Kontextwissen in den Produktdaten verankern
Den Umgang mit Daten auf eine neue Ebene heben
Innovations- und Produktionszyklen werden kürzer und komplexe IT-Systeme immer tiefer in die Produktion integriert. Dabei entstehen große Mengen an Produktdaten in einer Vielzahl von Formaten, mit unterschiedlichen Bedeutungen und an verteilten Orten, über viele Organisationseinheiten hinweg. Die meisten Unternehmen sind weit davon entfernt, den maximalen Nutzen aus diesen Daten zu schöpfen. Dabei stehen schon verschiedene Methoden zur Verfügung, die im Zusammenspiel den Umgang mit Produktdaten über alle Lebenszyklen hinweg auf eine neue Ebene heben könnten.
In produzierenden Unternehmen entstehen mit immer größerer Geschwindigkeit an verschiedenen Stellen neue produktrelevante Daten. Diese Daten liegen in verschiedenen Formaten vor, von einfachen Texten, Listen und Tabellen bis hin zu Konstruktionszeichnungen und Geometrien. Gleichzeitig haben diese Daten eine sehr unterschiedliche Bedeutung und beschreiben etwa komplexe Objekte und Zusammenhänge in der Produktwelt. Um die vielschichtigen Fragestellungen innerhalb des gesamten Produktlebenszyklus zu beantworten, müssen die richtigen Daten aus verschiedenen Quellen identifiziert und über die unterschiedlichen Formate und Bedeutungen zusammengebracht werden. Dieses zielgerichtete Wiederfinden und Zusammenbringen von vielfältigen Daten ist ein Schlüssel zum Erfolg, um die Informationsflut zu beherrschen und für sich zu nutzen.
Unterstützung im Umgang mit der Informationsvielfalt
Ein nicht zu vernachlässigender Faktor im Umgang mit Daten und Informationen ist der Mensch als Nutzer. Die mittlerweile erreichte Vielfalt und Menge an Informationen erfordert neue Ansätze, um den Nutzer im Umgang mit ihnen zu unterstützen, da die Menge und Vielfalt leicht die menschliche Fähigkeit übersteigen kann, stets den Überblick zu behalten und Gewünschtes schnell zu finden. Stattdessen werden Datenbanken, Laufwerke und Dateien einzeln und manuell durchforstet, um passende Informationen zur Lösung einer konkreten Aufgabe zu finden. Die Zeit, die bei dieser oft unstrukturierten Recherche verloren geht, fehlt dem Nutzer dann bei der eigentlichen Bewältigung der Aufgabe. Hilfe versprechen Technologien, die Nutzer in der Spezifikation des Informationsbedarfs unterstützen und Ergebnisse nach der aktuellen Situation und Aufgabe filtern können. Aus technischer Sicht lassen sich damit verbundene Herausforderungen in drei Teilprobleme zerlegen: Daten müssen inhaltlich zusammengebracht werden, um einen einheitlichen Zugriff auf alle Daten zu ermöglichen. Informationsanfragen müssen präzise gestellt werden, sodass genau die aktuell relevanten Ergebnisse gefunden werden. Und die relevanten Ergebnisse müssen genau dort bereitgestellt werden, wo sie benötigt werden. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Dr. Jens Ortmann, Senior Researcher bei der Softplant GmbH. Bild: Softplant GmbH
Semantische Technologie zur Vernetzung von Daten
Semantische Technologien wurden entwickelt, um das Semantic Web zu realisieren. Im Semantic Web sollen Maschinen die von Menschen zusammengetragenen Informationen verarbeiten können. Dazu wurden vom World Wide Web Consortium (W3C) verschiedene Technologien standardisiert, unter anderem Ontologien. In einer Ontologie werden mittels Klassen, Instanzen und Beziehungen bestimmte Anwendungsdomänen logisch modelliert, sodass ein Computer das Modell sinnvoll verarbeiten kann. Zum Beispiel werden für die Domäne Computerhardware die Klassen Sockel, Mainboard und Hersteller mit passenden Instanzen, beispielsweise LGA1150, H87 Pro (C2) und Asus, spezifiziert und in Beziehung gesetzt. Das bedeutet, das Mainboard hat einen Sockel und wird von einem bestimmten Hersteller produziert. Durch diese Formalisierung wird es möglich, innerhalb des Modells implizite Informationen abzuleiten und Widersprüche zu erkennen. Wenn zum Beispiel bekannt ist, dass H87 Pro (C2) den Sockel LGA1150 hat, ist ebenfalls bekannt, dass H87 Pro (C2) ein Mainboard sein muss. Semantische Technologien werden heute schon genutzt, um frei zugängliche Daten aus dem World Wide Web wie Wikipedia oder den Katalog der Deutschen Nationalbibliothek zu vernetzen. Auch in kontrollierten Anwendungsdomänen – also in der IT von Unternehmen – finden diese Technologien eine immer höhere Verbreitung.
