Logo der FH-Münster
Einrichtungs-Logo
Einrichtungs-Logo
Neben Studierenden waren auch Vertreter aus der Wirtschaft der Einladung zum Expertenforum gefolgt. (Foto: FH Münster/ITB)

Prof. Dr. Johannes Schwanitz, Hochschullehrer an der FH Münster und Initiator der Veranstaltung, eröffnete das Expertenforum mit einem Vortrag zum Thema Predictive Analytics und zeigte, was man mit der Standardsoftware Excel heute schon erreichen kann. Am Beispiel des Haushaltsentwurfs der Stadt Münster visualisierte Schwanitz anschaulich die Daten, die sonst nur in einem mehrere hundert Seiten umfassenden Dokument zugänglich sind. "Der Vorteil der visuellen Darstellung gegenüber Tabellen oder Texten ist, dass man gleich auf den ersten Blick Erkenntnisse gewinnt. Somit soll vor allem Transparenz geschaffen werden!", so Schwanitz.

Um das zu erreichen, werden klassische Business Intelligence Methoden mit der Statistik und Stochastik verknüpft. Hierfür wird jedoch auch betriebswirtschaftliches Fachwissen benötigt, um die daraus resultierenden Darstellungen richtig deuten zu können. "Nur wenn man alle diese Domänen begreift, lässt sich damit auch wertschöpfend arbeiten." Anhand weiterer praktischer Beispiele stellte Schwanitz statistische Methoden wie z.B. Extrapolation oder kausale Zeitreihenanalysen vor. So ließ sich beispielsweise ein kausaler Zusammenhang von Rohöl- und Benzinpreisen feststellen und durch excelbasierte Visualisierungen belegen, dass verzögerte Preisanpassungen dazu genutzt werden, um die Gewinnmargen zu erhöhen.

Uwe Scholl stellte den Teilnehmern auch Methoden der künstlichen Intelligenz vor, darunter Instrumente für das Crowd Counting. (Foto: FH Münster/ITB)

Im Anschluss daran referierte Uwe Scholl, Bereichsleiter bei Amexus Informationstechnik. Sein Vortrag bewies, wie vielfältig die Einsatzmöglichkeiten von Business Intelligence sein können und zeigte dies an einem sehr praxisnahen und gut nachvollziehbaren Beispiel: Wie lässt sich mit moderner IT-Technologie eine verlässliche Vorhersage treffen über die Anzahl der Besucher und der damit verbundenen Anzahl an Schwimmmeistern? Auch dieses Projekt verknüpfte klassische BI-Methoden mit moderner Technik, wie z.B. der künstlichen Intelligenz. Ziel war es, eine besucherzahlorientierte Personalplanung aufzubauen, um Kosten zu senken, dabei aber auch stets die gesetzlichen Vorgaben an Aufsichtspersonal zu erfüllen. Scholl berichtete über die schrittweise Vorgehensweise des Projekts. Dazu gehören die Identifizierung und Festlegung der Kriterien, die ausschlaggebend sind für den Besuch des Freibads, oder auch die Aufbereitung historischer Wetterdaten. Zudem kam künstliche Intelligenz zum Einsatz: Mithilfe von OpenCV und Python war es möglich, eine automatische Zählung der im Becken vorhandenen Personen durchzuführen.

Eine Auswertung der verschiedenen Algorithmen ergab eine 80%ige Genauigkeit der Prognose, wie viele Schwimmmeister zu einem bestimmten Datum anwesend sein müssen. Abgerundet wurde das Projekt durch eine App zur Personalplanung. In seinem Vortrag hob Scholl auch das Thema Datenschutz hervor: "Bei der Ansammlung und Auswertung von Daten ist es wichtig, diese zu anonymisieren, um keine Persönlichkeitsrechte zu verletzen. Dies war beispielsweise bei uns ein Thema beim Crowd Counting: Auf den Aufnahmen durften die Personen nicht erkennbar sein." Ein weiterer Tipp von Scholl an die Teilnehmer des Expertenforums lautete: "Einfach mal ausprobieren! Solange ein Grundverständnis der Algorithmen vorhanden ist, lassen sich mit Business Analytics schnell und einfach erste Prognosen erstellen."

Stefan Meiser berichtete über das Data Warehouse Projekt, in dem mit Supervised Machine Learning Verfahren der Stromverbrauch prognostiziert werden sollte. (Foto: FH Münster/ITB)

Der dritte Vortrag berichtete über ein Data Warehouse basiertes Projekt, in dem ebenfalls durch Vorhersagen Kosten eingespart werden sollten. Auftraggeber war die Railcloud9 GmbH, die gemeinsam mit ihrem Kunden, der National Express Holding GmbH, und dem Umsetzungspartner Informationsfabrik GmbH das Ziel verfolgten, durch Supervised Machine Learning Verfahren den Stromverbrauch beim Zugverkehr zu prognostizieren und somit Strom wesentlich kostengünstiger einkaufen zu können. "Je stärker der tatsächliche Verbrauch von der Prognose abweicht, desto höher fallen die Kosten aus", so Kai Steinke, Leiter Technik der National Express Holding. Das Projekt verlief in Zusammenarbeit mit den Geschäftsführern der Railcloud9 GmbH und der Informationsfabrik GmbH, Stefan Meiser und Thomas Löchte, die ebenfalls beim Expertenforum dabei waren und zusätzlich noch die Transparenz- und Kostensenkungspotentiale beim Einsatz einer zentralen Data Warehouse-/BI-Lösung im Umfeld des komplexen Bahnwesens darstellten.

Im Rahmen der Energieverbrauchsprognose wurde zunächst geprüft, welche vorhandenen Daten gewonnen werden können, die Auswirkungen auf die Vorhersage haben, wie z.B. der bisherige Stromverbrauch je Zug/Linie und Verkehrsnetz, Sonderzüge, Verspätungen oder das Wetter. Mit einem Test- und Trainingssatz wurde ein Proof of Concept durchgeführt und das Modell anschließend in die operativen Prozesse überführt. Nach Überprüfung der Modellgüte und der Optimierung des Prozesses waren viertelstundengenaue Vorhersagen des Stromverbrauchs möglich. "Wir waren überrascht, welches Einsparpotenzial beim Stromeinkauf wir dadurch bereits erzielen konnten", so Steinke.

Nach einer offenen Fragerunde gab es für die Teilnehmer und Referenten die Möglichkeit eines lockeren Austauschs bei einem kleinen Snack. Schwanitz nach der Veranstaltung: "Aus meiner Sicht haben alle Referenten gezeigt, dass ein Einstieg in das teilweise komplex erscheinende Thema gar nicht so schwierig ist. Als Hochschule in der Region wollen wir mit solchen Aktivitäten auch weiterhin dazu beitragen!"

Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Weitere Informationen und die Möglichkeit zum Widerruf finden Sie in unserer Datenschutzerklärung.
Seite drucken