Upload
lamkiet
View
227
Download
4
Embed Size (px)
Citation preview
Innungsversammlung der Innung Metall Paderborn
Digitalisierung Welches Potential steckt
noch in den Daten? Wie und wo verarbeite ich sie?
Dr. Simon Oberthür, Dr. Gunnar Schomaker
23.06.2016
Software Innovation Campus Paderborn Universität Paderborn Zukunftsmeile 1 33102 Paderborn [email protected] www.sicp.de
Ziel • Faires Abrechnungsmodel (Härte des Holz - Energiekosten)
Ergebnisse • Faire Abrechnung • Optimierung der Schnittreihenfolge entlang der Schärfe der Säge • Optimierung des Wechselzeitpunkts & Minimierung von Rüstzeiten
Motivation „Smarte“ Datenanalyse am Beispiel Sägewerk
22.07.16 © SICP 2
Schnittzeit
Leistungsaufnahme
Innungsversammlung der Innung Metall Paderborn
Digitalisierung Welches Potential steckt
noch in den Daten? Wie und wo verarbeite ich sie?
Dr. Simon Oberthür, Dr. Gunnar Schomaker
23.06.2016
Software Innovation Campus Paderborn Universität Paderborn Zukunftsmeile 1 33102 Paderborn [email protected] www.sicp.de
Software, der Innovationstreiber Nr.1
Unsere Vision
© SICP 4
Source: Daimler AG Source: Wincor Nixdorf
Source: Fujitsu 22.07.16
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
• Big-Data: Worum geht es? • Wieso müssen Alle bei Big-Data beteiligt werden? • Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? • Teure IT-Infastrukutur? Wie kann die Cloud helfen? • Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? • Digital in NRW – Das Kompetenzzentrum für den Mittelstand • eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 5
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 10
Alle relevanten
Daten zugreifen und
anforderungsgerecht nutzen können
Big-Data Worum geht es?
22.07.16 © SICP 11
Daten Informationen Entscheidungen
Wissen aus Zusammenhängen
generieren
Aufbereiten Verstehbar machen
Grundlagen
liefern
Unsicherheiten beseitigen
Bessere und schnellere Entscheidungsfindung
Autonome „intelligente“
Entscheidungen
Big-Data Alles wirklich Daten, oder was?
22.07.16 © SICP 12
Die Essenz von Daten sind angewendete Informationen.
Quelle: IDC Digital Universe Quelle: IDC Digital Universe
Daten Informationen Entscheidungen
Das Wachstum Die Zwiebel mit
BigData Analytics schälen
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 13
Big-Data Ein Konzept * 5 Vs + Analyse = Probleme
22.07.16 © SICP 14
• Analytics ohne Hypothesen keine Untersuchung das Dilemma Kausalität und Korrelation
• Volume (Speicher)2 und ist Wegwerfen erlaubt? • Variety welche zusätzlichen Daten können helfen? • Velocity Änderungsrate, Anforderungen und Granularität • Veracity Datenhygiene und Vertrauenswürdigkeit? • Value Welcher Nutzen und welcher Wert wird erzeugt?
Big-Data Vorgehensmodell
22.07.16 © SICP 15
Es gibt kein All-In-One-Big-Data-Ready-Produkt • Wissen wohin der Weg langfristig gehen sollen • Ziele definieren, Anforderungen bestimmen und
Prozesstransparenz bewahren! • Vorgehensmodell @ Bitkom:
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 16
Big-Data Anonymisierung von Personen bezogenen Daten
22.07.16 © SICP 17
IBM Watson • Semantische Suchmaschine, versteht natürliche Sprache • 2011 zwei Jeopardy!-Cahmpiens deklassiert • Zukünftige Anwendung Unterstützung bei Diagnosen • 1 von 5 Diagnosen ist falsch oder unvollständig • In den USA 1.5 Mio Medikationsfehler pro Jahr
Vs. manuelle Datenanalyse • Studentin Latanya Sweeney vs. William Weld Gouv. Massachusetts • Group Insurance Commission: DB für Forschung = $20 für 54.000 Daten • Krankenakte aus „anonymisierten“ Daten (-Name, -Adresse, -Soz.Vers.Nr.) • Wissen: Cambridge, 6 Personen Geburtsdatum, 3 Männer, genau PLZ • Geburtsdatum, PLZ, und Geschlecht = ID 87% Amerikaner
Anonymisierung eine Illusion?
Big-Data Behörden in der Versuchung – „Predictive-Analytics“
22.07.16 © SICP 18
Gesellschaft, Rollen und Schutzbedürfnisse • Schutz durch Gesetzeshüter • Datenschützer ist kein Polizist
Feldversuch Santa Cruz, Kalifornien 2012 • 200.000 Einwohner auf 120km2
• 25% Abweichung = mehr Polizeipatrouillen • Analyse der Berichte (Ort, Zeit, ...) • Random, Analyst, Software
1 => 3 => 6-fach besser • L.A. mit 6 Bereiche 1.1 Mio Bürger Konflikt der Prioritäten • Privatsphäre von „Einbrechern“ • Schutz der Bürger
Big-Data Behörden in der Versuchung – „Predictive-Analytics“
22.07.16 © SICP 19
Polizei London, UK, 2013 • Telefonleitungen Kabeldiebstahl • Störungsanalyse = schneller Einsatz • In flagranti ~ 11 Monate, 480 Diebe • 260 Tonnen Kupfer sichergestellt
Polizei Zürich, Schweiz, 2014 • Einsatz nach US-Modell Polizei Deutschland, 2015 • Forschungsprojekte • Predictive Policing • Pilotprojekt Bayern erfolgreich • Niedersachen und NRW?
Big-Data Vorhersage von Kaufverhalten
22.07.16 © SICP 20
Aktive Konsumenten Analyse • Target: zweitgrößte Discounteinzelhändler • Bewertung und Vorhersage von menschlichem Verhalten
Verhalten: Häufung, zeitlicher Reihenfolge, Art Ziel: Marketing versendet individuelle Rabattangebote
Der „Schwangeren-Score“ • Analyse: Kaufverhalten junger Frauen 25 Artikel • Aktion: Target versendet Rabattcoupons für Babyartikel • Adressat: minderjähriges Mädchen ~Minneapolis • Reaktion: Papa sauer! Fordert Entschuldigung vom Management • Reaktion2: wait(approx(9M)); Papa entschuldigt sich beim Management Funktioniert ohne das Wissen ob eine Schwangerschaft besteht
Big-Data vs. Smart-Data Big-Data und DB
22.07.16 © SICP 21
Predictive Maintenance auf der Schiene Herausforderung – Güterzugausfälle auf der Strecke sind teuer und verursachen Verspätungen – Schäden an Lokomotiven sind extrem teuer und Früherkennung wichtig
Lösung – Übertragung von Live-Daten über den Zustand von Lokomotiven – Zentrales Sammeln aller Lokomotiven-Daten zur Profilbildung – Vergleich von Abweichungen nach der Wartung – einfache Visualisierung
Big-Data – Erweiterung um alle Güterwagons – Heterogene Quellen: Streckennetz, Wetterlagen, Energieversorgung, Ladung, weitere
Züge, detaillierte Netzinformationen, Werkstattdaten, Fahrplandaten
Innovation – Prognosemodell zur Absicherung gegen
Ausfälle – Optimierung der Wartungsintervalle und
Maßnahmen
Ausblick – Bereitstellung der Daten für Hersteller
Big-Data vs. Smart-Data Smart-Data und DB
22.07.16 © SICP 22
Predictive Maintenance auf der Schiene Herausforderung – Wie zuvor aber auch: – Zentrale Datensammlung ist teuer und Live nicht immer möglich
Lösung – Stärkeres Nutzen bestehender Profile von Lokomotiven und Wagons – Ein kleiner Kasten vermisst „relevante Bauteile“ und Wertet die Daten aus
Smart-Data – Keine zentrale sondern Lokale Berechnung der Ausfallwahrscheinlichkeit – Bestehende Erkenntnisse aus dem Big-Data Wissen werden verwertet
Innovation – Prognosemodell zur Absicherung gegen
Ausfälle – Optimierung der Wartungsintervalle und
Maßnahmen – Geringere Kosten durch
Live-Übertragung und Speicherung
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 23
Verarbeitungsschritte Beispiel Sägewerk
22.07.16 © SICP 24
Entscheidungen umsetzen
Analyse
Daten erfassen, vorverarbeiten,
speichern
Visualisierung & Neuanalyse
Vorteile • Experten kümmern sich um
- Datensicherheit - Backups - Wartung - Verfügbarkeit
• Finanzielle Vorteile - Geringe Investitionskosten - Nutzungsbasierte Abrechnung
Zu beachten • Datenschutz • Exit Strategie
Alternative zur Speicherung & Verarbeitung Sicher Nutzung der Cloud
22.07.16 © SICP 25
Cloud Der Begriffsdschungel
22.07.16 © SICP 27
IaaS PaaS SaaS
Anwendungen
Daten
Middleware
Betriebssystem
Virtualisierung
Server
Speicher
Netzwerk
Eigene
sUnterne
hmen
EigenerServer
Anwendungen
Daten
Middleware
Betriebssystem
Virtualisierung
Server
Speicher
Netzwerk
Eigene
sUnterne
hmen
Cloud-Dienstleister
InfrastructureasaService
Anwendungen
Daten
Middleware
Betriebssystem
Virtualisierung
Server
Speicher
Netzwerk
Eigene
sUnterne
hmen
Cloud-Dienstleister
Pla;ormasaService
Anwendungen
Daten
Middleware
Betriebssystem
Virtualisierung
Server
Speicher
Netzwerk
Cloud-Dienstleister
So<wareasaService
Cloud Cloud ist nicht gleich Cloud
22.07.16 © SICP 28
Internet
Public Cloud Private Cloud Hybride Cloud
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
• Big-Data: Worum geht es? • Wieso müssen Alle bei Big-Data beteiligt werden? • Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? • Teure IT-Infastrukutur? Wie kann die Cloud helfen? • Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? • Digital in NRW – Das Kompetenzzentrum für den Mittelstand • eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 29
Verarbeitungsschritte Beispiel Sägewerk – Wo? Wie Sicher?
22.07.16 © SICP 30
Entscheidungen umsetzen
Analyse
Daten erfassen, vorverarbeiten,
speichern
Visualisierung & Neuanalyse
Verarbeitungsschritte Beispiel Sägewerk – Wo? Wie Sicher?
22.07.16 © SICP 31
Entscheidungen umsetzen
Visualisierung & Neuanalyse
Was bedeutet eigentlich Sicherheit? IT-Grundschutz: Grundwerte
22.07.16 © SICP 32
• Schutz vor unbefugtem Zugriff auf Informationen
1) Vertraulichkeit
• Vollständigkeit, Korrektheit, Manipulationsfreiheit, Unversehrtheit, Unverfälschtheit, Authentizität
2) Integrität
• Informationen, Dienstleistungen und Funktionen eines IT-Systems steht jederzeit zur Verfügung
3) Verfügbarkeit
Sicherheit Verschlüsselung
22.07.16 © SICP 33
verschlüsseln entschlüsseln
Symmetrische Verschlüsselung
Identischer Schlüssel
verschlüsseln entschlüsseln
Asymmetrische Verschlüsselung
Icons © Freepik & Icon Works
• Aufgaben von Verschlüsselung & Signatur – Verschlüsselung => Vertraulichkeit – Signaturen => Integrität
• Zertifikate – Basieren auf asymmetrische Verschlüsselung – Privater Teil des Zertifikat wird oft zus. verschlüsselt
Sicherheit Signaturen
22.07.16 © SICP 34
signieren verifizieren
Zertifikat = Siegelstempel
© sjbutterfield2 CC BY-NC 2.0
Empfänger hat Gewissheit • Nachricht ist vom Sender • Nachricht wurde nicht verändert
© yuheitomi CC BY-NC 2.0
Icons © Freepik & Icon Works
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 35
Auf dem Weg zu Industrie 4.0 Die Befähigungskette des Kompetenzzentrums
Qualifizieren Konzipieren
Umsetzen Demonstrieren
Was genau ist Industrie 4.0? Wie kann mein Unternehmen
davon profitieren?
Digitalisierung live und in Farbe – gibt es das überhaupt? Wie bekomme ich den Beweis?
Welche Kompetenzen brauche ich für die Digitalisierung? Wie
kann ich diese aufbauen?
Ist mein Unternehmen schon reif für die Digitalisierung? Was sind meine
nächsten Schritte?
Wie kann ich die Digitalisierung in meinem Unternehmen umsetzen? Wie finde ich den richtigen
Partner dafür?
Konzipieren Informieren 4.0
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 39
40
Teilprojekt:
Business 4.0 OWL – Neue Geschäftsmodelle und
Wertschöpfungsketten mit IKT
10ProjektezurNutzungderPotenzialederDigitalenTransformaEonfürdieStärkungvonWirtschaIundGesellschaI
IKT Anlaufstelle
41
Informa>onsportal/Webseite• Veranstaltungskalender• LeiFädenund
Broschüren• NützlicheLinks
persönlicheInforma>onsgespräche
Fachveranstaltungen
AlleAngebotesindkostenfrei.WeitereInformaEonen:www.ebusinesslotse-owl.deUlrikeKünnemann;E-Mail:[email protected],Tel:05251–5465315
DigitaleStrategienfürkleineundmiQlereUnternehmen(KMU)
UmfragezurErhebungdesDigitalisierungsstandsinOWL
§ WieistIhrUnternehmenimHinblickaufDigitalisierungaufgestellt?
§ WirkönnenIhnenhelfenpassgenauHandlungsbedarfzuidenEfizieren
§ NehmenSieanderUmfrageteil!ca.16Minuten– UnterstützenSieunsdamitwirSieunterstützenkönnen– DatenwerdennurfürForschungszweckegenutzt
§ LinkwirdIhnenperEmail/Newsle`erzugeschickt– h`p://ww3.unipark.de/uc/wnderlich_Universit__t_Paderborn/9c0a/?a=2
§ ZuGewinnen:AppleI-PadPro
42
1. Motivation & Vorstellung 2. Welches Potential steckt in den Daten?
– Big-Data: Worum geht es? – Wieso müssen Alle bei Big-Data beteiligt werden? – Beispiele: Was kann aus Daten abgeleitet werden?
3. Wie und wo verarbeite ich sie? – Teure IT-Infastrukutur? Wie kann die Cloud helfen? – Ist die Cloud den sicher?
4. Wo bekomme ich weitere Unterstützung? – Digital in NRW – Das Kompetenzzentrum für den Mittelstand – eBusinessLotse OWL – Projekt Business 4.0
Agenda
22.07.16 © SICP 43
Digitalisierung • IoT (Internet of Things), Big Data & Cloud
sind Bausteine für die Digitalisierung • Eröffnen Optimierungspotential und neue Geschäftsmodelle
Big Data • Es gibt kein All-In-One-Big-Data-Ready-Produkt • Benötigt Wissen über die Domäne, Daten-Analysten • Smart Data nicht unterschätzen
Cloud • Einsatzmöglichkeit bewerten und potentiale Nutzen
Nächsten Schritte • Unterstützung durch Förderprojekte
Zusammenfassung Was sollten Sie mitnehmen?
22.07.16 © SICP 44