Praktischer Workshop: Implementierung von KI-Anwendungsfällen mit Industrie-Daten Schulung

Einführung und Auswahl von Anwendungsfall durch das Team

• Überblick über KI in industriellen Umgebungen
• Kategorien von Anwendungsfällen: Qualität, Instandhaltung, Energie, Logistik
• Teambildung und Definition der Projektziele

Verständnis und Vorbereitung von Industrie-Daten

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

Modellauswahl und Prototyping

• Wahl zwischen Regression, Klassifikation, Clustering oder Anomalieerkennung
• Training und Bewertung von Modellen mit Scikit-learn
• Verwendung von TensorFlow oder PyTorch für fortgeschrittene Modellierung

Visualisierung und Interpretation der Ergebnisse

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

Simulation des Rollouts und Feedback

• Simulation von Edge- bzw. Cloud-Deployment-Szenarien
• Einholen von Feedback und Verbesserung der Modelle
• Strategien zur Integration in operative Prozesse

Entwicklung des Capstone-Projekts

• Fertigstellung und Testung der Team-Prototypen
• Peer-Review und kollaboratives Debugging
• Vorbereitung der Projektpräsentation und der technischen Zusammenfassung

Teampräsentationen und Abschluss

• Präsentation der KI-Lösungskonzepte und Ergebnisse
• Gruppenreflexion und Lektionen aus der Praxis
• Roadmap zur Skalierung von Anwendungsfällen innerhalb der Organisation

Zusammenfassung und nächste Schritte