Big Data - Chancen für die Energiewirtschaft

Größe: px
Ab Seite anzeigen:

Download "Big Data - Chancen für die Energiewirtschaft"

Transkript

1 Big Data - Chancen für die Energiewirtschaft Dr. Roger Knorr - Leader Business Development Big Data ( Mobil: )

2 Agenda Big Data und die Energiewende Big Data - Neue Anforderungen, neue Technologien Big Data Anwendungsbeispiele in der Energiewirtschaft 2

3 Für die Energiewende sind erneuerbare Energien Voraussetzung. Das führt zu einer dezentralen, komplexeren Infrastruktur Traditionell Herkömmliche Erzeugung: Zentrale, hierachische Infrastruktur Neu Integration erneuerbare Energien: Dezentrale Infrastruktur (Smart Grid) Kohle/Gas Solar Energiespeicher UTILITY Hydro Nuklear UTILITY Kohle/Gas Hydro Solar Solar Wind Energy Storage Nuklear Wind Energiespeic her Plug-in E-Auto Verbraucher Stromfluss: in eine Richtung Punktueller Informationsfluss notwendig Wind Verbraucher Stromfluss: bidirektional mgl. Permanenter Informationsfluss notwendig Resultate der Dezentralisierung: Standort des Stromverbrauchs kann auch Standort der Stromerzeugung sein, Echtzeitsteuerung auch in Verteilnetzebene notwendig, Neue Technologien und Standards immer wichtiger für Effizienz und Interoperabilität Menge der Daten explodiert, die Menge unterschiedliche Datenformate auch 3

4 IBM Verständnis von Big Data Die Vier V Volume Velocity Variety Veracity Data in Ruhe Data in Bewegung Dataformate Datenunsicherheit Management und Analyse von sehr großen Volumen existierender und/oder neuer Daten Streaming Daten in Millisekunden erfasst und analysiert Strukturierte, unstrukturierte Daten von Sensoren, Texten, Bildern, Videos, Korrektheit, Vollständigkeit, Ironie, Missbrauch, Verzögerung, 4

5 Big Data Herausforderung Neue Anforderungen mit der jeweils richtigen Technologie und mit betriebliche Effizienz erfüllen. Finde die richtigen Daten ohne andere Nebeneffekte Daten in Bewegung Business Analytics Finde das (Daten)gold Daten in Ruhe Ein sauberer Data Lake ist von hohem Nutzen im Gegensatz zu (Daten-)müll

6 Speicherung & Analyse großer, gespeicherter Datenmengen (Anlehnung: Data Lake) Hadoop Model (MapReduce-Mechanismus): Extrem hohe Parallelisierung von Low Cost Rechnerknoten Skalierbar über Tausende von Rechnerknoten möglich Speicherung sehr großer Datenmengen nicht mehr in Tabellen, sondern Filesystem Beliebige Datenformate (strukturiert und unstrukturiert) Schnelle Analyse durch sogenannten Map Reduce Mechanismus Hadoop Name Node Hadoop Data Nodes MapReduce Application public static class TokenizerMapper extends Mapper<Object,Text,Text,IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(object key, Text val, Context StringTokenizer itr = new StringTokenizer(val.toString()); while (itr.hasmoretokens()) { word.set(itr.nexttoken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWrita private IntWritable result = new Intritable(); public void reduce(text key, Iterable<IntWritable> val, Context context){ int sum = 0; for (IntWritable v : val) { sum += v.get();... Reduced Result Set Verteilung Map tasks auf Knoten Shuffle Rückgabe eines Ergebnissets Map Phase (zerlegt Anfrage in viele kleine Einzelanfrage) Shuffle (Transfer der Zwischenergebnisse für finales Processing ) Reduce Phase (Erzeuge ein finales Set an Ergebnissen)

7 Vestas mit IBM BigInsights Optimierung von Investment auf der Basis von 2.5 Petabyte Informationen Herausforderung: Wettermodell zur optimierten Positionierung von Windturbinen für bestmöglichen Ertrag für Stromerzeugung Nutzen: Zeiteinsparung zur Identifizierung von optimalen Standorten: Von Wochen auf Stunden Neu: Analyse von 2.5 PB strukturierter und semi-strukturierter Daten. Services: SiteHunt*, SiteDesign* Vestas Forecasting (http://www.vestas.com/en/products_and_services/opera tion_and_maintenance#!vestas-forecasting) Prognose: Datenwachstum auf 6 PB 7

8 Analyse permanent, entstehender Daten mit Stream Computing Illustriert (Anlehnung: Wasserfall) Permanenter Datenstrom Kontinuierliche Analyse Transform Annotate Alarme Filter / Sample Correlate Classify Datenspeicher 8 Beliebige Datenformate, beliebige Datenquellen miteinander analysieren Echtzeitanalyse ohne vorheriges Speichern in Datenbanken! Anonymisierung sensitiver Daten vor Speicherung in Systemen möglich Kleinere operative Datenspeicher führen zu geringeren Betriebskosten

9 Battelle mit IBM Streams Verringerung der Betriebskosten und Verbesserung der Netz-zuverlässigkeit Herausforderung: Einschätzung der Zuverlässigkeit und Leistungsfähigkeit des Netzes durch transactive control Nutzen: Bessere Integration von erneuerbaren Ressourcen und Optimierung des Asset Managements Ermöglicht die Analyse und Business Insights von bis zu 10PB Daten innerhalb von Minuten Verbesserung der Netzeffizienz und verlässlichkeit durch Selbstmonitoring und Feedback von System Ermöglicht es, das z.b. Städte kritische Situationen eher erkennen und Ausfälle vermeiden können 9

10 Beispiel: Predictive Maintenance Ausfallvermeidung durch Systemüberwachung und Datenanalyse am Kraftwerksblock Situation: Druckkessel platzt Grund scheint ungünstiges Verhältnis von Druck, Temparatur und weiteren Parametern zu sein (z.b. Schwefelgehalt) vorher danach Folgen: Hohe Reparaturkosten Für Zeit der Reparatur keine Stromerzeugung Stromhändler müssen ihre Modelle sofort anpassen Ein Platzer am Überhitzer Nr. 4 ist wie eine Explosion Fragestellung: Ist es möglich, Muster in Anlagendaten zu finden, um Kesselschäden: 1. vorherzusagen 2. zu verhindern. Daten: Sensordaten - strukturiert Logfiles eines Kraftwerksblocks - unstrukturiert Ergebnis: Es wurden automatisiert Muster gefunden Bei Erkennung der Muster: Regelmäßig nach 7h erfolgt Explosion Empfehlung: Implementierung einer permanenten, sofortigen Datenauswertung Training der Mustererkennung zur Verfeinerung + Verbesserung des Ergebnis 10

11 Big Data Plattform von IBM integriert diese unterschieldichen Technologien für Datenmanagement & Analyse Watson (Explorer, Content Analyzer, Cognitive) Find, navigate, visualize, analyze, propose SPSS Predictive Analytics One single UI for building & deploying Models against all forms of big data InfoSphere BigInsights Bring Hadoop processing to the enterprise to analyze large and diverse data sets InfoSphere Streams Explore and analyze data in-motion PureData for Analytics and for Operational Analytics, DB2 BLU & Informix software Relational, Timeseries, In-Memory, Analytical Appliance Security / Privacy InfoSphere Guardium / Optim Security auditing, encryption, Anonymization Information Integration and Governance InfoSphere DataStage / Information Server Govern data quality and manage the information lifecycle

12 Weitere Informationen: Big Data Lösungen: ibm.com/bigdata Wetterprognosen (1-2km Auflösung) ibm100/us/en/icons/deepthunder/ transform/ Für kompletten Report des IBV bitte mich kontaktieren (34 Seiten)

Die Herausforderung der Informationsflut: Menge, Vielseitigkeit & Schnelligkeit. "Big Data" und seine Bedeutung für die öffentliche Verwaltung

Die Herausforderung der Informationsflut: Menge, Vielseitigkeit & Schnelligkeit. Big Data und seine Bedeutung für die öffentliche Verwaltung "Big Data" und seine Bedeutung für die öffentliche Verwaltung Stefan Lindenmeyer, IT Specialist Big Data, stefan.lindenmeyer@de.ibm.com Die Herausforderung der Informationsflut: Menge, Vielseitigkeit &

Mehr

Kann man Big Data managen?

Kann man Big Data managen? Kann man Big Data managen? Information Governance in Retail-Unternhmen Uwe Nadler Senior Managing Consultant Big Data Architect Sales Leader Information Governance D-A-CH Themen Die Bedeutung von Information

Mehr

Hadoop. Simon Prewo. Simon Prewo

Hadoop. Simon Prewo. Simon Prewo Hadoop Simon Prewo Simon Prewo 1 Warum Hadoop? SQL: DB2, Oracle Hadoop? Innerhalb der letzten zwei Jahre hat sich die Datenmenge ca. verzehnfacht Die Klassiker wie DB2, Oracle usw. sind anders konzeptioniert

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Big Data & High-Performance Analytics

Big Data & High-Performance Analytics Big Data & High-Performance Analytics Wolfgang Schwab, Senior Business Advisor Berlin 20.4.2012 PROJECTING THE GROWTH OF BIG DATA Source: IDC Digital Universe Study, sponsored by EMC, May 2010 THRIVING

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Hadoop & Spark. Carsten Herbe. 8. CC-Partner Fachtagung 2015

Hadoop & Spark. Carsten Herbe. 8. CC-Partner Fachtagung 2015 Hadoop & Spark Carsten Herbe 8. CC-Partner Fachtagung 2015 29.04.2015 Daten & Fakten 25 Jahre Erfahrung, Qualität & Serviceorientierung garantieren zufriedene Kunden & konstantes Wachstum 25 Jahre am Markt

Mehr

Map Reduce. Programmiermodell. Prof. Dr. Ingo Claÿen. Motivation. Modell. Verarbeitungsablauf. Algorithmen-Entwurf. Map-Reduce in Java

Map Reduce. Programmiermodell. Prof. Dr. Ingo Claÿen. Motivation. Modell. Verarbeitungsablauf. Algorithmen-Entwurf. Map-Reduce in Java Map Reduce Programmiermodell Prof. Dr. Ingo Claÿen Hochschule für Technik und Wirtschaft Berlin Motivation Modell Verarbeitungsablauf Algorithmen-Entwurf Map-Reduce in Java Motivation Was ist Map-Reduce

Mehr

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer

Einführung in Hadoop & MapReduce. Dr. Kathrin Spreyer Big Data Engineer Einführung in Hadoop & MapReduce Dr. Kathrin Spreyer Big Data Engineer München, 19.06.2013 Agenda Einleitung 1. HDFS 2. MapReduce 3. APIs 4. Hive & Pig 5. Mahout Tools aus Hadoop-Ökosystem 6. HBase 2 Worum

Mehr

Step 0: Bestehende Analyse-Plattform

Step 0: Bestehende Analyse-Plattform Die Themen 09:30-09:45 Einführung in das Thema (Oracle) 09:45-10:15 Hadoop in a Nutshell (metafinanz) 10:15-10:45 Hadoop Ecosystem (metafinanz) 10:45-11:00 Pause 11:00-11:30 BigData Architektur-Szenarien

Mehr

Big Data Informationen neu gelebt

Big Data Informationen neu gelebt Seminarunterlage Version: 1.01 Copyright Version 1.01 vom 21. Mai 2015 Dieses Dokument wird durch die veröffentlicht. Copyright. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen

Mehr

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin

Software EMEA Performance Tour 2013. 17.-19 Juni, Berlin Software EMEA Performance Tour 2013 17.-19 Juni, Berlin Accenture s High Performance Analytics Demo-Umgebung Dr, Holger Muster (Accenture), 18. Juni 2013 Copyright 2012 Hewlett-Packard Development Company,

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

"Big Data" - Kompliziert! Teuer! Hype! Wirklich? Ralf Götz, TechSales BigData, IBM Deutschland GmbH

Big Data - Kompliziert! Teuer! Hype! Wirklich? Ralf Götz, TechSales BigData, IBM Deutschland GmbH "Big Data" - Kompliziert! Teuer! Hype! Wirklich? Ralf Götz, TechSales BigData, IBM Deutschland GmbH Eine Sekunde... 05/16/12 Copyright IBM Corporation 2012 2 Und was passiert alles in 1 Minute? IBM Confidential

Mehr

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired

Data. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,

Mehr

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics

Vorstellung IBM Cognos 10.2. Oliver Linder Client Technical Professional Business Analytics Vorstellung IBM Cognos 10.2 Oliver Linder Client Technical Professional Business Analytics Agenda IBM Cognos 10.2 Architektur User Interfaces IBM Cognos Workspace IBM Cognos Workspace Advanced IBM Cognos

Mehr

POWER ALS BIG DATA PLATTFORM. Vom klassischen Data Warehouse zum Big Data Ansatz

POWER ALS BIG DATA PLATTFORM. Vom klassischen Data Warehouse zum Big Data Ansatz POWER ALS BIG DATA PLATTFORM Vom klassischen Data Warehouse zum Big Data Ansatz IBM COGNOS VORSTELLUNG Stefan Held Software Architekt PROFI GS Bochum Schwerpunkte: Business Intelligence & Analytics Big

Mehr

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer

Big Data in Azure. Ein Beispiel mit HD Insight. Ralf Stemmer Big in Azure Ein Beispiel mit HD Insight Ralf Stemmer Agenda owas ist Big? Was ist HD Insight? owelche Probleme kann man damit lösen? odemo Was ist Big? Was ist HD Insight? Datenexplosion - Rasanter Zuwachs

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

IT - Forum der IHK Düsseldorf

IT - Forum der IHK Düsseldorf IT - Forum der IHK Düsseldorf Donnerstag, 26. Februar 2015 bei der IBM in Düsseldorf David Reuker - Direktor für die Branchen Touristik, Logistik und Telekommunikation 2014 IBM Corporation Smarter Communications

Mehr

IBM InfoSphere Data Explorer (Vivisimo Velocity)

IBM InfoSphere Data Explorer (Vivisimo Velocity) IBM InfoSphere Data Explorer (Vivisimo Velocity) Ralph Behrens Client Technical Professional IBM Big Data Sven Herschel Client Technical Professional InfoSphere Data Explorer Big Data Was ist eigentlich

Mehr

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration

Daten verstehen. Prozessoptimierung Applikationsmanagement Systemintegration. Daten- u. Prozessmodellierung Applikationsentwicklung Systemintegration Actum + MIOsoft Ihr SAP Partner Prozessoptimierung Applikationsmanagement Systemintegration Daten verstehen Daten managen Business Analytics und IT Plattformanbieter Daten- u. Prozessmodellierung Applikationsentwicklung

Mehr

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models

SAS Predictive Analytics Factory The SAS approach for the production and maintenance of analytical models Predictive Analytics Factory The approach for the production and maintenance of analytical models Dr. Gerhard Svolba Austria Forum Finnland Helsinki September24 h, 2013 Agenda Rationale and idea of a Predictive

Mehr

Living Lab Big Data Konzeption einer Experimentierplattform

Living Lab Big Data Konzeption einer Experimentierplattform Living Lab Big Data Konzeption einer Experimentierplattform Dr. Michael May Berlin, 10.12.2012 Fraunhofer-Institut für Intelligente Analyseund Informationssysteme IAIS www.iais.fraunhofer.de Agenda n Ziele

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Operational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland

Operational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland Operational Big Data effektiv nutzen TIBCO LogLogic Martin Ulmer, Tibco LogLogic Deutschland LOGS HINTERLASSEN SPUREN? Wer hat wann was gemacht Halten wir interne und externe IT Richtlinien ein Ist die

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

1. IBM Big Data Summit 2012

1. IBM Big Data Summit 2012 1. IBM Big Data Summit 2012 IBM Big Data Summit 2012 Sven Löffler, Solution & Business Development Leader Big Data, SWG IM IBM Analytics Solution Center Berlin 23.10.2012 3 IBM Analytics Solution Center

Mehr

Kann man Big Data managen? Wie passt Big Data in Information Governance Konzepte? Uwe Nadler Senior Managing Consultant Information Agenda Architect

Kann man Big Data managen? Wie passt Big Data in Information Governance Konzepte? Uwe Nadler Senior Managing Consultant Information Agenda Architect Kann man Big Data managen? Wie passt Big Data in Information Governance Konzepte? Uwe Nadler Senior Managing Consultant Information Agenda Architect Themen Die Bedeutung von Information Governance Was

Mehr

SAP HANA eine Plattform für innovative Anwendungen

SAP HANA eine Plattform für innovative Anwendungen SAP HANA eine Plattform für innovative Anwendungen Top Intelligence: Big Data & SAP HANA Zürich, Frankfurt, Hamburg, München, Mülheim/R Februar 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder

Mehr

Analyse und Auswertung großer heterogener Datenmengen

Analyse und Auswertung großer heterogener Datenmengen Analyse und Auswertung großer heterogener Datenmengen Herausforderungen für die IT-Infrastruktur Richard Göbel Inhalt Big Data Was ist das eigentlich? Was nützt mir das? Wie lassen sich solche großen Datenmengen

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2.

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2. Cloud Computing Frank Hallas und Alexander Butiu Universität Erlangen Nürnberg, Lehrstuhl für Hardware/Software CoDesign Multicorearchitectures and Programming Seminar, Sommersemester 2013 1. Definition

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013

SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013 SAS VISUAL ANALYTICS DER EINSTIEG IN (BIG) DATA ANALYTICS JOO-HYUNG MAING, SAS DEUTSCHLAND, 16. APRIL 2013 SAS INSTITUTE EIN UNTERNEHMEN IN ZAHLEN SAS is the first company to call when you need to solve

Mehr

Datenbanktechnologien für Big Data

Datenbanktechnologien für Big Data Datenbanktechnologien für Big Data Oktober 2013 Prof. Dr. Uta Störl Hochschule Darmstadt Big Data Technologien Motivation Big Data Technologien NoSQL-Datenbanksysteme Spaltenorientierte Datenbanksysteme

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

IMPULS AM VORMITTAG. Smart Grids 2.0, Österreich als Leitmarkt und Leitanbieter 27. Februar 2014

IMPULS AM VORMITTAG. Smart Grids 2.0, Österreich als Leitmarkt und Leitanbieter 27. Februar 2014 IMPULS AM VORMITTAG Smart Grids 2.0, Österreich als Leitmarkt und Leitanbieter 27. Februar 2014 INHALTE Teradata? Wer sind denn die überhaupt? Big Data? Wirklich? Wo? Die vorgegebenen Impulsfragen: 1.

Mehr

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung

Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung 29.10.2013 Susan Volkmann, IBM Cloud Leader Deutschland, Österreich, Schweiz (DACH) "The Grounded

Mehr

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung

Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung 1 Data Analytics neue Wertschöpfung in der öffentlichen Verwaltung Wiesbaden 06.11.2013 Ralph Giebel Business Development Mrg Public Sektor EMC Deutschland GmbH ralph.giebel@emc.com 2 Agenda 1) Herausforderungen

Mehr

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen

IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner

Mehr

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014

Hadoop in a Nutshell Einführung HDFS und MapReduce. Oracle/metafinanz Roadshow Februar 2014 Hadoop in a Nutshell Einführung HDFS und MapReduce Oracle/metafinanz Roadshow Februar 2014 Head of Data Warehousing DWH Principal Consultant DWH Senior Consultant Wir fokussieren mit unseren Services die

Mehr

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10.

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! 11.10.2012 1 BI PLUS was wir tun Firma: BI plus GmbH Giefinggasse 6/2/7 A-1210 Wien Mail: office@biplus.at

Mehr

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

Mehr

Präsentationsvorlage IT+Energy partnering in Green Business für Herrn Pollert, stv. HGF

Präsentationsvorlage IT+Energy partnering in Green Business für Herrn Pollert, stv. HGF Präsentationsvorlage IT+Energy partnering in Green Business für Herrn Pollert, stv. HGF ITandENERGY Von BigData zu SmartData Die Informations- und Diensteplattform für die Bayerische Wirtschaft Auf dem

Mehr

Big Data Mythen und Fakten

Big Data Mythen und Fakten Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

Intelligent Traveller Early Situation Awareness itesa

Intelligent Traveller Early Situation Awareness itesa Intelligent Traveller Early Situation Awareness itesa Dr. Martin Skorsky, Senior Researcher 22. Juni 2015 1 1 Intelligent Traveller Early Situation Awareness Automatischen Alarmsystems, das Reisende in

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Was ist Windows Azure? (Stand Juni 2012)

Was ist Windows Azure? (Stand Juni 2012) Was ist Windows Azure? (Stand Juni 2012) Windows Azure Microsofts Cloud Plattform zu Erstellung, Betrieb und Skalierung eigener Cloud-basierter Anwendungen Cloud Services Laufzeitumgebung, Speicher, Datenbank,

Mehr

Innovationen durch Big Data: Chancen für die Maritime Wirtschaft

Innovationen durch Big Data: Chancen für die Maritime Wirtschaft Pushing IT forward! Maritime IT Big Data Martin Lochte-Holtgreven 27.08.2013 Innovationen durch Big Data: Chancen für die Maritime Wirtschaft Agenda Innovationen durch BigData Grundlagen Beispiele aus

Mehr

Prozess- und Datenmanagement Kein Prozess ohne Daten

Prozess- und Datenmanagement Kein Prozess ohne Daten Prozess- und Datenmanagement Kein Prozess ohne Daten Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Prozess- und Datenmanagement Erfolgreiche Unternehmen sind Prozessorientiert.

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft"

Von Big Data zu Smart Information Empolis Information Management Workshop Datenmanagement in der Zukunft Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft" 02.07.2014 Bamberg Andreas Nierlich Seite 1 Von 2009 bis 2020 soll das digitale Informationsvolumen

Mehr

Netzregelung einst. Siemens AG 2013 All rights reserved. A. Wolfram, Leitung Sektor Infrastructure & Cities CEE. alle Photos Freilichtmuseum Großgmain

Netzregelung einst. Siemens AG 2013 All rights reserved. A. Wolfram, Leitung Sektor Infrastructure & Cities CEE. alle Photos Freilichtmuseum Großgmain The Smart Grid - Constant Energy in a World of Constant Change Energie trifft Intelligenz Mag. Arnulf Wolfram, Leitung Sektor Infrastructure & Cities CEE Answers for infrastructure and cities. Netzregelung

Mehr

vfabric-daten Big Data Schnell und flexibel

vfabric-daten Big Data Schnell und flexibel vfabric-daten Big Data Schnell und flexibel September 2012 2012 VMware Inc. All rights reserved Im Mittelpunkt: Daten Jeden Morgen wache ich auf und frage mich: Wie kann ich den Datenfluss optimieren,

Mehr

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Der Energiesektor im Wandel. 10. Mai 2012

Der Energiesektor im Wandel. 10. Mai 2012 Der Energiesektor im Wandel 10. Mai 2012 Der Energiesektor im Wandel: Was sind die wesentlichen Herausforderungen Heute und Morgen? Riesige Datenmengen! Klimawandel Marktliberalisierung Statt einem Zählerstand

Mehr

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Predictive Maintenance Anwendungsfeld für Methoden der Predictive Analytics als Teil von Industrie 4.0

Predictive Maintenance Anwendungsfeld für Methoden der Predictive Analytics als Teil von Industrie 4.0 Predictive Maintenance Anwendungsfeld für Methoden der Predictive Analytics als Teil von Industrie 4.0 Ingo Schwarzer Chief Technology Officer, DB Systel GmbH 11. November 2014 Inhalt Kurzvorstellung DB

Mehr

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS

DISCOVER BIG DATA & PREDICTIVE ANALYTICS DISCOVER INSIGHTS BIG DATA & PREDICTIVE ANALYTICS BIG DATA & PREDICTIVE ANALYTICS Turn communication into usable data. In einer zunehmend vernetzten, digitalen Service-Ökonomie müssen Sie die Wünsche Ihrer Kunden laufend

Mehr

Big Data Analytics: Herausforderungen und Systemansätze. Prof. Dr. Erhard Rahm. http://dbs.uni-leipzig.de

Big Data Analytics: Herausforderungen und Systemansätze. Prof. Dr. Erhard Rahm. http://dbs.uni-leipzig.de Big Data Analytics: Herausforderungen und Systemansätze Prof. Dr. Erhard Rahm http://dbs.uni-leipzig.de 2 Massives Wachstum an Daten Gartner: pro Tag werden 2.5 Exabytes an Daten generiert 90% aller Daten

Mehr

Eine Echtzeit-Plattform für das Smart Grid. Gero Bieser, IBU Utilities, SAP AG Februar 2015

Eine Echtzeit-Plattform für das Smart Grid. Gero Bieser, IBU Utilities, SAP AG Februar 2015 Eine Echtzeit-Plattform für das Smart Grid Gero Bieser, IBU Utilities, SAP AG Februar 2015 Agenda Warum eignet sich die SAP HANA Plattform insbesondere für Anwendungen im Smart Grid? Beispiel: Analyse

Mehr

Big & Smart Data. bernard.bekavac@htwchur.ch

Big & Smart Data. bernard.bekavac@htwchur.ch Big & Smart Data Prof. Dr. Bernard Bekavac Schweizerisches Institut für Informationswissenschaft SII Studienleiter Bachelor of Science in Information Science bernard.bekavac@htwchur.ch Quiz An welchem

Mehr

Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen

Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen Blue Yonder in der Praxis Industrie 4.0 erfolgreich umsetzen mit präzisen Prognosen und automatisierten Entscheidungen Anwendungsbeispiele für Blue Yonder Predictive Analytics in der Industrie Heute werden

Mehr

APACHE PIG SEMINARARBEIT SSE - WS12/13 SEBASTIAN WALTHER

APACHE PIG SEMINARARBEIT SSE - WS12/13 SEBASTIAN WALTHER APACHE PIG SEMINARARBEIT SSE - WS12/13 SEBASTIAN WALTHER INHALT Das Hadoop Framework Hadoop s Distributed File System (HDFS) MapReduce Apache Pig Was ist Apache Pig & Pig Latin Anwendungsumgebungen Unterschied

Mehr

12. Juni 2013 Audit Analytics clevere Datenanalysen im Prüfungsumfeld

12. Juni 2013 Audit Analytics clevere Datenanalysen im Prüfungsumfeld 12. Juni 2013 Audit Analytics clevere Datenanalysen im Prüfungsumfeld Wie immer: Eine sehr persönliche Zusammen-fassung des Tages (unvollständig, mit Beispielen) Was ich gehört und verstanden habe Nicht

Mehr

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice.

Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. Schritt für Schritt in das automatisierte Rechenzentrum Converged Management Michael Dornheim Mein Profil Regional Blade Server Category Manager Einführung Marktentnahme Marktreife Bitte hier eigenes Foto

Mehr

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG)

KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) KOMPASS, STECHZIRKEL, SEXTANT (LÖSUNGEN ZUR UNTERNEHMENSSTEUERUNG) W W W. N O V E M B A. D E Sie haben Ihr Ziel erreicht! Strategie & Planung Unter vollen Segeln zum Erfolg Strategie & Planung Unter vollen

Mehr

Gegenwart und Zukunft

Gegenwart und Zukunft Gegenwart und Zukunft von Big Data Dieter Kranzlmüller Munich Network Management Team Ludwig Maximilians Universität München (LMU) & Leibniz Rechenzentrum (LRZ) der Bayerischen Akademie der Wissenschaften

Mehr

Big Data, small Data und alles dazwischen!

Big Data, small Data und alles dazwischen! Technologische Entwicklung Governance & Compliance Entwicklung 15.05.2015 Big Data, small Data und alles dazwischen! Wien, 20.5.2015 Herbert Stauffer Geschichtliche Entwicklung der Weg zu Big Data 1970

Mehr

Technologieförderschwerpunkt des BMWi

Technologieförderschwerpunkt des BMWi Forschungsbereich Konvergente IKT - Technologieförderschwerpunkt des BMWi Überblick, Trends, Perspektiven Future Internet PPP 22.5.2013 Dr. Alexander Tettenborn Referatsleiter Entwicklung konvergenter

Mehr

Mehr Mobilität. Digitale Generation. Vielzahl an Geräten. Schnelllebigkeit. Arbeit und Freizeit verschwimmen. Daten Explosion

Mehr Mobilität. Digitale Generation. Vielzahl an Geräten. Schnelllebigkeit. Arbeit und Freizeit verschwimmen. Daten Explosion Arbeit und Freizeit verschwimmen Mehr Mobilität Digitale Generation Vielzahl an Geräten Daten Explosion Wandel in der IT Schnelllebigkeit Überblick App Services Computing Daten-Dienste Netzwerk Automatisiert

Mehr

Systemintegration der energiewirtschaftlichen Wertschöpfungsprozesse

Systemintegration der energiewirtschaftlichen Wertschöpfungsprozesse Systemintegration der energiewirtschaftlichen Wertschöpfungsprozesse Chancen und Optionen der IKT in der Energiewirtschaft Detlef Schumann Münchner Kreis E-Energy / Internet der Energie 2009 Die Vision

Mehr

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014

Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Betrugserkennung mittels Big Data Analyse Beispiel aus der Praxis TDWI München, Juni 2014 Beratung Business Analytics Software Entwicklung Datenmanagement AGENDA Der Kreislauf für die Betrugserkennung

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Spark, Impala und Hadoop in der Kreditrisikoberechnung

Spark, Impala und Hadoop in der Kreditrisikoberechnung Spark, Impala und Hadoop in der Kreditrisikoberechnung Big Data In-Memory-Technologien für mittelgroße Datenmengen TDWI München, 22. Juni 2015 Joschka Kupilas, Data Scientist, Adastra GmbH 2 Inhalt Vorwort

Mehr

Von Big Data zu Smart Data

Von Big Data zu Smart Data Von Big Data zu Smart Data mit Technologieförderung des BMWi Big Data Summit BITKOM-Konferenz; Bonn, 24.06.2013 Dr. Andreas Goerdeler Unterabteilungsleiter Informationsgesellschaft; Medien Bundesministerium

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

Smart Cities wie Informationen das städtische Leben nachhaltig verbessern können

Smart Cities wie Informationen das städtische Leben nachhaltig verbessern können Smart Cities wie Informationen das städtische Leben nachhaltig verbessern können Gavin Dupré Big Data Business Development Manager ORACLE Deutschland B.V. & Co. KG Dataport Hausmesse, 28.04.2015 Was macht

Mehr

EMC. Data Lake Foundation

EMC. Data Lake Foundation EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured

Mehr

Wird BIG DATA die Welt verändern?

Wird BIG DATA die Welt verändern? Wird BIG DATA die Welt verändern? Frankfurt, Juni 2013 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data Entmythisierung von Big Data. Was man über Big Data wissen sollte. Wie

Mehr

Trends für die zukünftige Energieversorgung durch Big Data

Trends für die zukünftige Energieversorgung durch Big Data Trends für die zukünftige Energieversorgung durch Big Data 8. Gasfachliche Tagung der VNG AG am 23. April 2015 in Mainz Dr.-Ing. Aaron Praktiknjo Definition von Big Data Extremely large data sets that

Mehr

BIG DATA - BIG OPPORTUNITIES

BIG DATA - BIG OPPORTUNITIES BIG DATA - BIG OPPORTUNITIES eday: 2014 Wien, 6. März 2014 EBA Executive Business Advice GmbH 1120 Wien, Am Euro Platz 2, Gebäude G Tel.: +43 1 71728 172 Email: office@eba-business.at www.eba-business.at

Mehr

Einführung in Hadoop

Einführung in Hadoop Einführung in Hadoop Inhalt / Lern-Ziele Übersicht: Basis-Architektur von Hadoop Einführung in HDFS Einführung in MapReduce Ausblick: Hadoop Ökosystem Optimierungen Versionen 10.02.2012 Prof. Dr. Christian

Mehr

InfoSphere Change Data Capture/Change Data Delivery

InfoSphere Change Data Capture/Change Data Delivery InfoSphere Change Data Capture/Change Data Delivery Aktuellste Daten für Ihr Datawarehouse 1 Information Management ist eine Wertschöpfungskette für die RICHTIGE Information zu jeder Zeit, am richtigen

Mehr

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar!

Clouds. Erwartungen der Nutzer. Wolkig bis Heiter. (c) 2013, Peter Sturm, Universität Trier. Er ist verwöhnt! Er ist nicht dankbar! Clouds Wolkig bis Heiter Erwartungen der Nutzer Er ist verwöhnt! Verfügbarkeit Viele Anwendungen Intuitive Interfaces Hohe Leistung Er ist nicht dankbar! Mehr! Mehr! Mehr! Moore 1 Erwartungen der Entwickler

Mehr

SQL on Hadoop für praktikables BI auf Big Data.! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh

SQL on Hadoop für praktikables BI auf Big Data.! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh SQL on Hadoop für praktikables BI auf Big Data! Hans-Peter Zorn und Dr. Dominik Benz, Inovex Gmbh War nicht BigData das gleiche NoSQL? 2 Wie viele SQL Lösungen für Hadoop gibt es mittlerweile? 3 ! No SQL!?

Mehr

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann

Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Cloud und Big Data als Sprungbrett in die vernetzte Zukunft am Beispiel Viessmann Adam Stambulski Project Manager Viessmann R&D Center Wroclaw Dr. Moritz Gomm Business Development Manager Zühlke Engineering

Mehr

SAP Predictive Maintenance and Service. Gero Bieser, IBU Utilities, SAP AG Februar 2015

SAP Predictive Maintenance and Service. Gero Bieser, IBU Utilities, SAP AG Februar 2015 SAP Predictive Maintenance and Service Gero Bieser, IBU Utilities, SAP AG Februar 2015 Agenda Warum Predictive Maintenance? Die SAP Lösung Predictive Maintenance and Service Ausblick auf weitere Entwicklungen

Mehr

Big-Data-Anbieter im Vergleich Deutschland

Big-Data-Anbieter im Vergleich Deutschland Big Data Leader 2013 Big-Data-Anbieter im Vergleich Deutschland Big Data Leader Report Executive Summary des Big Data Vendor Benchmark 2013 für die IBM Deutschland GmbH Experton Group AG August 2013 Über

Mehr

Matthias Schorer 14 Mai 2013

Matthias Schorer 14 Mai 2013 Die Cloud ist hier was nun? Matthias Schorer 14 Mai 2013 EuroCloud Deutschland Conference 2013 Matthias Schorer Accelerate Advisory Services Leader, CEMEA 29.05.13 2 29.05.13 3 The 1960s Source: http://www.kaeferblog.com/vw-bus-t2-flower-power-hippie-in-esprit-werbung

Mehr