Smart Data Academy

Arbeit im Unternehmen der Zukunft

Der berufsbegleitende Zertifikatskurs "Smart Data Academy" wurde im Jahr 2023 durchgeführt und war ein Kooperationsprojekt zwischen der Campus-Akademie für Weiterbildung und dem Lehrstuhl Umweltgerechte Produktionstechnik der Universität Bayreuth. Gefördert wurde der Zertifikatskurs im Rahmen des Förderprojekts „digital.Ing“, welches vom Freistaat Bayern und der vbw – Vereinigung der Bayerischen Wirtschaft e. V. ins Leben gerufen wurde.
Der Kurs sollte Unternehmen dabei unterstützen, die durch die neuen Technologien vorhandenen Potenziale zu verstehen und nutzbar zu machen.

Der Kurs wurde durch das Bayerische Staatsministerium für Wissenschaft und Kunst (STMWK) gefördert und war deshalb für Mitarbeitende bayerischer KMU kostenfrei.

Inhalte

Der Zertifikatslehrgang bestand aus insgesamt fünf Modulen, in welchen zielgerichtete Generierung, intelligente Auswertung und wertschöpfende Nutzung von Daten mittels Technologien der Digitalisierung und der künstlichen Intelligenz vermittelt wurde.

Grafische Darstellung, wie man von Smart Data zu Lean Data gelangt.

Modulplan

Modul 1: Big Data Einklappen

Begrifflichkeiten und Definition von Big Data im Kontext von Business Intelligence und Data Mining
(Big) Data Management in Unternehmen: Anforderungen, Dateisysteme und Datenbanken
Überblick über Big Data Systeme und Architekturen (z.B. Data Warehouse und Data Lakes)
Datenverarbeitungsmethoden in Big Data: Von Theorie zu praxisnahen Anwendungsbeispielen
Einführung in IT-Sicherheit und Data Governance im Kontext von Big Data

Modul 2: Lean Data Einklappen

Einführung in das Gebiet Data Science
Methoden des Data Mining: Crisp-DM, SEMMA, KDD und BAM.AI
Herausforderungen, Potenziale und ein Leitfaden für den erfolgreichen Einsatz von Künstlicher Intelligenz (KI)
Praktische Anwendung: Identifizierung von Anwendungsfällen im eigenen Unternehmen und Vorstellung einer Fallstudie

Modul 3: Smarte Datengewinnung Einklappen

Aufbau eines Verständnisses für Daten und Identifizierung möglicher Datenquellen im Unternehmen
Techniken der Datenerfassung und Signalverarbeitung in einem produzierenden Umfeld
Wesentliche Aufgaben bei der Datenaufbereitung, einschließlich Datenbereinigung und -transformation
Praxisorientierte Demonstration unterschiedlicher Datenaufnahmemethoden (z.B. Beschleunigungs- und Stromsensoren) und Aufbereitung von Daten (Fallstudie)

Modul 4: Intelligente Datenwertschöpfung Einklappen

Methoden zur Datenveredelung, inklusive Feature Selection und Extraction
Grundlagen ausgewählter Machine Learning Verfahren
Übersicht zu gängigen Entwicklungsumgebungen wie JupyterLab
Praktische Umsetzung von Machine-Learning-Modellen und anschließende Evaluation der Ergebnisse anhand der Fallstudie

Modul 5: Effiziente Datenverwertung Einklappen

Einführung in die Datenvisualisierung
Auswahl geeigneter Diagrammtypen und effiziente Darstellung großer Datenmengen
Nutzung von Dashboards zur Datenvisualisierung
Identifizierung von geeigneten Schnittstellen zwischen Mensch und Maschine
Praktische Umsetzung: Visualisierung Fallstudie-Ergebnisse in Dashboards sowie Demonstration der Lernfabrik im Technikum des Lehrstuhls