommt aus der Seitenstrae. Reinhard Ploss, CEO Infineon
Nr.
7
Es geht um die Abbildung der gesamten Wertschpfungskette, vom ersten Kundenkontakt bis zur letzten Rechnung. Digitalisierung heit, Geschftsprozesse miteinander zu verzahnen, Kunden, Projekte, Buchhaltung in einem System managen.
als Chance fr die, die sie verstehen & dafr Lsungen anbieten!Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungGeschftsprozesse Verzahnen & Optimieren
Nr.
8
Es gibt universelle einsetzbare Prinzipien, Methoden, Algorithmen, WerkzeugeSmart Data & Data Science Tool BoxRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb. aus: http://blog.contractiq.com/big-data-analytics-companies-in-india/
Nr.
9
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung1. Der Schlssel fr die Digitalisierung Statische DatenquellenDaten-strme data-extractiondata cleansingdata structuringdata consolidationmanaging databusinessintelligenceself servicediscoverymachineleraningMensch als Nutzerdecision enginesDatengewinnungDaten verwaltenEinsichten gewinnenAus: Disruptive Analytics: Charting Your Strategy for Next-Generation Business Analyticsist die analytische Wertschpfungskette und deren Umsetzung
Nr.
10
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung2. Interaktive Dynamik & VisuAl Analytics Dynamisch, interaktiv, Self Service Analytics.To be most effective, visual analytics tools must support the fluent and flexible use of visualizations at rates resonant with the pace of human thought. Jeffrey Heer & Ben Shneiderman
DATA AND VIEW SPECIFICATIONFILTERSORT
VIEW MANIPULATIONSELECTNAVIGATECOORDINATEORGANIZE
February 20, 2012Volume 10, issue 2 PROCESS AND PROVENANCERECORDANNOTATESHAREGuide
Nr.
11
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung2. Interaktive Dynamik & VisuAl Analytics Dynamisch, interaktiv, Self Service Analytics. VisualCockpit leistet dieses
Nr.
12
3. Prozessoptimierung durch Semantik Erkennen und Verarbeiten von InformationenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb.: http://lumma.de/2011/09/02/die-kunst-aufzuraumen/
Nr.
13
z.B. fr dynamische MarktbeobachtungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung4. Externe Daten mittels Crawler nutzen
Nr.
14
How do machines learn? Its just math. - Oren EtzioniRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung5. Artificial Intelligence & Machine Learning
Supervised Learning Unsupervised Learning
Neural Network Deep Learning (Tensorflow)
Gartner Hype Cycle 2016: Machine Learningbefindet sich auf dem Hhepunkt der bertriebenen Erwartungen. Abbildungen. H. Edwards
Abb. aus: then One/WIRED
Nr.
15
Selbst die grte Ansammlung von Informationen, Big Data verfgt ber sehr wenig Wissen. Anhand von Big Data werden Korrelationen ermittelt. Die Korrelation besagt: Wenn A stattfindet, so findet auch B statt. Warum es so ist, wei man aber nicht. Die Korrelation ist die primitivste Wissensform, die nicht einmal in der Lage ist, das Kausal-verhltnis, d.h. das Verhltnis von Ursache und Wirkung, zu vermitteln. Es ist so. Die Frage nach dem Warum erbrigt sich hier. Es wird also nichts begriffen. Wissen ist aber Begreifen. So macht Big Data das Denken berflssig. Wir berlassen uns bedenkenlos dem Es-Ist-so.
Fr uns kann das nur heien: Machine Learning- Algorithmen erproben und anwenden! Aber bei der Anwendung nie das Denken vergessen.Das macht Data Science aus. Abb: http://criminologia.de/2015/06/stille-diktatur-ein-interview-mit-han-byung-chul
/
Korrelationen vs. WissenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungByung-Chul Han ber Big Data
Nr.
16
Probleme knnen besser gelst werden, wenn Menschen unterschiedlicher Disziplinen in einem die Kreativitt frdernden Umfeld zusammenarbeiten, gemeinsam eine Fragestellung entwickeln, die Bedrfnisse und Motivationen von Menschen bercksichtigen, und dann Konzepte entwickeln, die mehrfach geprft werden. Sinngem nach: Wikipedia
Aus: https://blog.varonis.com/design-thinking-for-your-data-strategy/Design Thinking als Kreativprozess zur IdeenfindungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung6. Design Thinking
Nr.
17
Wissen Sie, wie Ihre Prozesse wirklich ablaufen? Sind Sie sich sicher?Mit zunehmender Digitalisierung steigt die Zahl der IT-gesttzten Prozessablufe. Dies fhrt zu wachsender Komplexitt bei sinkender Transparenz der Geschftsprozesse. Rasante nderungen und neue Systeme fhren dazu, dass die realen Ablufe nicht mehr mit den ursprnglich vorgesehenen Prozessen bereinstimmen. Klassische Prozessanalysen, die sich auf Interviews und Stichproben sttzen, stoen in dieser Situation an Ihre Grenzen.
Process Mining: Algorithmen-gesttzte Analyse realer Geschftsprozesse. Empirisches Process Mining schafft den berblick ber die realen Prozesse, findet den Flaschenhals in Ablufen und schafft Voraussetzungen, um Prozesse optimierenzu knnen.
berblick ber immer komplexere Unternehmensprozesse.Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung7. Empirisches Process Mining
Bild aus: fhnw.ch
Nr.
18
Die Blockchain hat das Potential fr eine Revolution, denn das Prinzip kann fr jede Art von Vertrag verwendet werden: Smart Contracts.
hat das Potential fr eine Revolution.Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung8. Blockchain & Smart Contracts
Abb. von Dan Page aus http://www.strategy-business.com/article/A-Strategists-Guide-to-Blockchain?gko=0d586
Nr.
19
Simba n setzt diese Methoden und Algorithmen in Lsungen fr diverse Branchen ein(Kurz)vorstellung konkreter Smart Data LsungenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb. aus: http://www.techtag.de/wp-content/uploads/2015/02/smart-data.jpg
Nr.
20
Design Thinking,Projektmanagement & ConsultingSoftware & Services von Simba n rund um Daten & DigitalisierungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungEigene Beispiele fr Analytics & Big DatADamit sind individualisierte (Branchen-)Lsungen bei Nutzung von Standards machbar.Visual Analytics & BI-Software VisualCockpit von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
Oft wird dafr A bis D gebraucht, Simba n hat dies im Portfolio. Wir erlutern dies an einigen konkreten Beispielen.
DACB
Nr.
21
Kunde: envia TEL
Digitalisierung von kernprozessenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Visual Analytics & BI-Software von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
DAC
Nr.
22
Ein Praxisbeispiel zur Digitalisierung von GeschftsprozessenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungDie Netzwelt von envia TEL
Nr.
23
Bauplan befllen: Massendaten des Netzgebietes von ca. 27.000 km mit Potentialen mssen analysiert werden. Vermarktungskampagnen vorbereiten: (Adress-) Datenqualitt muss gesteigert werden
Hoher manueller Abstimmungsaufwand vor EntscheidungenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungHerausforderung IST Zustand (Damals)
Nr.
24
Fr strategische Entscheidungen des Einsatzes der Investitionsmittel sind vllig andere Daten als z.B. fr operative Entscheidungen im Vertrieb erforderlich. Das bisherige Potentialmanagement ist ein ressourcenaufwndiger subjektiver Entscheidungs-prozess, mit hohemAbstimmungsaufwand. Automatisierung & Vereinfachung der analytischen Wertschpfungskette mit dem DataWarehouseBuilder:
Kunde: envia TELRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungProzessoptimierung durch DigitalisierungDigitale Transformationdes Kernprozesses Potentialmanagement
Nr.
25
Mit dem VisualCockpit lassen sich ad hoc alle Fragen beantworten
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungEinsatz VisualCockpit im Kreativteam
Umsetzung der digitalen Transformation des Kernprozesses mit Fragestellung In welchen Gebieten sollte envia TEL investieren? in nur 2 Monaten.
Punktlandung bei Priorisierung, Bewertung und Umsetzung der Bauprojekte fr 2016.
Nr.
26
Durch das envia TEL-Projektteam und den n Data Scientists wurde die digitale Transfor-mation des Kernprozesses in nur 2 Monaten umgesetzt. Das ermglichte envia TEL fr 2016 eine zeitliche "Punktlandung: In Dunkelverarbeitung wurden ausreichend viele Potential-standorte ermittelt. Damit konnten gezielt ~ 20 Mio. in Glasfasernetze investieren werden. Vorlauf fr 2017: Bauvorhaben stehen fest, Baufirmen sind unter Vertrag. Dieser Zeitgewinn ist unter dem harten Wettbewerb besonders wichtig. Die Smart Data-Lsung ist fr beliebige Netzinfrastrukturen anwendbar bzw. bertragbar.
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungVermarktungsprozess erreichte Ziele
Nr.
27
Design ThinkingAutomatisierung groer Teile der analytischen WertschpfungsketteGewinnung externer Daten ber Robots und CrawlerEinsatz von KI-Methoden zur EntscheidungsuntersttzungBereitstellung von Self Service Analytics fr das Kompetenzteam
Der Mtehodenmix machts.Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungWie kommt man zu den Ergebnissen?
Aus: https://blog.varonis.com/design-thinking-for-your-data-strategy/
Nr.
28
ber Robots & Crawler aus Portalen, Internet, Sozialen Medien
Nutzung externer DatenRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Visual Analytics & BI-Software von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
DAC
Nr.
29
Kreise: Cluster mit hausrztlicher Unterversorgung und erheblichen demographischen Unterschieden
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungCrawler & Versorgungsforschung
Nr.
30
Prozesse rund um die Holpflichten im Unternehmen automatisieren
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungInformationslogistik: Auslesen von Portalen
Nr.
31
ber Robots & Crawler aus Portalen, Internet, Sozialen MedienRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungBeispiel 4 - Nutzung externer DatenEinsatz in mehreren Projekten:Mobile App fr CommerzbankDynamische PreisbildungKleinrumige Analyse der VersorgungAuslesen von OEM-PortalenEingesetzte Technologien: A, C, D (kapow und eigen programmierte Robots)Visual Analytics & BI-Software von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
DAC
Nr.
32
ImmobilienScout24Semantik bei der ImmobilienbewertungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Individuelle Programmierung & EntwicklungData Science & Analytics
DC
Nr.
33
Fr die Immobilienbewertung wird das Wissen (~ Kernkompetenz eines Gutachters) erfasst und den Informationen aus den Expos-Texten zuordnet. Damit wird eine Nutzung von >90% der Exposs von ImmobilienScout24 mglich.ImmobilienScout24Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungSemantik bei der Immobilienbewertung
42%Daten mit Baujahr58%Daten ohne Baujahr39%Baujahrinformationen aus iKnow
Nr.
34
Mit Hilfe der n-Applikation knnen wir noch mehr Objekte fr unsere Online-Immobilien-bewertung heranziehen. Hierdurch werden wir fr die Immobilien von noch mehr Kunden genaue Bewertungen ermitteln knnen. Wir sind uns sicher, dass wir damit die Attraktivitt unseres Angebotes weiter verbessern werden.Sven Feuerschtte, Vice President Valuation Services bei ImmobilienScout24Die Immobilien-Datenbank von ImmobilienScout24 enthlt ca. >180 Mio. Exposs. In den Exposs liegen bentigte Informationen oft als unstrukturierten Flietexte vor. Fr eine Immobilienbewertung werden aber strukturierte Daten als Eingabe bentigt, ohne die keine Verkehrswert-ermittlung durchgefhrt werden kann. Semantische Technologien sollen das Problem lsen.Eingesetzte Technologien: C, D (InterSystems iKnow)
ImmobilienScout24Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungBeispiel 2 - fr die Anwendung von SemantikSemantik bei der Immobilienbewertung
Individuelle Programmierung & EntwicklungData Science & Analytics
DC
Nr.
35
(Forschungs)projekte zu Industrie 4.0 & Lsungen fr den Mittelstand
Beispiele fr Industrie 4.0Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Visual Analytics & BI-Software von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
DAC
Nr.
36
Mitarbeit in Forschungsprojekten & I4.0-Lsungen fr den MittelstandRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungIndustrie 4.0 fr den Mittelstand
Fertigungsassistenzsystem unter Verwendung sozio-cyber-physischer Produktionssysteme
Visual Analytics & BI-Software von Simba nIndividuelle Programmierung & EntwicklungData Science & Analytics
DAC
Nr.
37
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungMobile DashboardsMittels Beacons Informationen gezielt bereitstellen
Proaktive Informationen fr Worker bei einfacher Anwendbarkeit.
Wenn das Thema schon komplex ist, sollte die Software keine weitere Komplexitt hinzufgen!
Nr.
38
Ringvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg JungKennzahlen zur ProduktionKramski GmbH
Nr.
39
Teil II: Chancen & Risiken der DigitalisierungRingvorlesung | 23. Novemberr 2016 | IISYS Hof | Dr. Matthias Nagel & Dr. Georg Jung
Abb. aus: https://www.liberale.de/content/chancen-risiken-einer-digitalisierten-gesellschaft
Nr.
40
Nutze Deine Daten! Jetzt!Es gibt schlsselfertige Lsungen. Warum nicht?
41
42
Wie funktioniert die Infrastruktur heute?Ein Lufer mit 100 Tonnen Gewicht rotiert mit 3.000 Umdrehungen pro MinuteDaraus werden 50 Hz NetzfrequenzSolange wir die Drehzahl halten ist das Netz stabil!
43
Paradigmenwechsel
44
Paradigmenwechsel
45
Paradigmenwechsel
46
Bild: 3m Solutions
Bild: 3m Solutions
Bild: epri
Bild: Hitachi
Bild: knowstartup
Bild: MKSmart
Bild: Pace University
Bild: Shutterstock / Powerelectronicsworld
Bild: TendersOnTime
Bild: Tonex
Bild: Trilliant Inc.Das Smart Grid
47
Deine Daten
Bis 2019 sollen alle 5,5 Millionen Zhler in sterreich intelligent sein.Wer seine Daten freiwillig rausrckt, knnte in Zukunft mit Gratis-Strom belohnt werden (Kurier, 22.09.2012)
48
Deine DatenBeispieleBackofenKhlschrankSplmaschine
49
Deine Daten
Bild: PV-Magazin
50
Deine Daten
Heise Security vom 20.09.2011
51
Deine DatenEin paar Bilder von Ecoisme - Intelligent Energy Monitoring System Startup auf IndieGoGo Crowdfunding:
52
Deine DatenEin paar Bilder von Ecoisme - Intelligent Energy Monitoring System Startup auf IndieGoGo Crowdfunding:
53
Deine DatenEin paar Bilder von Ecoisme - Intelligent Energy Monitoring System Startup auf IndieGoGo Crowdfunding:
54
Deine DatenEin paar Bilder von Ecoisme - Intelligent Energy Monitoring System Startup auf IndieGoGo Crowdfunding:
Diese Information steht natrlich ausschlielich dem Nutzer zur Verfgung und wird von (fast) sonst niemandem gelesen und bestenfalls zur Verbesserung des Service verwendet!
Untertriebene Dystopiehttp://abstrusegoose.com/553Abstruse Goose The Too Much Information Age
56
Bisherige PlneGoogle gab 2011 das Projekt PowerMeter aufconsumers don't know the industry even exists. (CBS News, 24.06.2011)Growing consumer distrust of Google's use of personal data likely made many reluctant to divulge details (CBS News, 24.06.2011)2013 Wiedereinstieg mit Partner General Electric (Green Tech Media, 12.02.2013)Verbindung mit Maps als Geospacial Tool
57
Warum nicht?
The Loss of Location Privacy in the Cellular Age(Wicker, 2012)Bild aus Stephen B. Wicker. The Loss of Location Privacy in the Cellular Age, CACM 50:8, August 2012Our view of reality is conditioned by our position in space and time not by our personalities as we like to think. (Lawrence Durrell, cited after Wicker, 2012)to be human is to be in place. (Tim Cresswell, cited after Wicker, 2012)
58
Wissenschaft der InformationAus dem location-trail einer Person kann man viel erfahren!Die Adresse (Wohnung)Adressen von Freunden (verbringt die Person auch hin und wieder die Nacht dort?)Religis signifikante Orte (Kirchen, Moscheen, )Sportvereine, Fitness-Center (wie hufig)Bars, Restaurants (wie gesund lebt die Person wirklich?)Geschfte (wo wird gekauft, was wird gekauft?)rzte, Spezialkliniken (Diagnose auf dem Krankenschein?)Vergngungen (Kino oder Theater, Klassik oder Rock-Konzert, )Und so weiter
Ein Beispielszenario
Wissenschaft der InformationNimmt der Familienvater am Abendessen teil?Liest er seine Mail vorher oder nachher?Wann kann ich ihm etwas verkaufen, wann zur Arbeit drngen?Fazit: Wo keine Privatheit existiert, kann eine Person ununterbrochen entweder zu Leistung oder zu Konsum gedrngt werden.
Das persnliche Erleben der Umgebung wird dafr geopfert.
61
Weiteres Beispielszenario
There are, however, some brief periods in a persons life when old routines fall apart and buying habits are suddenly in flux. One of those moments the moment, really is right around the birth of a child, when parents are exhausted and overwhelmed and their shopping patterns and brand loyalties are up for grabs.- NYT, 16.02.2012
62
Zugang zu InformationIndividuell aufbereitete NachrichtenSuchergebnisse nach persnlichen PrferenzenVorschlge nach eigenen InteressenDiskussion im sozialen Umfeld
Getty ImagesDas nennt manFilterblase
63
Nutzung Deiner Daten durch AndereUnunterbrochener Druck auf das eigene Handeln zum Nachteil des persnlichen ErlebensNach auen kehren der Privatsphre und IntimsphreKeine Konfrontation mit anderslautenden Meinungen, Ausblenden pluralistischer Meinungsbildung als Vorteil.
Privatheit des UnternehmensWann werden welche Zulieferer getroffen?Welche Kunden werden besucht?Wird die Modernisierung von Maschinen geplant, Anlagen gekauft?Wie viele Mitarbeiter sind im Urlaub, wie viele im Betrieb, wie lange?
65
Nutze Deine Daten selbst!Es geht auch anders:
Polyenergetische Lastregelung67
Geringer ArbeitspreisTeuer bei Lastspitzen7 /kWh ber AbschreibungszeitraumVolatil (Wetterabhngig)Strom als Abfallprodukt beiWrmebedarfKurzzeitige SpeicherungLebensdauer abhngigvon BetriebsartEffiziente Wrmeerzeugungbei StromaufnahmeEinfluss auf Lastaufnahmein der Produktion
Beispiel BatteriespeicherInterne KenngrenKapazitt, Leistungsaufnahme/abgabeWirkungsgrad, Eigenverlust, SpeicherdauerBetriebsarten, Umschaltzeiten, FlexibilittState of Health, State of ChargeKosten (Schaden) bei Tiefentladung, berladung, Ladezyklen zur RegenerationUmschaltzeiten Ladung-EntladungInvestitions- und AbschreibungszeitrumeWartungs- und Austauschzyklen
68
Agentenorientierte Programmierung
69Weiterentwicklung der Objektorientierten ProgrammierungAutonome Softwaremodule mit klar definierten SchnittstellenKenntnis der internen Zustnde/BesonderheitenInterner EntscheidungsspielraumZusammenschliebar zu einer verteilten Intelligenz (Multiagentensysteme)Beitrag einzelner zum GesamtergebnisEchte Dezentralitt (vs. 50,2Hz-Problem und 49,5Hz-Problem)SubsidiarittsprinzipKommunikation in BegriffenOntologie statt Fliekommazahlbeschreibung
Softwareagent
Lastregelung mit verteilter Intelligenz70
Wetter-prognoseSolarleistungProduktionsplanEnergie-managementNetz-managementHeizbetriebZwischenspeicherHeizbetrieb
Abstraktion, Verstndnis und DynamikDaten haben Sinn und BedeutungWir interessieren uns fr Strom, Spannung, Leistung, Energie, Temperatur, Kapazitt, Fllstand, Ladezeit, Sonneneinstrahlung, Angebot, Bedarf, Wir interessieren uns nicht fr Fliekommazahlen in 32 oder 64 Bit, Little oder Big Endian, RS232 oder RS485, Modbus RTU, Modbus TCP/IP, Modbus ASCIIAbstraktion ber Ontologie erlaubt Fokus auf das WesentlicheAustauschbarkeit der Interna (neue Hardware, neue Agenten)Verstndlichkeit und Wartbarkeit des SystemsAnpassungsfhigkeit, Erneuerbarkeit
71
71
72
Wetter-prognoseSolarleistungProduktionsplanEnergie-managementNetz-managementHeizbetriebZwischenspeicherHeizbetrieb
72
Prognosen und Proaktives HandelnEinzelne Agenten verwalten ihren zuknftigen Bedarf und ihr zuknftiges Angebot.Solarprognosen, Lastprognosen, Produktionsplan, Logistikplan, Demand-side managementProaktives Handeln fhrt zur besseren Auslastung von Betriebsmitteln.Koordination von Batterieregenerationszyklen mit EnergieprognosenFrhzeitiger Transport von Energie in verbrauchsnahe SpeicherFrhzeitige Transformation in verbrauchsnahe Energieformen
73
74
Wetter-prognoseSolarleistungProduktionsplanEnergie-managementNetz-managementHeizbetriebZwischenspeicherHeizbetrieb
74
Dynamik und Agilitt: Erweiterbarkeit75
Beispiel: BatteriespeicherZur stationren Batterie kommen e-Fahrzeuge (unidirektional).Ladesulen und Fahrzeuge erhalten ihren Reprsentanten zum ManagementFahrzeiten, Ladeleistung, Auslastung, etc. knnen sofort mit dem Gesamtsystem koordiniert werdenDie Staplerflotte wird auf bidirektional ladbare e-Fahrzeuge umgestellt.Unmittelbare Einbindung in das StromspeicherkonzeptVernetzung mit der Produktion
76
Einfaches Lastmanagement im Industriekontext20kV Anschluss, LastgangvertragSchwankende GrundlastEinzelne Groverbraucher, planbar / nicht planbar, verschiebbar / nicht verschiebbarEigene Erzeuger, entstehendes Energie-/KlimaschutzkonzeptVernetzt und zukunftssicherWeitere SoftwareentwicklungKonzept- und IdeenentwicklungPraxistest!Neues Forschungsinstitut fr Wasser- und EnergiemanagementSmart Grid aus der Region Praktisches Lastmanagement und die Vorreiterrolle der Hochschule Hof
Dynamik und Agilitt: Lernende Systeme77
Automatische Anpassung an neue GegebenheitenLernen von Beziehungen (z.B. Strahlung Output) durch neuronale NetzePrognosen fr Verbrauch/Beitrag volatiler Quellen und SenkenStndige Anpassung an vernderliche Parameter (Alterung, Neuausrichtung)Einpassung in neue Umfelder (Wiederverwendung von Systemen in neuem Kontext)Auslegung von Betriebsmitteln aus Fehlerabschtzung
FazitDas Smart Grid funktioniert auch (und besser) ohne Durchgriff und totale berwachung durch den VersorgerDritte haben in Deinen Daten nichts zu suchenNutze sie selbst. Jetzt.
Vielen Dank fr Ihre AufmerksamkeitPhone +49 9281 409-6112Fax+49 9281 409-6899mail@iisys.dewww.iisys.dewww.iisys.de/sgInstitut fr Informationssysteme der Hochschule Hof (iisys)Alfons-Goppel-Platz 195028 Hof
Simba n GmbH Dr.-Friedrichs-Str. 42 08606 Oelsnitz Tel.:+49 37421 7224-0 Fax:+49 37421 7224-100 E-Mail:info@nhochdrei.de Internet:www.nhochdrei.deDr. Matthias NagelManaging Directormatthias.nagel@nhochdrei.de+49 (37421) 7224 - 101
Dr. Georg JungHead of research group Smart Gridsgeorg.jung@iisys.de+49 9281 409-6271