Forschung

Curriculum SAP BW on HANA

Die Vermittlung von analytischen Kompetenzen im Bereich Business Intelligence (BI) und Data Warehousing wird für Studierende immer wichtiger. Neue technologische Entwicklungen im Bereich In-Memory Data Management und Big Data ändern nicht nur die analytische Referenzarchitektur, sondern erfordern auch eine grundlegende Überarbeitung von Lehrinhalten. In diesem Projekt wird ein integrierter Ansatz auf der Basis von durchgängigen Fallbeispielen umgesetzt, der klassische BI Inhalte auf In-Memory Technologien adaptiert und um neue Themen wie Big Data ergänzt. Als Plattform wird dabei das Release 7.5 von SAP BW on HANA der SAP SE verwendet. Studierende implementieren dabei im Rahmen von integrierten Fallstudien ein komplettes End-to-End-Szenario aus dem Vertriebsreporting selbst am System. 

Das Projekt wird in Kooperation mit der Hochschule Ludwigshafen und der Universität Magdeburg durchgeführt.

Ansprechpartner: Prof. Dr. Tobias Hagen

KMU-innovativ Verbundprojekt: Production Intelligence - Datengetriebene Echtzeitanalyse und Optimierung komplexer automatisierter Produktionsprozesse sowie Prognose kritischer Werkzeugtoleranzen

In produzierenden Unternehmen fällt aus Produktions-, Mess- und Steueranlagen, aus der Qualitätssicherung, aber auch aus Wareneingang oder Kundenreklamationen eine schnell wachsende Menge von Daten an. Diese Massendaten werden in der Regel auch in kleinen und mittleren Unternehmen (KMU) gesammelt bzw. archiviert und bilden einen wichtigen Rohstoff, aus dem Informationen extrahiert, Einsparpotenziale realisiert und Wettbewerbs-vorteile erzielt werden können. Das Ziel des Projektes ist die Entwicklung einer Soft- und Hardware-Architektur, die sensorisch im Produktions- und Qualitätsprozess erfassten bzw. von Lieferanten und Endkunden zur Verfügung gestellten, oft unterschiedlich strukturierten sowie häufig fehler- und lückenhaften Daten erfasst und in Echtzeit automatisch und zum Teil explorativ in Bezug auf Produktfehler analysiert.

Ansprechpartner: Prof. Dr. Tobias Lauer, Prof. Dr. Stephan Trahasch

Analyse von Kassenbondaten

Durch die zunehmende Digitalisierung in Marktverwaltung und in moderner Kundeninteraktion wächst die Menge an zu verarbeitenden Daten im Einzelhandel stetig. Man wagt sich mit elektronischen Regaletiketten in das Gebiet des IoT, schneidet individuelle Rabatte auf einzelne Kunden zu und verlagert das klassische Einkaufserlebnis über digitale Lieferdienste ins World Wide Web. Neue Werkzeuge und Datenverarbeitungsmethoden, die in und um das Hadoop-Ökosystem entstehen und weiterentwickelt werden, bieten einen hervorragenden Hebel, um den Mehrwert der dabei anfallenden großen Datenmengen leichter zu erkennen und zugänglich zu machen.

Für ein Unternehmen werden unter Verwendung aktueller Analysetechnologie Apache Spark und Hadoop Assoziationsanalysen für Kassenbondaten erstellt.

Audi Autonomous Driving Cup

Bereits zweimal hat unser Team der Hochschule Offenburg am Audi Autonomous Driving Cup teilgenommen. In diesem von Audi ausgetragenen Wettbewerb erstellen die Teams Sortware, die es Auto-Modellen im Maßstab 1:8 ermöglicht, autonom zu fahren. Dabei müssen Straßen, Kreuzungen, Verkehrszeichen und Hindernisse erkannt und entsprechend auf sie reagiert werden. Gefahren wird sowohl im Stadtverkehr inklusive aller Vorfahrtsregeln und Ein- und Ausparken als auch auf der Landstraße.

Ansprechpartner: Prof. Dr. Klaus Dorer

RoboCup

Bereits seit 2009 nimmt unser Team magmaOffenburg der Hochschule Offenburg an der RoboCup Weltmeisterschaft fußballspielender Roboter teil. In der 3D Simulationsliga, in der simulierte Nao Roboter spielen, erreichte das Team 2014 z.B. einen hervorragenden 3. Platz. Die 3D Simulationsliga eignet sich besonders gut, maschinelles Lernen einzusetzen. So wurden insbesondere das Laufen der Roboter, als auch das Kicken maschinell erlernt und verbessert.

Seit 2014 beteiligen wir uns außerdem an der Programmierung des humanoiden Roboters Sweaty der Hochschule Offenburg. Dieser 1,60m große, an der Hochschule selbst gebaute Roboter wurde bei der RoboCup WM 2016 in Leipzig Vizeweltmeister in der Liga der großen humanoiden Roboter.

Projektseiten: magmaOffenburg,Sweaty

Abgeschlossene Projekte

ZIM-Projekt: Big Data Verarbeitung mit Grafikkarten

Um zu­künf­tig noch leis­tungs­fä­hi­ge­re Sys­te­me zur Ana­ly­se und Pla­nung mit gro­ßen Da­ten­men­gen am Markt an­bie­ten zu kön­nen, wird in die­sem Pro­jekt erst­mals ein Soft­ware­sys­tem mit einer ver­teil­ten In-Me­mo­ry-Ar­chi­tek­tur ent­wi­ckelt. Ziel die­ser Ent­wick­lung ist es, die Re­chen­leis­tung eines Ana­ly­se- und Pla­nungs-Ser­ver­sys­tems auf meh­re­re phy­si­ka­lisch ge­trenn­te Hard­ware­sys­te­me mit Gra­fik­kar­ten-Be­schleu­ni­gung zu ver­tei­len.

Ansprechpartner: Prof. Dr. Tobias Hagen, Prof. Dr. Tobias Lauer, Prof. Dr. Stephan Trahasch