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 ...
ESEFA in der Magdeburger Volksstimme

ESEFA in der Magdeburger Volksstimme

Das ESEFA-Projekt, unter der akademischen Leitung von Prof. Klaus Turowski, hat die Zielsetzung junge Nachwuchskräfte im afrikanischen IT-Sektor zu fördern. Im Fokus steht dabei die Enterprise Systems-Ausbildung von Studierenden an ...
Fujitsu Lab Magdeburg automatisiert Aktivitäten im Kapazitätsmanagement

Fujitsu Lab Magdeburg automatisiert Aktivitäten im Kapazitätsmanagement

Das Kapazitätsmanagement und die Leistungsoptimierung betrieblicher Anwendungssysteme gelten bis heute als komplexe Herausforderungen, welche häufig mit hohen Kosten und einer langen Projektdauer verbunden sind. Kapazitätsplanungsprozesse ...
ESEFA in den afrikanischen IT-Medien

ESEFA in den afrikanischen IT-Medien

Am 5. November 2013 fand in Kapstadt das offizielle ESEFA Kick-Off Meeting statt. Zum Auftakt des Projekts berichtete das SAP News Center über die Grundpfeiler ESEFAs sowie bildungs- und entwicklungspolitische Ziele. Auch in ...

[Long-term] Thesis during internship (Data Science, Machine Learning, AI, Big Data) (BA,MA)

If you are a student who is currently doing an internship in a company or who is planning to do so in the near future, and are planning a thesis to accompany your internship, you can contact us. We take over the supervision from a university ...

Blockchain Technology Framework (BA, MA)

Blockchain-Technologie (BT) ist nach bekannten Anwendungsszenarien als Kryptowährung und Smart Contract mittlerweile auch für verteilte Applikationen eine interessante Grundlage. Im Rahmen von bisherigen Untersuchungen wurde bekannte BT ...

Bestimmung und Untersuchung von Dateneigenschaften (BA, MA, WIP)

Seit 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 ...
Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“

Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“

Das Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“ unterstützt mittelständische Unternehmen sowohl in Sachsen-Anhalt als auch bundesweit beim Einsatz innovativer digitaler Lösungen zur Optimierung ...
OEPI - Exploring and Monitoring Any Organisations Environmental Performance Indicators

OEPI - Exploring and Monitoring Any Organisations Environmental Performance Indicators

Das Projekt Solution and Services Engineering for Measuring, Monitoring, and Management of Organizations Environmental Performance Indicators (OEPI) ist ein von der Europäischen Kommission geförderters internationales Forschungsprojekt. ...
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

Staegemann, D. G.; Volk, M.; Turowski, K.
Adapting the (Big) Data Science Engineering Process to the Application of Test Driven Development
Staegemann, D. G.; Volk, M.; Haertel, Christian; Pohl, M.; Daase, C.; Turowski, K.
A Literature Review on the Challenges of Applying Test-Driven Development in Software Engineering
Staegemann, D. G.; Degenkolbe, R.; Weidner, S.; Häusler, Robert; Turowski, K.
Possible Application Scenarios for a German National Education Platform
Daase, C.; Staegemann, D. G.; Turowski, K.; Volk, M.
Following the Digital Thread - A Cloud-Based Observation
Nahhas, A.; Pohl, M.; Turowski, K.
Comparative analysis of machine learning models for anomaly detection in manufacturing