05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6

Browse

Filters

20251

Settings

Institute: search.filters.UBSInstitut.Institut für Parallele und Verteilte SystemeStart date: 2025End date: 2025Publication Type: search.filters.UBSTyp.Habilitation

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    ItemOpen Access
    Datenanalysen für industrielle Anwendungsfälle : Datencharakteristika und Nutzung von Domänenwissen
    (2025) Reimann, Peter; Mitschang, Bernhard (Prof. Dr.-Ing. habil.)
    Der inhaltliche Schwerpunkt der vorliegenden Arbeit liegt im Bereich des Datenmanagements sowie der Datenanalyse für industrielle Anwendungsfälle aus dem produzierenden Gewerbe. Die in solchen industriellen Anwendungsfällen verfügbaren Daten weisen komplexe Charakteristika auf, die gängige Verfahren zum Datenmanagement und zur Datenanalyse vor Herausforderungen stellen. Beispiele für solche Datencharakteristika sind, dass häufig nur sehr wenige Daten zur Verfügung stehen oder dass die hohe Produktvielfalt in Unternehmen zu einer höheren Anzahl und Komplexität der in den Daten auftretenden Muster führen kann. In dieser Arbeit werden die häufigsten domänenspezifischen und komplexen Datencharakteristika vorgestellt und kategorisiert. Zudem wird aufgezeigt, dass diese Datencharakteristika, wenn sie nicht adäquat adressiert werden, zu mäßigen Analyseergebnissen führen, z.B. zu einer geringen Vorhersagegenauigkeit in einer Klassifikation. Als weiterer Schwerpunkt wird in dieser Arbeit der Stand der Wissenschaft hinsichtlich grundlegender Ansätze zur Nutzung von formal repräsentiertem Domänenwissen in die drei Schritte Datenakquise, Datenvorbereitung und Datenanalyse von Datenanalyseprozessen untersucht. Es wird diskutiert, inwieweit diese Ansätze die komplexen Datencharakteristika industrieller Anwendungsfälle adressieren können, um somit die Qualität von Analyseergebnissen zu erhöhen. Betrachtete Wissensrepräsentationsformen sind Fallbasen, Regelbasen, Glossare, semantische Netze wie Ontologien oder Wissensgraphen, probabilistische Graphen sowie mathematische Simulationsmodelle. Die untersuchten Ansätze schließen u.a. Ansätze zur Nutzung einer Regelbasis, semantischer Netze oder Simulationsmodelle zum Feature-Engineering, zur Festlegung der Labels in Daten oder für weitere Schritte der Datenakquise, Datenvorbereitung oder der Datenanalyse ein. Die Diskussionen werden mit Evaluationsergebnissen auf Basis realer industrieller Anwendungsfälle und Daten untermauert.