Skip to main content Skip to main navigation

Projekt

iPRODICT

Intelligente Prozessprognose basierend auf Big-Data-Analytics-Verfahren

Intelligente Prozessprognose basierend auf Big-Data-Analytics-Verfahren

  • Laufzeit:

iPRODICT erforscht in einem interdisziplinären Team aus Forschern und Industrieexperten einen intelligenten Ansatz zur teil-automatisierten Anpassung und Verbesserung von Geschäftsprozessen. Neben der Analyse gesammelter Prozessdaten als auch der Echtzeitauswertung aktueller Kontextinformationen aus Sensornetzwerken wird insbesondere auf innovative Weise der optimale Prozessablauf mittels Prognoseberechnungen antizipiert (iPRODICT). So gelingt es Prozesse mittels Big-Data-Analyseverfahren in Echtzeit individuell auf die jeweilige Kontextsituation anzupassen.

Der entwickelte iPRODICT-Ansatz wird in Form eines integrierten Prototypen innerhalb eines ambitionierten Anwendungsszenarios aus der Prozessfertigung beim Anwendungspartner Saarstahl AG implementiert, getestet und validiert. Dies soll einerseits die Machbarkeit des Ansatzes unterstreichen und andererseits die Nutzenpotentiale, wie die frühzeitige Antizipation von Prozessproblemen basierend auf der Analyse großer Datenmengen, messbar machen.

Das Bundesministerium für Bildung und Forschung (BMBF) fördert das Forschungsprojekt – bestehend aus sechs Projektpartnern – zum "Management und Analyse großer Datenmengen (Big Data)" im Rahmen des Förderprogramms "IKT 2020 - Forschung für Innovationen" über 36 Monate (Förderkennzeichen 01IS14004A-F).

iPRODICT ist Partnerprojekt des Software-Cluster.

Partner

DFKI GmbH; Software AG; Fraunhofer-Institut für Intelligente Analysen; Blue Yonder GmbH; Pattern Recognition Company GmbH; Saarstahl AG

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

IKT 2020 - Forschung für Innovationen: Management und Analyse großer Datenmengen (Big Data)

BMBF - Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Nijat Mehdiyev; Andreas Emrich; Björn Stahmer; Peter Fettke; Peter Loos (Hrsg.)

Business Process Management (BPM-17), Industry Track, September 10-15, Barcelona, Spain, BPM, Springer, Cham, 9/2017.

Zur Publikation

Nijat Mehdiyev; Johannes Lahann; Andreas Emrich; David Enke; Peter Fettke; Peter Loos

In: . (Hrsg.). Procedia Computer Science. Complex Adaptive Systems (CAS-2017), USA, Pages 242-249, Vol. 114, 2017.

Zur Publikation

Julian Krumeich; Dirk Werth; Peter Loos

In: Business & Information Systems Engineering (BISE), Vol. 58, No. 4, Pages 261-280, Springer Fachmedien, Wiesbaden, 8/2016.

Zur Publikation