Forschung

Datenanalyse

Die Digitalisierung hat Daten zu einem zentralen Element in allen Lebens- und Wirtschaftsbereichen werden lassen. Immer mehr Daten werden generiert, gespeichert und verarbeitet. Sie treten dabei in den unterschiedlichsten Formen und Ausprägungen auf. Die Datenanalyse ist die Analyse von Daten, um aus ihnen wertvolle Informationen zu extrahieren. Wir am FZI/ITIV forschen an Methoden, um verborgenen Zusammenhängen in den Daten aufzuspüren und zu beschreiben.

Reichweitenprädiktion bei Elektrofahrzeugen

Elektrofahrzeuge gelten als umweltfreundliche Alternative im Kampf gegen Treibhausgase, Schadstoffemissionen und der Abhängigkeit von fossilen Brennstoffen. Trotz der ökologischen Vorteile, die diese Fahrzeuge mit sich bringen, finden Elektrofahrzeuge beim Kunden noch immer nur schwer Anklang. Grund hierfür ist die sogenannte Reichweitenangst, diese beschreibt dabei die Sorge des Fahrers, dass der Akku des Elektrofahrzeugs nicht ausreichend für die Zielerreichung sein könnte. Die exakte Bestimmung der Reichweite eines Elektrofahrzeugs ist ein wesentlicher Erfolgsfaktor für die hohe Akzeptanz beim Kunden und die flächendeckende Einführung von Elektrofahrzeugen. Wir am FZI/ITIV arbeiten an Methoden, um die Reichweite eines Elektrofahrzeugs exakt vorherzusagen.

Mustererkennung in Zeitreihendaten

Historische Daten werden zunehmend in Unternehmen genutzt, um die Entscheidungsfindung zu unterstützen. Durch die Digitalisierung und dem damit verbundenen einfachen Sammeln von Daten wird sich der Trend in Zukunft weiter verstärken. Für die Prädiktive Instandhaltung (Predictive Maintenance) schauen wir uns am ITIV/FZI verschiedene Methoden an, um Zeitreihen zu klassifizieren und Muster darin zu erkennen. Diese Klassifikation kann zur Entscheidungsfindung verwendet werden und hilft dem Ingenieur/ der Ingenieurin, fundierte Entscheidungen zu treffen.

Offene HiWi-Stellen
Titel
Unüberwachte Mustererkennung in Zeitreihen