%0 Journal Article %1 ThieleHoffmannMeisen17im-gito %A Thiele, Thomas %A Hoffmann, Max %A Meisen, Tobias %D 2017 %J Industrie 4.0 Management %K 01841 gito paper embedded ai factory process data analysis automotive zzz.big zzz.i40 %N 4 %P 57--60 %T Industrial Big Data: Tieferes Prozessverständnis durch Daten -- Modernes Informationsmanagement in der Produktion %V 33 %X Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.

@article{ThieleHoffmannMeisen17im-gito, abstract = {Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.}, added-at = {2017-11-12T13:31:24.000+0100}, author = {Thiele, Thomas and Hoffmann, Max and Meisen, Tobias}, biburl = {https://www.bibsonomy.org/bibtex/2cd7e3059489e48264455b7b3b22c343c/flint63}, file = {Gito Download:2017/ThieleHoffmannMeisen17im-gito.pdf:PDF}, groups = {public}, interhash = {dd6d036a1823be51057a8ff68a484df7}, intrahash = {cd7e3059489e48264455b7b3b22c343c}, issn = {1434-1980}, journal = {Industrie 4.0 Management}, keywords = {01841 gito paper embedded ai factory process data analysis automotive zzz.big zzz.i40}, number = 4, pages = {57--60}, timestamp = {2018-04-16T11:49:41.000+0200}, title = {{Industrial Big Data: Tieferes Prozessverst{\"a}ndnis durch Daten -- Modernes Informationsmanagement in der Produktion}}, username = {flint63}, volume = 33, year = 2017 }