PreSense – KI-basierte Predictive Maintenance bei SENEC
Zur Verbesserung der Produktqualität hat die SENEC GmbH ein Projekt zur Etablierung eines Predictive Maintenance-Systems ins Leben gerufen. Ausgehend von sich häufig wiederholenden Fehlermustern und Ausfallgründen bei Stromspeichern ist die zugrunde liegende Annahme, dass diese Muster mithilfe statistischer Analysen und KI-Methoden bis zu einem gewissen Grad vorhersagbar sind. Um diese Untersuchungen vollumfänglich vorzunehmen, arbeitet SENEC mit der IT-Sonix GmbH zusammen. Im Vortrag möchten wir die technische Herangehensweise vorstellen und über den aktuellen Stand des Projektes informieren.
Bio Armin Geisler
2009 – 2013: Studium International Business Management Studies, Hanzehogeschool Groningen, Abschluss: Bachelor of Business Administration
2013 – 2014: Project Management Trainee, Festool Group GmbH & Co. KG, Betreuung und Weiterentwicklung des CRM-Systems „TTS-Connect“.
2014 – 2015: Studium der Internationalen Rechnungslegung, University of Strathclyde Glasgow, Abschluss: Master of Science
2015 – 2017: M&A Analyst, Translink Corporate Finance, Durchführung und Analyse von M&A Transaktionen
2017 – 2020: Global Business Analyst, Konica Minolta Business Solutions Europe, Implementierung einer paneuropäischen BIS-Struktur mit Dashboards, Analytik und Data-Science-Projekten
Seit 2020: Senior Business Analyst, SENEC GmbH, Aufbau des BI-Bereichs bei SENEC, Leitung des Projekts „PreSense“
Alexander Smalla
Data Analyst
SENEC GmbH, Leipzig, Germany
Bio
2004 – 2010: Studium der Meteorologie, Universität Leipzig, Abschluss: Diplom
2011 – 2013: Wiss. Mitarbeiter, Deutscher Wetterdienst – Betreuung weltweiter Nutzer des dt. Wettervorhersagemodells Cosmo
2013 – 2021: Wiss. Mitarbeiter, Zentrum f. Geoinformation d. Bundeswehr – Fachliche Betreuung weltweiter Bundeswehreinsätze mit Wettermodellvorhersagen
Seit 2021: Data Analyst, Senec GmbH – Automatisierung der statistischen Auswertungen firmenweiter Reklamationen, Etablierung des Predictive-Maintenance-Systems „PreSense“