Center for Applied Data Science Gütersloh – FH Bielefeld


Schulstr. 10 · 33330 Gütersloh

tel +49.5241.21143-10

cfads@fh-bielefeld.de

http://https://www.fh-bielefeld.de/ium/cfads

Kurzbeschreibung

Das Center for Applied Data Science Gütersloh (CfADS) der FH Bielefeld unterstützt auf dem Weg in die Digitalisierung. Das CfADS forscht mit eigenem rechenstarken Data-Analytics-Cluster (Cloud) auf den Gebieten Data Science, maschinelles Lernen und Cloud-basierte Automatisierung und Optimierung.

Was wir machen

Beschreibung


Das CfADS entwickelt auf Basis von lernenden und intelligenten Verfahren neue Geschäftsmodelle bzw. optimiert damit bestehende Prozesse und Produkte. Zusammen mit Partnern aus der Wirtschaft werden die Konzepte und Methoden in die Praxis umgesetzt. Somit entsteht ein Technologietransfer zwischen der Wissenschaft und den Unternehmen, wodurch die Exzellenz und Zukunftsfähigkeit auf beiden Seiten gefestigt wird. Die vom CfADS entwickelten innovativen Algorithmen können auf dem eigenen Data-Analytics-Cluster implementiert werden. So kann das CfADS seine Partner vollumfänglich dabei unterstützen, aus dem Rohstoff „Daten“ weitere Alleinstellungsmerkmale für deren Produkte und Dienstleistungen zu erzeugen. Die Gründung des CfADS geht auf die erfolgreiche Bewerbung im ersten Wettbewerb „Forschungsinfrastrukturen“ des Landes NRW zurück. Im Oktober 2017 wurde das Center for Applied Data Science Gütersloh offiziell eröffnet. Begleitet wird das CfADS von einem Beirat. Zu dessen Mitgliedern gehören Vertreter von der Beckhoff Automation GmbH & Co. KG, der pro Wirtschaft GT, von der Miele & Cie. KG, von der G. Kraft Maschinenbau GmbH sowie der FH Bielefeld.

Tätigkeitsfelder

Maschinelles Lernen

Deep Learning

Data Science

Data Mining

Computational Intelligence

Prozessoptimierung in der Cloud

Cloud

Data Analytics Cluster

Datenbasierte Diagnose

Datenaufbereitung

Datenbasierte Prognose

Datenbasierte Modellbildung

Fuzzy-Systeme

High Performance Computing

Korrelationsanalyse

Design of Experiments

Support Vector Machines

Principal Components

Diagnoseverfahren

Condition Monitoring

Predictive Maintenance

Adaptive Verfahren

Lokal-lineare Regelung

Signalanalyse

Digitale Logistik

Supply Chain Management

Machine Learning

Machine Vision

Ansprechpartner


Martin Kohlhase, Prof. Dr.-Ing.

Professor

tel +49.521.106.7209