Im Kontext der Digitalisierung spielen Methoden des Maschinellen Lernens eine immer größer werdende Rolle bei der Analyse von Maschinen- und Anlagendaten. Insbesondere die Konstruktion geeigneter Kennzahlen und Features sowie die fachgemäße Interpretation der Analyseresultate – z.B. im Bereich der prädiktiven Wartung – stellen eine große Herausforderung dar.

In dieser Schulung lernen Ingenieur*innen und Fachexpert*innen die konkreten Schritte zur technischen Analyse vorliegender Sensor- und Simulationsdaten von Maschinen und Anlagen kennen. Bei begleitenden Programmieraufgaben stehen die selbstständige Anwendung der Methoden des Maschinellen Lernens im Fokus. Mittels geeigneter KI-Methoden werden Lösungen für konkrete Use Cases aus dem Bereich der Zustandsüberwachung und der prädiktiven Wartung erarbeitet. Zielführend wird somit die Brücke zwischen statistischer Datenanalyse und fachgemäßer Interpretation der Ergebnisse gebildet.

Am Ende der Schulung haben die Teilnehmenden ein Grundverständnis der geeigneten KI-Methoden zur Maschinendatenanalyse erlangt. Sie werden in der Lage sein, diese selbstständig auf Sensor- oder Simulationsdaten anzuwenden, um Prozesse zu überwachen, sowie Use Cases zu bearbeiten und neue Erkenntnisse aus den Daten zu ziehen.

Zielgruppe

Ingenieur*innen, die KI-Methoden zur Analyse von Maschinen- und Anlagendaten einsetzen wollen. Analyst*innen und Programmierer*innen, die an der Verarbeitung und Analyse von Sensordaten interessiert sind.

Vorkenntnisse

Grundkenntnisse in der Datenanalyse von Vorteil. Programmiererfahrung (z.B. Durcharbeiten des Python-Vorkurses).

Zertifizierung

Die Zertifizierung findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolvent*innen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Zugangsvoraussetzungen für die Zertifizierung

Studium oder äquivalente Qualifikation durch Einzelnachweis.

Bitte nutzen Sie unsere FAQ für weitere organisatorische Fragen.