Deutschenglish

Themen

Toward Adaptive Manufacturing: Scheduling problems in the Context of Industry 4.0.

Toward Adaptive Manufacturing: Scheduling problems in the Context of Industry 4.0.

Adaptive Fertigung und Cyber-Physische Systeme (CPS) haben sich in den letzten Jahren als Hauptthemen in Wissenschaft und Industrie herausgestellt, da aktuell Projekte auf Regierungsebene gestartet wurden, um Innovationen unter ...
VLBA Lab auf dem HPI Cloud Symposium

VLBA Lab auf dem HPI Cloud Symposium

Auf dem Symposium "Operating the Cloud" vom Hasso-Plattner-Institut in Potsdam wurde am 28.10.2014 der Betrieb von Clouds aus der Sicht der Wissenschaft sowie der Industrie diskutiert. Neben Praxisberichten von EMC², HP, Fujitsu und SAP war ...
DIGITALE DEGUSTATION | HYBRIDE VERANSTALTUNG  | 05.07.2022

DIGITALE DEGUSTATION | HYBRIDE VERANSTALTUNG | 05.07.2022

Das Mittelstand 4.0-Kompetenzzentrum Magdeburg lädt Sie herzlich zur Digitalen Degustation am 05. Juli 2022 – in der Zeit von 16.00 bis 20.00 Uhr – virtuell oder vor Ort in die Festung Mark nach Magdeburg ein. Neben edlen Tropfen ...
VLBA Lab auf der CLOSER 2018 & IoTBDS 2018 (Madeira, Portugal)

VLBA Lab auf der CLOSER 2018 & IoTBDS 2018 (Madeira, Portugal)

In diesem Jahr fand vom 19.03. bis 21.03.2018 auf Madeira (Portugal) zum 8. Mal die International Conference on Cloud Computing and Service Sciences (CLOSER), zum 3. Mal zusammen mit der International Conference on Internet of Things, Big Data ...
Konzeption eines Referenzmodells für integrierte Campusmanagementsysteme

Konzeption eines Referenzmodells für integrierte Campusmanagementsysteme

Die Auswirkungen des Bologna-Prozesses, steigende Studierendenzahlen bedingt durch die Aussetzung der Wehrpflicht und der Verabschiedung doppelter Abiturjahrgänge erfordern eine besonders wirtschaftliche Verwendung öffentlich bereitgestellter ...

Kompatibilitätseigenschaften von Big Data Technologien und deren Ausprägungen (MA, WTP).

Beginn dieses Jahrzehnts hat sich Big Data als eine vielversprechende Möglichkeit erwiesen um datenintensive Projekte und Anwendung zu entwickeln, die noch vor wenigen Jahren unmöglich erschienen. Unter Verwendung neuartiger Technologien ...

Development and Operationalization of Data Science Solutions (Scientific Team Project)

If you are a team of 3-4 master students and are interested in solving end-to-end Data Science problems, you can apply to conduct your scientific team project under our supervision. The task will be to work on a Data Science scenario ...
IT-Infrastructure-Management

IT-Infrastructure-Management

In vielen Firmenumgebungen und wissenschaftlichen Einrichtungen läuft heutzutage eine Vielzahl unterschiedlicher IT-Applikationen auf einer Vielzahl von Computersystemen. Rechnersysteme auf Client-/Server-Architektur, die sich inzwischen ...
IT Infrastructure Modeling Language

IT Infrastructure Modeling Language

Einleitung Für die Software-Entwicklung existieren verschiedene grafische Modellierungssprachen für unterschiedliche Anwendungsgebiete. So können z. B. Prozesse mittels ereignisgesteuerten Prozessketten (EPKs) abgebildet werden oder ...
Very Large Business Applications Serious Games

Very Large Business Applications Serious Games

Enterprise-Resource-Planning-Systeme (ERP-Systeme) bilden in vielen Unternehmen die Grundlage für die Informationsverarbeitung und tragen somit entscheidend zum Unternehmenserfolg bei. Es muss jedoch gewährleistet werden, dass ...

Publikationen

Haertel, Christian; Pohl, M.; Nahhas, Abdulrahman; Staegemann, D. G.; Turowski, K.
Toward A Lifecycle for Data Science: A Literature Review of Data Science Process Models
Staegemann, D. G.; Degenkolbe, R.; Weidner, S.; Häusler, Robert; Turowski, K.
Possible Application Scenarios for a German National Education Platform
Staegemann, D. G.; Volk, M.; Turowski, K.
Investigating the incorporation of big data in management information systems
Volk, M.; Staegemann, D. G.; Turowski, K.
Reliability Estimation of a Smart Metering Architecture using a Monte Carlo Simulation -
Staegemann, D. G.; Volk, M.; Turowski, K.
Adapting the (Big) Data Science Engineering Process to the Application of Test Driven Development