Praxisworkshop: Implementierung von KI-Anwendungsfällen mit Industriedaten Schulung

Einführung und Auswahl von Anwendungsfall durch das Team

• Überblick über KI in industriellen Umgebungen
• Kategorien von Anwendungsfällen: Qualität, Instandhaltung, Energie, Logistik
• Bildung der Teams und Festlegung der Projektziele

Verständnis und Vorbereitung von Industriedaten

• Arten von Industriedaten: Zeitreihen, tabellarische Daten, Bilder, Text
• Datenerfassung, Bereinigung und Vorverarbeitung
• Explorative Datenanalyse mit Pandas und Matplotlib

Modellwahl und Prototyping

• Auswahl zwischen Regression, Klassifizierung, Clustering oder Anomalieerkennung
• Training und Bewertung von Modellen mit Scikit-learn
• Nutzung von TensorFlow oder PyTorch für fortgeschrittenes Modellieren

Visualisierung und Interpretation von Ergebnissen

• Erstellung intuitiver Dashboards oder Berichte
• Interpretation von Leistungsmetriken (Genauigkeit, Präzision, Recall)
• Dokumentation von Annahmen und Einschränkungen

Simulierung der Implementierung und Feedback

• Simulation von Edge-/Cloud-Implementierungsszenarien
• Sammlung von Feedback und Verbesserung der Modelle
• Strategien zur Integration in operative Prozesse

Entwicklung des Abschlussprojekts

• Finalisierung und Testung der Teamprototypen
• Peer-Review und kollaboratives Debugging
• Vorbereitung der Projektpräsentation und technischen Zusammenfassung

Teampräsentationen und Zusammenfassung

• Präsentation der Konzepte und Ergebnisse der KI-Lösung
• Gruppennahe Reflexion und gelernte Erkenntnisse
• Roadmap zur Skalierung von Anwendungsfällen innerhalb der Organisation

Zusammenfassung und nächste Schritte