Sie sind in guter Gesellschaft
Entdecken Sie eine Auswahl unserer Kunden und Projekte
Record Evolution Plattform
Pilotprojekt mit Continental AG
Bremssysteme mit der Record Evolution Plattform optimieren
Gemeinsam mit dem HBS Forschungs- und Entwicklungsbereich der Continental AG hat Record Evolution ein Pilotprojekt zur Erkennung von Bremsquietschgeräuschen mit Hilfe von Big-Data- und KI-Verfahren entwickelt.
Mit der Record Evolution Plattform für End-to-End-IoT-Entwicklung implementierten wir Strategien zur IoT-Datenerfassung, Big Data Analysen und KI-Lösungen in mobilen IoT-Szenarien. Ziel war es, NVH-Messungen (Noise, Vibration and Harshness) zu verbessern und so die Umstände, unter denen Bremsenquietschen auftritt, besser beurteilen zu können.
Wir entwickelten einen End-to-End-Prozess, beginnend mit dem Sammeln von Daten von Testfahrzeugen und der Übertragung dieser Daten an eine lokale Cloud-Umgebung. Anschließend wurden die Daten in der Cloud verarbeitet und eine Datenbank mit strukturierten und harmonisierten Daten erstellt. Im nächsten Schritt erstellten wir einen benutzerdefinierten KI-Algorithmus für unsere Edge-Geräte, um NVH-Ereignisse mit hoher Genauigkeit in nahezu Echtzeit klassifizieren zu können.
Zur Sammlung von IoT-Rohdaten wurde ein Messgerät auf Basis eines einfachen Raspberry Pi entwickelt und mit professioneller Messelektronik erweitert. Die Geräte wurden dann in Testfahrzeuge eingebaut und an die Plattform angebunden. Durch den Record Evolution Reflasher können Nutzer*innen der Plattform mit wenigen Klicks neue Testfahrzeuge zu ihrer Testflotte hinzufügen und so den bestehenden Datenpool erweitern.
Die auf der Record Evolution Plattform entwickelten IoT-Anwendungen (Apps) senden Daten direkt an die Continental-Cloud. Von dort aus verwaltet die Plattform sicher und zuverlässig alle IoT-Geräte außerhalb des Unternehmensnetzwerkes.
Das Ergebnis: Mit unserer kollaborativen Plattform für IoT und Data Science haben wir ein umfassendes System für die IoT-Datenerfassung und -Analyse entwickelt. Dieses kann als Grundlage für die Entwicklung von diversen Anwendungsfällen dienen. So können beispielsweise durch die Identifizierung von Mustern, die vor einem NVH-Ereignis auftreten, Anwendungen entwickelt werden, die in der Zukunft die Vorhersage von NVH-Ereignissen in Echtzeit ermöglichen.
Eine zukunftssichere Datenplattform für Investor-Relations-Manager
Konzeption und Implementierung einer robusten Architektur für Big-Data-Analysen mit niedrigen Latenzzeiten
Wir haben eine Datenplattform entwickelt, die es unserem Kunden ermöglicht, Analysen zu skalieren, indem weitere Datenquellen und noch komplexere Analysen hinzugefügt werden.
Die EQS Group bietet eine Online-Plattform an, die Dienstleistungen für Investor-Relations-Manager bereitstellt. Diese Manager werben bei potenziellen institutionellen Käufern wie Investmentfonds für ihre Unternehmensanteile. Um einen detaillierten Marktüberblick für Investor-Relations-Manager zu erstellen, muss EQS riesige Datenmengen aufbereiten und auswerten.
Die Herausforderung: EQS muss große Datenmengen für Kunden verarbeiten und schnelle Reaktionszeiten auf Nutzeranfragen gewährleisten. Um diese Herausforderung zu meistern, wurde eine Datenarchitektur benötigt, die Big-Data-Analysen mit geringer Latenz ermöglicht. Wir haben ein Konzept entwickelt und implementiert, das genau diese Anforderungen erfüllt und dabei Skalierbarkeit und Kosteneffizienz im Auge behält.
Die gesamte Datenarchitektur basierte auf einer dynamisch skalierenden Cloud-Infrastruktur, wodurch das Kosteneinsparungspotenzial der Cloud voll ausgeschöpft werden konnte, ohne die Skalierbarkeit der Datenmengen auf Hunderte von Milliarden Zeilen und der Rechenressourcen auf Hunderte von CPUs und Terabytes von Speicher zu beeinträchtigen.
Das Ergebnis: EQS ist nun in der Lage, die spezifischen aggregierten Einblicke zu liefern, die die Unternehmenskunden benötigen, und gleichzeitig die Details auf Zeilenebene für konkrete datengesteuerte Aktionen zu liefern. Darüber hinaus ermöglicht die Plattform EQS nun die Nutzung von Big-Data-Algorithmen für maschinelles Lernen, um hochspezialisierte Probleme im Bereich Investor Relations zu lösen und somit seinen Kunden den nötigen Vorsprung im Markt zu verschaffen.
Datentransformation
Verbesserung der Rückverfolgbarkeit in der Automobilindustrie
Aufbau einer Daten-Pipeline zur Vereinheitlichung von Daten in verschiedenen Produktionsbetrieben
Im Rahmen eines großen Data-Analytics-Projekts bei der Continental AG entwickelten wir eine Datentransformations- und Graphenanalyse-Pipeline zur Aufbereitung von Produktionsschrittdaten für eine Backtracking-Anwendung. Ziel war es, die Produktionsprozesse mehrerer Produktionsstätten zu analysieren und zu vergleichen.
Die frühzeitige Erkennung von fehlerhaften Komponenten von externen Zulieferern ist eine große Herausforderung für Automobilunternehmen. Angesichts der großen Anzahl von Komponenten, die im Endeffekt verwendet werden, werden einzelne fehlerhafte Komponenten oft erst nach dem Einbau in fertige Produkte entdeckt. Eine Spätentdeckung hat zahlreiche negative Folgen und ist in der Regel mit diversen unnötigen Kosten verbunden.
Mit Hilfe von Big-Data-Technologien wie Apache Spark und Hadoop und mathematischen Methoden wie der Graphenanalyse haben wir eine skalierbare Datentransformations- und -bereinigungspipeline in der AWS-Cloud entwickelt und implementiert, um die Daten von über 100 Produktionsstätten zu vereinheitlichen und für die weitere Analyse vorzubereiten. Auf diese Weise können Analysten und Data Scientists sofort auf die vereinheitlichten Daten in der Cloud zugreifen und sie nutzen.
Das Ergebnis: Als Ergebnis dieser Zusammenarbeit verfügen wir über Daten, die zum ersten Mal einen Vergleich über verschiedene Produktionsstandorte hinweg ermöglichen und für weitere Analysen zur Prozessoptimierung genutzt werden können.
industrielle UI-Lösungen
Modernes Nutzerinterface für optische Messtechnik
Benutzerzentrierte Bedienoberfläche für eine intuitive und schnelle optische Messung von Abständen und Dicken
In enger Zusammenarbeit mit den Endbenutzern haben wir unter Verwendung der Paradigmen und Methoden agiler Produktentwicklung eine benutzerorientierte Bedienoberfläche entwickelt. Ziel war es, die UI so einfach und intuitiv zu gestalten, dass neue Anwender keine Bedienungsanleitung mehr benötigen.
Precitec produziert Sensoren für die optische Abstands- und Dickenmessung. Ein Sensor besteht aus einem optischen Messkopf und einem Spektrometer. Unser Ziel war es, eine elegante, einfach zu bedienende und benutzerzentrierte Oberfläche zu entwickeln, die es dem Benutzer ermöglicht, das Spektrometer schnell zu konfigurieren und die Messdaten ansprechend und einfach zu visualisieren.
Record Evolution nutzte modernste UX-Paradigmen und neueste Web-Technologien, um ein neues UI zu entwickeln.
Mit den Methoden des Design Thinkings und der agilen Produktentwicklung wurden zunächst typische Benutzerpersonas und deren User Journey erarbeitet. Anhand dieser wurden die Oberflächen designed, mit zahlreichen iterativen Feedbackrunden am Benutzer getestet und weiter optimiert. Abhängig vom Level der Expertise sieht der Benutzer weniger oder mehr Einstellungsmöglichkeiten. Ein Expertenmodus erlaubt den vollen Zugriff auf alle Geräteeinstellungen mit einem Command Prompt. Das initiale Aufsetzen eines neuen Messgerätes wurde mit einem geführten Setup Wizard und voreingestellten Standardwerten vereinfacht.
Die benutzerfreundliche Software hilft Kunden, schnell einsatzbereite Geräte zu verteilen, die Endnutzer ohne weiteres Training verwenden können. Durch die Komplexitätsreduktion kann zusätzlich die Supportzeit reduziert werden. Das attraktive, benutzerfreundliche Optik hilft Vertriebsmitarbeitern bei Gerätevorführungen für Kunden und auf Messen.
HMI-Lösungen
Vernetzte Mobilität: Industrielle HMI-Lösungen für die Mensch-Maschine-Interaktion
Ein integriertes Cockpit-Display für ein neues Fahrerlebnis in zukünftigen Mobilitätsszenarien
In Zusammenarbeit mit Continental haben wir einen Cockpit-Demonstrator entwickelt. Die interaktive Displaylösung, die die gesamte Breite des Cockpits eines Fahrzeugs abdeckt, bietet ein Erlebnis voller Konnektivität und ebnet den Weg zu einem sicheren und stressfreien Fahren.
Record Evolution arbeitete an der Entwicklung einer Mensch-Maschine-Schnittstelle (HMI) unter Verwendung modernster Konnektivitätstechnologien und Web-Architekturen. Wir stellten Echtzeit-Verbindungen zwischen einer Vielzahl von funktionalen Komponenten im Fahrzeug her, wie z.B. selbstbeschattenden Fenstern, einem KI-Assistenten, Türsensoren, Innenbeleuchtung, autonomen Fahrsteuerungen und mehr.
All diese Komponenten wurden per Smartphone oder Tablet gestengesteuert, ebenso wie ein großes Touchscreen-HMI im Armaturenbrett, das Apps für viele verschiedene Anwendungsfälle enthält.
Unsere Entwickler implementierten ein Framework für die Integration verschiedener Apps, darunter ein Videoplayer, eine Musikanwendung und Wetterdienste. Die implementierten Konnektivitätslösungen und die modulare App-Struktur trugen zum einzigartigen Look & Feel des Displays bei.
Der Display-Demonstrator arbeitet in zwei Modi: Im autonomen Fahrmodus kann das Display seine volle Kapazität als Infotainment-Center für Fahrer und Passagiere entfalten. Im manuellen Fahrmodus verschwindet die Hälfte des Bildschirms im Cockpit, so dass die volle Konzentration auf dem Fahrerlebnis liegt.
Das integrierte Cockpit-Display war eines der Highlight-Exponate von Continental während der IAA 2019 in Frankfurt am Main. Es ermöglichte den Besuchern, in das Cockpit einzusteigen und mit der innovativen Lösung in einem Fahrsimulator frei zu interagieren.
Big Data & IoT
Big Data & IoT in der Produktentwicklung
Geräuscherkennung zur Ermittlung von Störsignalen
In diesem Projekt bei einem großen Automobilzulieferer sollten auf Basis großer Mengen von Messdaten mit statistischen Verfahren Rückschlüsse auf die Ursachen bestimmter Produkteigenschaften ermittelt werden.
Ein Schwerpunkt bildete hierbei die automatisierte und zuverlässige Erkennung spezifischer Geräusche (Schwingungen) aus Tonspuren/Schwingungsaufnehmern, die eine Vielzahl von Störsignalen aufwiesen.
Ein weiterer Schwerpunkt war die Ursachenanalyse und Vorhersage dieser Geräusche anhand der zusätzlich ermittelten über 40 Sensorspuren. Zur Bereitstellung der dafür benötigten Datenmengen wurde in diesem Projekt eine prototypische IoT-Architektur zur Sammlung von Realtime-Sensordaten aus Fahrzeugen in einem cloudbasierten Data Store erarbeitet und implementiert. Es wurden ausschließlich Open-Source-Technologien eingesetzt.
Risikoanalyse
Eine Plattform für die Risikoanalyse
Integration von Quelldatensystemen für eine effiziente Auswertung
In einem unserer Projekte haben wir eine umfassende Risikoanalyseplattform für die ca. 1.100 deutschen Volksbanken und Raiffeisenbanken in der parcIT GmbH aufgebaut.
Mehrere Quelldatensysteme wurden integriert und für eine effiziente Auswertung bereinigt. Darüber hinaus wurden verschiedene Klassen von Analysen angefertigt, u.a. Kalibrierung und Trennschärfe von Klassifizierungsverfahren, Default Correlation und Migrationsanalysen.
Dabei haben wir erfolgreich Open-Source-Software und maßgeschneiderte Hardware als technische Basis eingesetzt.