Frage zu Industrie 4.0 und IoT

[Mxt]

Aber indirekt kann man da viel über das eigentliche Thema dieses Threads lernen. In solchen Projekten hat man sie dann alle: Den klassischen Heißlufterzeuger und den "Spezialisten für Alles.

[i_make_it]

In solchen Projekten hat man sie dann alle: Den klassischen Heißlufterzeuger und den "Spezialisten für Alles.

Den "Spezialisten für Alles" hätte ich gerne an meiner Seite .
Ich habe mich am Freitag auch als "Universalist" vorgestellt, um eine Abrenzung zum Generalisten und zum Spezialisten darzustellen.
Jeder Spezialist in dem Team ist mir überlegen, aber ich kann mich mit den meisten fast auf Augenhöhe unterhalten und auch etwas in die Tiefe gehen.
Mein Vorteil ist es halt recht breit und branchenübergreifend aufgestellt zu sein.
Man muß halt open minded durch Arbeitsleben gehen und manchmal auch bereit sein die Spur zu wechseln und nicht nur auf ausgetretenen Pfaden wandeln.

[SPSAmeise]

...

Da ich feststellen mußte, das in den meisten Projekten die Probleme die interdisziplinäre Kommunikation ist,
wird der Data Scientist das Problem nicht lösen, sondern im besten Fall nicht verschlimmern.

...

Auch die Mustererkennung in Daten ist alt und hat sich as der Muster und Objekterkennung der Bildverarbeitung in der KI entwickelt.

Es geht nicht um Dein auswendig gelerntes Grundwissen sondern um die heutigen Möglichkeiten und die daraus resultierende Datenqualität.
In den 80ern und 90ern hatten wir es nicht mit Realtime Analytics auf Basis von Big Data und iot Streams zutun, weil uns die Daten und Technologie
gefehlt hat um performante Ergebnisse mit Deep Learning und Analytics in Echtzeit möglich zu machen.
Durch heutige Streaming Systeme und das Potential der bereits erwähnten GPU Lösungen haben wir einige Fortschritte machen können.

Die hohe Flexibilität beim Datastorage und die Datenmengen bieten uns also erst heute die Möglichkeit, die es für effiziente
Lernmethoden und genauere Analysen braucht. Wer soll denn Deiner Meinung nach dem Kunden die Qualität dieser Daten erklären und wer
soll ihn über mögliche Schwachstellen der Modelle aufklären. Die meisten Entwickler und Ingenieure werden wohl eher mit den Schultern zucken
und zugeben müssen, dass sie sich damit nicht so richtig auskennen, und das aus gutem Grund, weil das Data cleaning und die Modelle nicht
in ihren Verantwortungsbereich fallen.

Auf der einen Seite wirkt der ein oder andere von Euch schon fast panisch, in Threads indem es um das Thema Security und Vernetzung geht, aber wenn
wir dann mal über Datenschutz und Datenqualität reden, soll man nach Eurer bisherigen Argumentation ruhig auf unqualifiziertes Personal vertrauen,
die dann auch noch sämtliche Sensordaten durch irgendeine analytische Platform nudeln, von denen der Kunde kaum was versteht, weil es ihnen
nach Eurer bisherigen Vorstellung nämlich auch niemand erklären können wird. Es hat also einen guten Grund weshalb Unternehmen in Data Science investieren,
denn das ist um einiges Zielführender als sich das Geschwafel der 90er anzuhören.

[Mxt]

Den "Spezialisten für Alles" hätte ich gerne an meiner Seite .
Jeder Spezialist in dem Team ist mir überlegen, aber ich kann mich mit den meisten fast auf Augenhöhe unterhalten und auch etwas in die Tiefe gehen.

Bei mir meldet sich da halt das Bauchgefühl, wie bei den erwähnten Praktikern in der Produktion.

Schreibst du über Maschinenbau denke ich als Laie, "aha, ein solide ausgebildeter Praktiker". Je näher die Antwort meinem Arbeitsgebiet kommt, sagt der Bauch "Berater ? Berufschullehrer ?". Es ist dieses Gefühl "so steht es sicher im Lehrbuch, keine Ahnung", jemand der das macht hätte es so nicht gesagt.