Im Projekt ExDRa wird ein Demonstrator entwickelt, der den explorativen Data-Science-Prozess über heterogene und verteilte Rohdaten unterstützt. Das umfasst Daten, die zum Beispiel aus unterschiedlichen Rechnersystemen stammen. Dadurch soll die Bewertung neuer Datenprodukte vereinfacht und beschleunigt werden. Unter Datenprodukten sind hier zum Beispiel Vorhersagen oder Modelle des maschinellen Lernens zu verstehen, die bei der Analyse von Daten gewonnen wurden. Weil Rohdaten in ExDRa auch dezentral gespeichert und verarbeitet werden können, gewährleistet ExDRa auch die rechtskonforme Verarbeitung sensibler oder exportbeschränkter Daten. In der Praxis soll die Lösung in der Prozessindustrie bei der Siemens AG erprobt werden, beispielsweise bei der Fernüberwachung von Pumpen. Die Leistung dieser Pumpen wird mit Hilfe von Verfahren des maschinellen Lernens überwacht. ExDRa verwendet die anfallenden Daten direkt vor Ort, ohne die Rohdaten an eine zentrale Stelle zu schicken.

Anwendung und praktischer Nutzen
ExDRa soll schließlich Überwachungsmodelle verbessern, wodurch Anlagen zuverlässiger und produktiver arbeiten sowie weniger Kosten verursachen. ExDRa eignet sich daher besonders für die Fernüberwachung von verteilten Systemen, wie sie zum Beispiel in der Chemie- und Pharmaindustrie oder bei der Förderung von Öl und Gas vorkommen. Gerade diese Anlagen verlangen schnelle Reaktionen, um Störungen und Ausfallzeiten zu vermeiden. Im Anschluss an das Projekt wäre der Aufbau einer Marktplattform für verteilte Datenprodukte denkbar.

Quelle: ExDRa (Exploratory Data Science over Raw Data)

Weitere Informationen:

Mit föderiertem Lernen und erklärbarer KI zu verbesserten Produktionsanlagen