Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
sich im Vorfeld bereits erste Datenanalysen an Diese kommen mit einer geringeren Menge an Daten aus und liefern häufig schon erste Antworten auf die konkrete Fragestellung Ob Unternehmen diese Daten bereits gesammelt haben oder erst anfangen zu sammeln hat allenfalls zeitliche Auswirkungen Mit einem Großteil der verfügbaren Daten trainieren Datenwissenschaftlerinnen und -wissenschaftler Data Scientists das KI-Modell So lernt es Muster und Zusammenhänge in den Daten zu erkennen sich dies zu merken und dieses Wissen eigenständig anzuwenden Je besser die Trainingsdaten desto besser das Wissen Der andere Teil der Daten dient als Testumgebung Die Data Scientists testen mit diesen Daten die Qualität der KI Eine große Herausforderung im Laborumfeld ist derzeit Daten zu digitalisieren und mittels durchgängiger Vernetzung verfügbar zu machen Viele Laborgeräte arbeiten autark sind weder innerhalb des Labors mit einem LIMS oder einer Middleware verbunden noch über das Internet für die Gerätehersteller erreichbar Dadurch bleiben derzeit vielerorts gleich drei Chancen ungenutzt 1 Geräteherstellern fehlen bislang große Datensätze zur Nutzungsform ihrer Geräte beispielsweise Einsatzzeiten Temperaturdaten Energieverlaufsprotokolle Vibrationsanalysen etc und sie können dementsprechend auch keine Serviceleistungen wie Ausfallvorhersagen oder intelligente Wartungsintervalle anbieten 2 Softwarehersteller für LIMSund Middleware-Lösungen können zwar KI-Module für generische Vereinfachung im Labor anbieten es fehlen aber Versuchsund Prozessdaten aus den Laboren um die Module mit entsprechenden Daten zu füttern 3 Die Labore haben das größte Nachsehen Noch heute werden vielerorts Versuchsdaten per USB-Stick oder sogar händisch in ein LIMS übertragen oder Laborbücher manuell ausgefüllt Das bedeutet nicht nur einen hohen Zeitfaktor sondern auch ein Fehlerrisiko Hinzu kommt dass Labore derzeit kaum Chancen haben ihren spezifischen Herausforderungen mit einer eigenen individuellen KI-Lösung zu begegnen da große digitale Datensammlungen meist fehlen Labor 4 0 | Laborautomation und IT Acht Schritte zu KI im Labor Daten verfügbar machen → Digitalisierung Vernetzung offene Kommunikationsstandards Sichere Datenhaltung Datenanalyse KI-Modellierung → KI-Training → KI-Evaluation Aufbau von Datenpipelines Entwicklung von Dashboards und Benutzeroberflächen Einbindung in bestehende IT-Systeme Wartung und Pflege Quelle infoteam Software Die Komplettlösung für Ihr digitalisiertes Labor Beliebige Geräte und Sensoren integrieren Versuchsdaten dokumentieren und exportieren Automatisierte Versuchsabläufe definieren Mehr Infos zum Labor 4 0 LabBox ® LabVision ®