Output Nr. 21

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