Kurzreferat
Mit dem Begriff "Big Data" werden - obwohl er bereits seit einigen Jahren verwendet wird - unverändert sehr unterschiedliche Themen und Aspekte assoziiert und entsprechend in der gesellschaftlichen Diskussion differenziert diskutiert. Die immer weiter voranschreitende digitale Kommunikation, der in der Umsetzung befindliche Breitbandausbau und die quasi überall mögliche Verarbeitungsmöglichkeit von Daten beflügeln diese Diskussion sowohl in der Öffentlichkeit als auch in der Fachwelt. Die Themen reichen von Datenschutz, Datensicherheit bis hin zu generellen Strategien für die digitale Wertschöpfung bei klein- und mittelständischen Unternehmen und auch für Großunternehmen. Im Kontext der Richtlinie geht es bei Big Data um Technologien zur Datenanalyse. Entsprechende Algorithmen und Werkzeuge können Erkenntnisse über betriebliche Abläufe liefern und zu deren Optimierung beitragen. Hierzu bedarf es der Umsetzung dieser Methoden und Werkzeuge zur Verarbeitung, Analyse und Interpretation von umfangreichen und komplexen Daten in Big-Data-Anwendungen. Die Richtlinie unterstützt die Ersteller und Nutzer bei der Vorbereitung, Entwicklung und Inbetriebnahme dieser Anwendungen sowie ihrem nachhaltigen Einsatz. Letztendlich sollen diese Big Data Anwendungen verlässlichere Entscheidungsgrundlagen schaffen, um Produkte und Produktionsprozesse ökonomisch, ökologisch und technisch zu verbessern. Die Richtlinie trägt dazu bei, die Vielfalt der in den letzten Jahren durch Forschungs-, Entwicklungs- und Praxisarbeiten entstandenen Erkenntnisse aufzubereiten, die Entwicklung und den Einsatz von Big Data Anwendungen in produzierenden Industrien sowie deren Nutzung im regulären Betrieb zu unterstützen. Zur Zielgruppe gehören alle Stakeholder, von den Praktikern bis zu den Entscheidern, von der Fertigungs- bis zur Prozessindustrie. Die Richtlinie wendet sich dabei an die Nutzer und die Ersteller von Big Data-Anwendungen in der produzierenden Industrie, unabhängig und übergreifend für alle Führungs- und Fachaufgaben. Die Richtlinie betrachtet gängige Ansätze, Methoden und Metriken zur objektiven Beurteilung der Güte von datengetriebenen Modellen sowie zur Bewertung der Eignung dieser für spezifische Anwendungen.