Output Nr. 21
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
BigContentData – Zukunft der Medien made in Wuppertal<br />
{ BigContentData – media future made in Wuppertal }<br />
{ BigContentData – media future made in Wuppertal }<br />
IV Prescriptive Analytics<br />
Nutzen<br />
Automatisierte<br />
Entscheidungen<br />
Entscheidungsunterstützung<br />
Entscheidungsfähigkeit<br />
Physische<br />
Welt<br />
Virtuelle<br />
Welt<br />
Entscheidung Mobiles Dashboard Prozessoptimierung<br />
Daten<br />
III Predictive Analytics<br />
II Diagnostic Analytics<br />
I Descriptive Analytics<br />
menschlicher<br />
Beitrag<br />
Entscheidung<br />
Handlung<br />
Aufwand<br />
Prognosefähigkeit<br />
Mustererkennung<br />
Informationsgenerierung<br />
Ziel<br />
Medienproduktion<br />
Descriptive<br />
Analyse<br />
Prozessdaten<br />
MES<br />
Prädikative<br />
Analyse<br />
Data Warehouse<br />
Operative Data<br />
ERP<br />
Präskriptive<br />
Analyse<br />
CMS<br />
Prozessanalyse<br />
Datenbereitstellung<br />
Strukturierte Daten<br />
Unstrukturierte Daten<br />
I Descriptive<br />
II Diagnostic<br />
III Predictive<br />
IIII Prescriptive<br />
Content-Daten<br />
(Text, Grafik, Video, Audio etc.)<br />
• Reports, Dashboards<br />
• Clusterverfahren<br />
• Korrelationsanalysen<br />
• Bayes-Verfahren<br />
• Regressionsanalyse<br />
• Zeitreihenanalyse<br />
• Spieltheorie<br />
• Regelungstechnik<br />
Für die Forscherinnen und Forscher des SIKoM sowie<br />
für innovationsorientierte Branchenvertreterinnen und<br />
-vertreter des Druck- und Medienbereichs war es kaum<br />
zu akzeptieren, dass bislang nur große Versandhändler<br />
oder weltweite E-Giants über gesicherte Market-Intelligence<br />
auf Basis von Algorithmen der Künstlichen Intelligenz,<br />
des Maschinellen Lernens und des Data Analytics<br />
verfügen (siehe Abb. Abbildung 2).<br />
2).<br />
Die NRW.Druck-/Medienwirtschaft ist in besonderer<br />
Weise mittelständisch strukturiert. Kleine und mittelständische<br />
NRW.Druck-/Medienunternehmen bedienen<br />
häufig kleine und mittelständische Unternehmen<br />
aus Industrie, Handwerk, Handel und Dienstleistung.<br />
Es ist als Trend abzusehen, dass mittelfristig Künstliche<br />
Intelligenz Einzug in alle Wirtschaftsbereiche nehmen<br />
wird. Es geht in diesem Zusammenhang für die NRW.<br />
Druck-/Medienwirtschaft aber nicht um eine Me-Too-<br />
Strategie. Hier wären dann längst alle Wachstums-,<br />
Markt- und Beschäftigungschancen zum Nachteil des<br />
Landes verteilt.<br />
Es stellt sich vielmehr die Branchenherausforderung,<br />
effizient, innovationsorientiert, strukturiert, im Sinne<br />
einer „First-Strategie“, KMU-angemessen das Thema<br />
„Künstliche Intelligenz“ für die NRW.Druck-/Medienwirtschaft<br />
zu erschließen und so für die Branche, und<br />
damit zugleich für die mittelständischen Unternehmen<br />
in den NRW.Kundenbranchen der Druck-/Medienwirtschaft,<br />
neue datengetriebene Markt- und Kunden-Informationssysteme,<br />
die auf Algorithmen der Künstlichen<br />
Intelligenz basieren, zur Sicherung von Wachstum und<br />
Beschäftigung einzuführen.<br />
Hier ist das vom SIKoM entwickelte Projekt BigContentData*<br />
positioniert: Als branchenbezogene Lösungsstrategie<br />
wird seitens des Projektkonsortiums zwischen<br />
dem Verband Druck + Medien Nord-West, drei innovationsführenden<br />
Medienunternehmen aus Nordrhein-<br />
Westfalen westfalen sowie dem SIKoM der Bergischen Universität<br />
angestrebt, durch neue Formen unternehmensübergreifender<br />
Forschungs-, Entwicklungs- und Lernprozesse,<br />
die NRW.Druck- und Medienunternehmen in die Lage<br />
zu versetzen, innovative Produkte und Dienstleistungen<br />
im Bereich Media-Content unter Nutzung von Künstli-<br />
künstlicher<br />
Intelligenz zu entwickeln und umzusetzen.<br />
Datentechnisch bedeutet dies, dass dass neben den den bislang bislang<br />
bekannten bekannten drei Datenebenen drei Datenebenen (Produktdaten, Produkti-<br />
Produktionsdaten,<br />
Administrationsdaten) eine eine neue neue vierte vierte<br />
Dateneben<br />
(Analytik-Daten) eingezogen, verbunden und<br />
beherrscht werden muss.<br />
Datenebe Abb. 2: Verbesserte Entscheidungsfindung<br />
durch<br />
vier Analysefähigkeiten und<br />
beispielhafte Analyseverfahren<br />
(in Anlehnung an Vier-<br />
Stufen-Modell nach Kart,<br />
Linden, Schulte 2013).<br />
Abb. 3: Einbettung von<br />
Algorithmen der Künstlichen<br />
Abb. 3: Intelligenz Einbettung und von Data<br />
Analytics-Verfahren Algorithmen der Künstlichen<br />
Intelligenz und Data (in<br />
im<br />
Medien-Unternehmen<br />
Anlehnung Analytics-Verfahren an Gröger im 2015).<br />
Medien-Unternehmen (in<br />
Anlehnung an Gröger 2015).<br />
Hierzu eine kurze Erläuterung, die die datentechnische<br />
Hierzu Komplexität eine kurze in der Erläuterung, Medienproduktion datentechnische<br />
Komplexität Abbildung 3): in der Medienproduktion verdeutlicht<br />
verdeutlicht<br />
(siehe<br />
▪(siehe ▪ Erste Abb. Datenebene 3): Produktdaten: In der Druck-/<br />
Medienproduktion ▪ Erste Datenebene ist Produktdaten: der „Produktionsgegenstand“<br />
In der Druck-/<br />
weitestgehend Medienproduktion datenbasiert, ist der dabei „Produktionsgegenstand“<br />
zumeist immateriell:<br />
weitestgehend Bilddaten, Textdaten, datenbasiert, Vektor-, dabei Grafik- zumeist und immateriell:<br />
Bilddaten, zukünftig Textdaten, verstärkt Vektor-, auch Audio- Grafik- und und Videodaten Layout-<br />
Layoutdaten,<br />
werden daten, zukünftig auf digitalem verstärkt Wege auch zu Audio- Präsentationsseiten und Videodaten im<br />
Multi-Channel-Publishing werden auf digitalem Wege für zu Shopsysteme, Präsentationsseiten beispielsweise<br />
Multi-Channel-Publishing im E-Commerce, oder für zu Shopsysteme, Katalogseiten beispiels-<br />
digital<br />
im<br />
am weise Bildschirm im E-Commerce, bearbeitet oder und gestaltet. zu Katalogseiten Als Ausgabemedien<br />
am Bildschirm dienen wiederum bearbeitet Bildschirme, und gestaltet. Als mobile Ausgabeme-<br />
Devices<br />
digital<br />
und/oder dien dienen – „klassisch“ wiederum – Papier Bildschirme, (ausgegeben mobile auf Devices analogen<br />
und/oder digitalen – „klassisch“ Druckmaschinen).<br />
– Papier (ausgegeben auf analo-<br />
▪ Eine oder zweite digitalen Datenebene Druckmaschinen). im Medienbereich bildet die<br />
▪gen<br />
Ebene ▪ Eine der zweite technisch-/organisatorischen Datenebene im Medienbereich Produktions- bildet die<br />
Planung, Ebene der Steuerung technisch-/organisatorischen und (Qualitäts-)Kontrolle. Produktions- In diesem<br />
Planung, Bereich Steuerung findet in und modernen (Qualitäts-)Kontrolle. Druck-/Medienbetriebesem<br />
bereits Bereich eine findet Vielzahl in modernen von Konzepten Druck-/Medienbetrie-<br />
Anwendung,<br />
In die-<br />
die ben im bereits industriellen eine Vielzahl Produktionsbereich von Konzepten Anwendung,<br />
unter dem<br />
Stichwort die im industriellen Industrie 4.0 Produktionsbereich diskutiert werden (z. unter B. durchgehende<br />
Stichwort Digitalisierung, Industrie 4.0 diskutiert Vernetzung, werden Automatisierung,<br />
(z. B. durch-<br />
dem<br />
Individualisierung).<br />
gehende Digitalisierung, Vernetzung, Automatisierung,<br />
Individualisierung).<br />
▪▪<br />
Eine dritte Datenebene bilden administrative Daten<br />
bezogen ▪ Eine dritte auf Datenebene die unternehmensübergreifende bilden administrative Daten Wertschöpfungskette<br />
bezogen auf die (Lieferantendaten, unternehmensübergreifende technisch-wirtschaftlichschöpfungskette<br />
Daten (Lieferantendaten, des Produktionsprozesses technisch-wirt-<br />
und der<br />
Wert-<br />
Unternehmensführung, schaftliche Daten des Produktionsprozesses Kundendaten, externe und Wirtschafts-<br />
Unternehmensführung, und Marktdaten). Kundendaten, externe Wirt-<br />
der<br />
▪schafts- ▪ Die Aufgabe und Marktdaten). der für die Branche weitestgehend neuen<br />
vierten ▪ Die Aufgabe Datenebene der für „Analytics“ die Branche ist es, weitestgehend die zuvor genann-<br />
neuen<br />
vierten drei Datenebenen „Analytics“ und ihre insgesamt ist es, die zuvor „riesigen“ genann-<br />
Datenmengen<br />
drei Datenebenen (Big Data!) und zu ihre durchsuchen, insgesamt „riesigen“ zu verbinden Datenmengen<br />
zu analysieren, (Big Data!) um zu so neue durchsuchen, „Werte“ zu zu identifizie-<br />
verbinden<br />
und<br />
ren, und zu immer analysieren, besseren um so Ergebnissen neue „Werte“ zu gelangen zu identifizieren,<br />
zu immer Lernen) besseren und Ergebnissen automatisiert zu Entscheidungen<br />
gelangen (Ma-<br />
(Maschinelles<br />
zu schinelles treffen Lernen) (Künstliche und Intelligenz). automatisiert Diese Entscheidungen<br />
neuen „Werte“<br />
zu treffen können (Künstliche beispielhaft Intelligenz). in erkannten Diese Mustern neuen (z. B. „Werte“<br />
können beispielhaft Clustern in erkannten (z. B. identifizierte Mustern (z. B. Kun-<br />
des<br />
des<br />
Kundenverhaltens),<br />
deninteressen Kundenverhaltens), Zielgruppen) Clustern (z. B. oder identifizierte in Vorhersagen Kundeninteressen<br />
(siehe z. B. und das Zielgruppen) oben bereits genannte oder in Vorhersagen<br />
Vorhersage-<br />
liegen<br />
beispiel liegen (siehe im Versandhandel z. B. das oben bereits zur Lageroptimierung genannte Vorhersagebeispiel<br />
auch im technikbezogene Versandhandel zur Vorhersagen Lageroptimierung – predictive oder<br />
oder<br />
aber<br />
maintenance aber auch technikbezogene – oder neue Lern- Vorhersagen und Ausbildungsformen<br />
– predictive<br />
im maintenance Bereich der – oder Druckmaschine) neue Lern- und (siehe Ausbildungsformen<br />
Abbildung 3).<br />
im Bereich der Druckmaschine) (siehe Abbildung 3).<br />
14 Forschungsmagazin der Bergischen Universität Wuppertal BUW.OUTPUT <strong>Nr</strong>. <strong>21</strong><br />
Forschungsmagazin der Bergischen Universität Wuppertal BUW.OUTPUT <strong>Nr</strong>. <strong>21</strong> 15<br />
14<br />
*Das Projekt „BigContent-<br />
Data – Neue Data- und<br />
Content-Services für die<br />
NRW.Druck-/Medienwirtschaft“<br />
wird aus Mitteln<br />
des Europäischen Fonds<br />
für regionale Entwicklung<br />
(EFRE) 2014–2020 gefördert<br />
(Förderkennzeichen:<br />
EFRE-0801088).<br />
Forschungsmagazin der Bergischen Universität Wuppertal BUW.OUTPUT <strong>Nr</strong>. <strong>21</strong> 15