Informationsmanagement und Internet of things

Slides:



Advertisements
Ähnliche Präsentationen
WebQuest 1. Thema: Ein Problem oder Rätsel soll gelöst werden. Eine Zusammenfassung wird erarbeitet. Man schafft ein kreatives Werk. Es handelt sich um.
Advertisements

Verbs Used Impersonally With Dative Deutsch I/II Fr. Spampinato.
Can you think of some KEY phrases which would be useful in multiple contexts? Take 2 minutes with a partner and come up with as many as you can!
Abkürzungen mit Präpositionen German Prepositional Contractions
Don`t make me think! A Common Sense Approach to Web Usability
You need to use your mouse to see this presentation © Heidi Behrens.
Wissen By Gannon Blain Home What is Wissen What is Wissen How to use Wissen How to use Wissen Irregular Form Irregular Form Quiz.
Die Olympischen Sommerspiele 2012 (offiziell Spiele der XXX. Olympiade genannt) sollen vom 27. Juli bis 12. August 2012 in London stattfinden. London ist.
Universität StuttgartInstitut für Wasserbau, Lehrstuhl für Hydrologie und Geohydrologie Copulas (1) András Bárdossy IWS Universität Stuttgart.
Lust auf Lesen Treffpunkt Deutsch Sixth Edition. Relative Pronoun object of a preposition Recall from chapter 9 that relative clauses describe people,
Last lesson we looked at how to form the different tenses. Can you remember the pattern for the verbs? Kannst du die richtigen Verben finden? ich _______oft.
Literary Machines, zusammengestellt für ::COLLABOR:: von H. Mittendorfer Literary MACHINES 1980 bis 1987, by Theodor Holm NELSON ISBN
Deutsch 3 Frau Snell.
1 Linked Open Data Klaus Tochtermann ZBW – Leibniz Information Centre for Economics Hamburg/Kiel Christian-Albrechts-University Kiel Sept. 7, 2011.
Rules of Play - Game Design Fundamentals by Katie Salen and Eric Zimmerman Universität zu Köln Historisch-Kulturwissenschaftliche Informationsverarbeitung.
Montag den 8. Juni Lernziel:- To launch a project and receive results.
© Crown copyright 2011, Department for Education These materials have been designed to be reproduced for internal circulation, research and teaching or.
You need to use your mouse to see this presentation © Heidi Behrens.
Kapitel 2 Grammar INDEX 1.Subjects & Verbs 2.Conjugation of Verbs 3.Subject Verb Agreement 4.Person and Number 5.Present Tense 6.Word Order: Position of.
Memorisation techniques
Der die das ein eine ein Wie sagt man “the” auf Deutsch? Wie sagt man “a” auf Deutsch?
Environment problems The problems - The problem of waste  too much trash -People use too much cars -Oil platform accidents -Exhaust gas pollution -Deforestation.
ENVIRONMENT PROBLEMS What can I do? Pineapples Traffic  Use public vehicles  Use more bike and go by walking  There should be a filter in every car.
Word order: 1.In a main clause the VERB is the second idea: Helgakommteben aus der Bäckerei This may not be the second word Meiner Meinung nachsind Hobbys.
Die Vergangenheit Das Perfekt unregelmäßige Verben.
© Boardworks Ltd of 8 © Boardworks Ltd of 8 This icon indicates that the slide contains activities created in Flash. These activities are not.
MOBILE HOT New Hardware, new Players 2.Omnichannel 3.Data Driven Business 4.Connected Touchpoints 5.Connected Screens 6.App Ecosystem 7.App.
LLP DE-COMENIUS-CMP Dieses Projekt wurde mit Unterstützung der Europäischen Kommission finanziert. Die Verantwortung für den Inhalt dieser.
Interkonnektivität Was ist das?
Digitale Auftritte kritisch hinterfragen
Was ist eigentlich… Big Data?
Dein Postfach Wie und wo lege ich ein Postfach an?
Wert meiner digitalen Identität
Webseite erstellen Wie erstelle ich meine eigene Webseite?
Meine App-Ideen Was sollte ich beachten?
Interrogatives and Verbs
s schreiben Wie schreibe ich eine gute ?
Digitale Jobprofile – Auf Basis eines Studiums
Mein digitales ich Wer ist mein digitales ich?
Big Data Wer nutzt Big Data? Was bringt es? Welche Beispiele gibt es?
Digitalisierung Was bedeutet das für mich?
Trainerhinweise / Script:
Website erstellen – Freie Lizenzen
Cyberkriminalität Was ist das? Wer macht es?
Datenmanagement & digitale Kollaboration
FREE ICONS POWERPOINT TEMPLATE.
Cyber Mobbing Wenn das Internet zum Pranger wird
Big Data Wie wollen wir es nutzen? Wie nicht? 4.2_BD_Diskussion
Wie gut ist deine Schulhomepage?
Grundlagen der Programmierung
Premiere Conferencing GmbH
Coden mit Python Was sind deine Erfahrungen mit Programmieren?
What can I offer you as an Ayurveda Consultant?
Mein Verhalten im Netz Wie verhalte ich mich online richtig?
Azure Countdown Wenn der Freund und Helfer Freunde und Helfer braucht: Sichere Content-Upload-Plattform für Bürger.
Sentence Structure Connectives
I use this as a starter, often at the start of a revision lesson at the end of a topic . Students work in pairs. Give each pair a copy of the blank grid.
I -tube, you -tube, we -tube ?
Students have revised SEIN and HABEN for homework
Cloud Computing.
Informationsmanagement und Internet of Things
Thema Kraftfeld-Analyse
THE PAST TENSE (Part 3) VERBS WHICH TAKE SEIN
Wie viel Uhr ist es? Telling Time.
Think of it as a business!
THE PAST TENSE (Part 3) VERBS WHICH TAKE SEIN
OFFICE 365 FOCUS SESSION SHAREPOINT ONLINE 101:LERNE DIE BASICS 19. März 2018 Höhr-Grenzhausen.
Niedersächsisches Ministerium
Area of Specialization
- moodle – a internet based learning platform
 Präsentation transkript:

Informationsmanagement und Internet of things Trainerhinweis/Skript: Ziel dieses Workshops ist es den Teilnehmern ein allgemeines Verständnis von Informationsmanagement zu geben. Dieses Training ist zu empfehlen, nachdem das Datenmanagement Training abgeschlossen wurde und beantwortet die folgende Fragen anhand eines Beispiels (Bahndefekt auf der Strecke): Welche Arten von Daten gibt es? Und wie werden diese gegliedert? (strukturierte und unstrukturierte Daten) Was ist die Herausforderung bei unstrukturierten Daten? Und wie kann man die wichtigen Informationen filtern? Welche Technischen Erfindungen können beim Informationsmanagement helfen? Was ist das Internet of things? Informationsmanagement und Internet of things

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.

Informationen und Daten Oft wird der Begriff „Information“ für Daten verwendet, dabei unterscheidet man sie folgendermaßen: Zur Übertragung oder Verarbeitung von Nachrichten bildet der Mensch die Information in Daten ab. Daten sind maschinell verarbeitbare Zeichen. Die in einer Nachricht enthaltene Information stellt die Bedeutung der Nachricht dar. Die Übertragung oder Verarbeitung geschieht dann auf der Ebene der Daten, und das Ergebnis wird wiederum vom Mensch als Information interpretiert

Strukturierte Daten und unstrukturierte Daten Datenmengen Jeden Tag werden Unmengen an Daten produziert, sei es beim Online-Shopping oder auf Social Media Plattformen. Dabei kann man zwischen zwei Arten von Daten unterscheiden: Datenbankeinträge Excel-Listen Gegliederte Information wie Adresse oder Telefonnummer Freitexte (Zeitungsartikel, Social Media Postings, E-Mails, Wikipedia-Artikel) Bilder Ungegliederte Sachinformationen Audio Strukturierte Daten und unstrukturierte Daten

Vor allem in unstrukturierten Daten liegen viele wertvolle Informationen, die dazu beitragen können, bessere Entscheidungen zu treffen. ABER Wie können intelligente Systeme Informationen in Daten besser nutzbar machen?

! 1. Schritt: Ziel definieren Ziel ist unstrukturierte Daten in eine strukturierte Form zu bringen, damit diese maschinell verarbeitbar sind. Das Sammeln und aufbereiten von interessanten Daten hilft dabei, bessere Entscheidungen zu treffen, Probleme zu beheben und Fragestellungen zu lösen! ! Bessere Entscheidungen durch unstrukturierte Daten

2.Schritt: Technologien kennen: Internet of Things

Internet of Things - IoT Was ist es: Das „Internet of things“ ist ein Konzept, dass alltägliche Dinge – von industriellen Maschinen zu tragbaren Geräten - durch die Nutzung von Sensoren Daten erfassen können, auf dessen Basis man über ein Netzwerk Entscheidungen treffen kann. Ein Beispiel dafür können Bahnen sein. An der Bahn können Sensoren sein, die das Wartungsteam in Echtzeit über den Status alles Systeme berichten kann. Anhand dieser Informationen können Wartungen effizienter durchgeführt werden. Trainerskript/Skript: Internet of things – what is it? The Internet of Things is the concept of everyday objects – from industrial machines to wearable devices – using built-in sensors to gather data and take action on that data across a network. So it’s a building that uses sensors to automatically adjust heating and lighting. Or production equipment alerting maintenance personnel to an impending failure. Simply put, the Internet of Things is the future of technology that can make our lives more efficient. How It Works In IoT discussions, it’s recognized from the onset that analytics technologies are critical for turning this tide of streaming source data into informative, aware and useful knowledge. But how do we analyze data as it streams nonstop from sensors and devices? How does the process differ from other analytical methods that are common today? In traditional analysis, data is stored and then analyzed. However, with streaming data, the models and algorithms are stored and the data passes through them for analysis. This type of analysis makes it possible to identify and examine patterns of interest as data is being created – in real time. So before the data is stored, in the cloud or in any high-performance repository, you process it automatically. Then, you use analytics to decipher the data, all while your devices continue to emit and receive data. With advanced analytics techniques, data stream analytics can move beyond monitoring existing conditions and evaluating thresholds to predicting future scenarios and examining complex questions. To assess the future using these data streams, you need high-performance technologies that identify patterns in your data as they occur. Once a pattern is recognized, metrics embedded into the data stream drive automatic adjustments in connected systems or initiate alerts for immediate actions and better decisions. Essentially, this means you can move beyond monitoring conditions and thresholds to assessing likely future events and planning for countless what-if scenarios. (source: http://www.sas.com/en_us/insights/big-data/internet-of-things.html)

3. Schrit: Technologien nutzen Ein Beispiel: Die Straßenbahn bleibt stehen, es gibt einen unbekannten Defekt! Was kann ich nun mit Hilfe von IoT alles machen, um den Defekt zu beheben und so schnell wie möglich wieder zu fahren?

Internet of trains Die Sensoren der Straßenbahn zeigen dem Fahrer an, dass es einen Defekt gibt. Dieser kann dann mit Hilfe von Wearables – tragbaren Geräten – versuchen das Problem zu identifizieren. Gleichzeitig übermitteln die Sensoren Daten an das technische Team, welche diese analysieren und dann in Kommunikation mit dem Fahrer in Echtzeit die Fahrgäste (durch Apps) darüber informieren können, warum die Bahn stehen geblieben ist und wie lang es dauert, bis die Bahn voraussichtlich wieder fahren kann.

! Internet of trains Informationen müssen richtig verknüpft werden Und wie werden die von den Sensoren ermittelten Daten in Informationen, übersetzt sodass das technische Team versteht was das Problem ist? ! Zusätzliches unstrukturiertes Wissen über die Funktionsweise der Straßenbahn aus technischen Dokumenten oder Handbüchern, muss vorab in eine strukturierte Form gebracht werden. Sensordaten und technische Daten können dann verglichen werden um Diskrepanzen festzustellen und Empfehlungen abzugeben! Informationen müssen richtig verknüpft werden

Problem gelöst! Nachdem der Fahrer den Defekt nicht alleine lösen konnte bekommt das naheste technische Team auf dem Weg die analysierten Sensordaten und kann anhand dieser Informationen das Problem direkt identifizieren und vor Ort beheben. Bevor die Straßenbahn weiterfährt informiert der Fahrer die Fahrgäste und die Leitstelle.

Zusammenfassung In den Unmengen von Daten, die heutzutage generiert werden kann man grob zwischen strukturierten und unstrukturierten Daten unterscheiden Vor allem unstrukturierte Daten beinhalten viele wichtige Informationen, die bei Problemlösungen und der Optimierung von Prozessen helfen können Eine Möglichkeit diese Informationen zu sammeln und zu strukturieren ist, technische Erfindungen wie Sensoren verbunden mit dem Internet und der Zentrale zu nutzen Diese Art der Technologie nennt man Internet of Things und durch den konstanten Kontakt zu einem zentralen Verbindungspunkt können so Informationen in Echtzeit empfangen werden, die im Falle eines Problems den Prozess der Problemidentifikation und Lösung helfen.

Welche Fragen habt ihr? Trainerhinweise / Script: Zum Abschluss auf die Erwartungen eingehen, die die Teilnehmer für sich notiert haben oder die am Flipchart stehen. Konkret darauf eingehen und nachhaken, wo noch Fragen offen sind. Welche Fragen habt ihr?

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.