Praxis-Workshop: Implementierung von KI-Anwendungsfällen mit industriellen Daten Schulung

Einführung und Auswahl der Anwendungsfälle durch das Team

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

Verständnis und Vorbereitung von Industriellen Daten

• Arten von Industriedaten: Zeitreihen, tabellarisch, Bild, Text
• Datenerfassung, Bereinigung und Vorverarbeitung
• Explorative Datenanalyse mit Pandas und Matplotlib

Auswahl der Modelle und Prototypisierung

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

Visualisierung und Interpretation der Ergebnisse

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

Simulation des Einsatzes und Feedback

• Simulation von Edge-/Cloud-Einweisungsszenarien
• Einsammeln von Feedback und Verbesserung der Modelle
• Strategien für die Integration in den Betrieb

Entwicklung des Abschlussprojekts

• Finalisierung und Testung der Teamprototypen
• Peer-Review und gemeinsame Fehlersuche
• Vorbereitung der Projektpräsentation und des technischen Zusammenfassers

Teampräsentationen und Abschluss

• Präsentation der KI-Lösungskonzepte und Ergebnisse
• Gruppennachbesprechung und gelerntes Wissen
• Fahrplan für die Skalierung von Anwendungsfällen innerhalb der Organisation

Zusammenfassung und nächste Schritte