adesso BLOG

In einer Zeit, in der Effizienz und schnelle Anpassungsfähigkeit entscheidend sind, bietet Process Mining einen erheblichen Mehrwert: Es ermöglicht Unternehmen, ihre Geschäftsprozesse datengetrieben zu optimieren. In diesem Blog-Beitrag erklären wir genauer, wie Process Mining helfen kann - und zwar in praktisch jeder Implementierung und unabhängig von Branche oder Prozess.

Für jeden Autofahrer ist es eine Selbstverständlichkeit: Tritt ein seltsames Geräusch auf, ist die Ursache zu identifizieren. Üblich ist ein Besuch in der Werkstatt mit dem Ziel, die Ursache der Störung zu identifizieren. Das kostet zwar eine gewisse Gebühr, der zu erwartendem Schaden ohne Überprüfung übersteigt diese Gebühr aber bei weitem. Das ist ein typisches Beispiel für Predictive Maintenance, einem Teilgebiet von Predictive Analytics: Vermeidung von Schaden, bevor er voll durchschlägt. In der Industrie ist das Prinzip dasselbe, nur in einem größeren Massstab. Tausende – wenn nicht sogar Millionen – von Geräten produzieren immense Mengen an Daten.

Foundation-Modelle revolutionieren die Art und Weise, wie wir Zeitreihenanalysen durchführen. Sie werden auf großen Datensätzen trainiert und bieten flexible und skalierbare Lösungen für komplexe Vorhersagen und Mustererkennung. In meinem Blog-Beitrag stelle ich Foundation-Modelle vor, zeige Vorteile und technische Details und vergleiche verschiedene Modelle miteinander.

Die nahtlose Integration von Data Science in Unternehmen ist in der heutigen Zeit von entscheidender Bedeutung, um aus Daten wertvolle Erkenntnisse zu gewinnen und darauf basierend fundierte Geschäftsentscheidungen zu treffen. Bei adesso haben wir uns eingehend mit der Implementierung agiler Vorgehensweisen in Data-Science-Projekten beschäftigt. In diesem Blog-Beitrag fassen wir die zentralen Erkenntnisse aus Experteninterviews prägnant zusammen und ergänzen sie anhand aktueller Forschungsergebnisse.

In diesem Blog-Beitrag werden wir die spezifischen Anforderungen an Data-Science-Projekte und die Auswahl des richtigen agilen Ansatzes betrachten. Dabei wird ein Blick auf den aktuellen Stand der Forschung geworfen.

Agilität und Data Science haben eines gemeinsam: Beide Disziplinen haben in den letzten Jahren stark an Bedeutung gewonnen. Der Einsatz agiler Methoden und Frameworks kann für Unternehmen ein entscheidender Erfolgsfaktor sein. In diesem und den kommenden Blog-Beiträgen werden wir uns vor allem mit der Frage beschäftigen, ob und wie agile Ansätze in die Welt der Data Science integriert werden können. Zunächst jedoch ein Blick auf wichtige Grundlagen im Bereich Data Science und Agilität.

In diesem Blog-Beitrag möchten wir euch die Visual-Studio-Code-Erweiterungen präsentieren, die wir in unserer täglichen Arbeit als Expertinnen und Experten für maschinelles Lernen, Data Engineering und KI benötigen. Ohne die passenden Erweiterungen wäre Visual Studio Code keine vollständige integrierte Entwicklungsumgebung (IDE). Doch mit den richtigen Erweiterungen kann man sich erheblich Arbeit ersparen und die Produktivität als Developer steigern.

Transparenz durch Berichte und Kennzahlen hilft in vielen Unternehmensbereichen. Der Einsatz von Dashboards ist empfehlenswert, da sie ein kostengünstiges Werkzeug für die begrenzten Budgets von Netzbetreibern darstellen. In unserem Blog-Beitrag gehen wir vor allem auf Dashboards mit betriebswirtschaftlichen beziehungsweise kaufmännischen Kennzahlen bei Netzbetreibern ein.

Dateninnovationen und Daten-Anwendungsfälle beschäftigen die Energiewirtschaft. Die Netzbetreiber sitzen auf ungenutzten Datenmengen und können so Synergieeffekte und Effizienzpotenziale nicht richtig nutzen. Dieser Blog-Beitrag erklärt, wie die Energiewende mit einheitlich integrierten Prozessen, Systemen und Daten beschleunigt werden kann.