6 Theme

Course Digital Skills

Deadline @February 7, 2024

Resumed Done

Studied Not started

6.1.1 Cloud
Cloud Computing wird im Alltag häufig genutzt, z.B. für das Speichern von Fotos
und Videos, Musik oder Studienarbeiten.
Cloud Computing ermöglicht die Bereitstellung von Ressourcen wie Servern,
Speicher und Software über das Internet.
Eine Cloud kann privat, öffentlich oder hybrid organisiert sein.
Jede Organisationsform hat ihre Chancen und Risiken, die bei der Einführung von
Cloud-Diensten berücksichtigt werden müssen.

6.1.2 Nutzung von Cloud Computing in Unternehmen:

Laut der "Cloud-Monitor 2020" Studie nutzten im Jahr 2019 mehr als drei Viertel
aller Unternehmen Cloud Computing.
Unternehmen sehen den größten Vorteil bei der Digitalisierung interner Prozesse.
Cloud Computing bietet flexible Lösungen für einen steigenden oder
schwankenden Bedarf an Rechenleistung und Speicherplatz.
Es fallen keine Investitionskosten für Hard- und Software an, und Unternehmen
bezahlen nur für das, was tatsächlich genutzt wird.
Cloud Computing ist nicht nur für Großunternehmen, sondern auch für Klein- und
Kleinstunternehmen interessant.
Die Nutzung von Cloud-Diensten kann zu einer Schatten-IT führen, was Chancen
und Risiken mit sich bringt.
Es ist wichtig, dass die IT-Abteilung in die Auswahl von Cloud-Diensten einbezogen
wird, um die Einhaltung von Anforderungen bezüglich Compliance und IT-Sicherheit
sicherzustellen.
Der Schutz vor Ausfällen ist insbesondere bei unternehmenskritischen
Anwendungen essenziell.

6.1.3 IaaS, PaaS, SaaS:

6 Theme 1
 Everything as a Service (XaaS) ist der Ansatz, verschiedene Arten von Services aus
der Cloud zu beziehen.
Die drei grundlegenden Arten von Services sind:
- Infrastructure as a Service (IaaS): stellt die physikalische IT-Basisinfrastruktur
bereit
- Platform as a Service (PaaS): bietet IT-Leistungen, auf der eigene Software
entwickelt werden kann. Werden auch Leistungen wie etwa zum Maschinellen
Lernen oder für Datenanalysen angeboten.
- Software as a Service (SaaS): beschreibt ein Lizenz- und Vertriebsmodell, bei
dem gesamte Softwareanwendungen als Service über das Internet genutzt werden
können (CRM-Systeme).

6.2.1 Data:
Überall und ständig entstehen Datenspuren.
Big Data bezeichnet Datenmengen, die zu groß oder komplex für herkömmliche
Methoden sind.
Für Big Data sind leistungsstarke IT-Lösungen und Analysefähigkeiten nötig.
Data Analytics wird oft im Zusammenhang mit Big Data verwendet.
Ziel von Data Analytics ist es, entscheidungsrelevante Erkenntnisse aus Daten zu
gewinnen.
Durch die Untersuchung von Mustern, Korrelationen und Kausalitäten aus
vergangenen Daten sollen Schlüsse für die Zukunft gezogen werden

6.2.2 Die vier Vs:

6 Theme 2
 Big Data bezieht sich auf Datenmengen, die zu groß oder zu komplex sind, um sie
mit herkömmlichen Methoden zu verarbeiten.
Die vier Vs von Big Data sind: Volume, Velocity, Variety und Veracity.

Volume bezieht sich auf die Menge an Daten, die täglich neu produziert werden.

Velocity bezieht sich auf die Geschwindigkeit, mit der Daten produziert und
verarbeitet werden müssen.

Variety bezieht sich auf die Vielfalt von Datenquellen und Datentypen.

Veracity bezieht sich auf die Richtigkeit, Vollständigkeit und Verlässlichkeit der
Dateninhalte.

6.2.3 Beispiele für den Einsatz von Big Data und Data Analytics:
Unternehmen nutzen Big-Data-Technologien in allen Branchen, z.B. im
Gesundheitswesen oder zur Erkennung von Betrug bei Kreditkarten oder
Versicherungen.
Ein Beispiel für den Einsatz von Big Data im Online-Handel ist die Sammlung von
Daten über Kunden, um individuelle Produktempfehlungen zu geben, die
Retourenquote zu senken und die Logistik besser planen zu können.

Die ThyssenKrupp Elevator AG nutzt Big Data und IoT, um Aufzüge vorausschauend
zu warten. Sensoren in über einer Million Aufzügen sammeln Daten, die zentral in
Echtzeit analysiert werden, um Reparaturen durchzuführen, bevor ein Ausfall
eintritt. Dies erhöht die Betriebszeit der Aufzüge und erhöht die Sicherheit.

6.3.1 KI/Machine Learning:

KI ermöglicht Maschinen, zu lernen und autonom zu handeln.

Es gibt verschiedene Definitionen für KI, da Intelligenz schwer zu definieren ist und
es kaum Gemeinsamkeiten zwischen menschlicher und maschineller Intelligenz
gibt.
KI nutzt Algorithmen, um Entscheidungen zu treffen und Ergebnisse vorherzusagen.
Für einfache Aufgaben sind klare Berechnungsregeln ausreichend, aber bei
komplexen Aufgaben ist maschinelles Lernen notwendig, da die dahinterliegenden
Regeln schwer zu erklären sind.

6.3.2 Maschinelles Lernen:

6 Theme 3
 Maschinelles Lernen (ML) bedeutet, dass ein Computersystem durch Beispiele
trainiert wird, um Muster und Gesetzmäßigkeiten zu erkennen.
Beim ML wird zwischen schwacher und starker KI unterschieden. Schwache KI wird
im Gegensatz zur starken KI eingesetzt, um spezifische Aufgaben zu erledigen.
Neuronale Netze sind ein wichtiger Ansatz beim ML, bei dem das künstliche
neuronale Netzwerk aus vielen Knoten besteht und üblicherweise in mehreren
Schichten aufgebaut ist.
Das neuronale Netzwerk wird trainiert, indem Verknüpfungen zwischen Knoten
verstärkt und neue Verbindungen aufgebaut werden.

6.3.3 Die Entwicklung der KI:

KI ist keine neue Technologie, erste Entwicklungen begannen in den 1950er Jahren.
KI ist heute in vielen Bereichen des täglichen Lebens präsent, wie
Übersetzungshilfen im Internet, Sprachassistenten, Robotern, selbstfahrenden
Autos und fliegenden Taxis.
Es gab enorme Fortschritte beim maschinellen Lernen in den letzten Jahren.
Drei Faktoren waren ausschlaggebend für diese Fortschritte: verbesserte
Algorithmen, verfügbare Datenmengen und günstigere Rechenleistung:

Verbesserte Algorithmen: Insbesondere beim maschinellen Lernen gab es

große
Fortschritte durch das Deep Learning.

Verfügbare Datenmengen: In der heutigen Zeit von Big Data sind große Mengen
an Daten vorhanden, anhand derer KI-basierte Systeme trainiert werden
können.

Rechenleistung: Die Kosten für Rechenleistung sind kontinuierlich gesunken.

Hinzu kommt, dass Prozessoren speziell für KI-Anwendungen konzipiert
wurden, wie z. B.die Tensor Processing Units (TPUs) von Google (Google, n. d.).
Gleichzeitig bietet Cloud Computing die Möglichkeit, große Datenmengen zu
speichern und in Echtzeit zu analysieren.

6.3.4 Einsatzbereiche von KI und maschinellem Lernen:

KI und maschinelles Lernen werden in verschiedenen Anwendungsbereichen von

Unternehmen eingesetzt.
Verschiedene Studien bestätigen die strategische Bedeutung der KI.
Marr und Ward betonen drei Bereiche: neue Art der Interaktion mit Kunden,
Angebot von intelligenten Produkten und Services, und Verbesserung und
Automatisierung von Geschäftsprozessen.

6 Theme 4
 KI interagiert häufig mit anderen Technologien, um Smart Services zu schaffen und
Robotern die Interaktion mit ihrer Umgebung zu ermöglichen.

Internet-of-Things-Systeme (IoT) verbinden die physische Welt mit dem Internet.

Grundsätzlich funktioniert IoT so, dass Gegenstände über Schnittstellen
selbstständig
Daten bereitstellen und empfangen und wiederum auf ihre Umgebung einwirken.

6.4.1 IoT im Alltag:

IoT-Geräte wie Smart Watches oder Fitnesstracker sind bereits im Alltag weit
verbreitet.
Fitnesstracker überwachen und verfolgen körperliche Aktivitäten und sammeln
kontinuierlich Daten über Sensoren.
Die gesammelten Daten werden analysiert und über Bluetooth mit dem Smartphone
synchronisiert und in die Cloud weitergeleitet.
Die Analyse der Daten in der Cloud ermöglicht dem Nutzer Einblicke in seine
sportlichen Aktivitäten.
Datensicherheit und Schutz der Privatsphäre sind hierbei wichtig, da
Krankenkassen die Daten möglicherweise nutzen könnten.
Weitere Beispiele für IoT-Anwendungen im privaten Bereich sind Smart-Home-
Systeme, Haushaltsgeräte und vernetzte Autos.
Die Zahl und Nutzung von IoT-Systemen wird mit der Entwicklung zum autonomen
Fahren weiter steigen.

6.4.2 IoT in Unternehmen:

Unternehmen nutzen IoT vielfältig
Eine Studie zeigt, dass 2020 die Qualitätssicherung, Logistik, Industrie 4.0 und
Themen wie vernetzte Produktion, Smart Connected Products und Predictive
Maintenance im Fokus standen.
Unternehmen optimieren bestehende Prozesse und Produkte und senken dadurch
Kosten.
Das Potenzial für neue Geschäftsmodelle und innovative Services wird laut Studie
noch nicht ausgeschöpft.
IoT-Anwendungen werden nicht nur im produzierenden Gewerbe, sondern auch in
anderen Branchen wie Landwirtschaft und Gesundheitswesen eingesetzt.

6.4.3 Herausforderungen für den Einsatz von IoT-Lösungen:

6 Theme 5
 Unternehmen sehen Datenschutz und Sicherheit als Haupt-Herausforderungen für
den Einsatz von IoT-Lösungen.
Es besteht ein Bedarf an digitalen Technologien wie Cloud Computing, APIs, Big
Data, Data Analytics, Künstlicher Intelligenz und Machine Learning, um IoT-
Lösungen erfolgreich einzusetzen.
Cloud Computing-Plattformen bieten eine skalierbare Infrastruktur, um auf IoT-
Geräte, Daten und Anwendungen zuzugreifen.
Big Data und Data Analytics sind notwendige Werkzeuge, um große Mengen an
gesammelten Daten zu analysieren und zu verarbeiten.
Künstliche Intelligenz und Machine Learning eröffnen weitere Einsatzmöglichkeiten
für IoT-Lösungen.

Digitalen Dienste sind heutzutage nahtlos miteinander verbunden und nutzen offene
APIs. Die Verbindung wird durch offene APIs ermöglicht. Die Vernetzung wird am
Beispiel von Uber dargestellt.
6.5.1 Was sind APIs?:

APIs sind Programmierschnittstellen, über die Daten zwischen verschiedenen

Softwareanwendungen ausgetauscht werden können (Application Programming
Interface).
APIs sind ähnlich wie eine Benutzeroberfläche, nur dass sie für eine andere
Software und nicht für den menschlichen Benutzer gestaltet sind.
APIs haben eine lange Tradition in der Informatik und wurden erstmals 1968
erwähnt.
Seit der Jahrtausendwende wurden immer mehr Web-APIs veröffentlicht, um
beispielsweise E-Commerce-Websites oder Geschäftsanwendungen zu verbinden
und Daten auszutauschen.
Viele Softwareanbieter stellen heute offene APIs bereit.
APIs definieren die Funktionen unabhängig von der zugrunde liegenden
Implementierung und den jeweiligen Technologien.

6.5.2 API Economy:

Unternehmen wie Expedia, Salesforce oder eBay verdienen einen großen Teil ihres
Umsatzes durch APIs.
Unternehmen können sowohl API-Anbieter als auch API-Nutzer sein, was als API
Economy bezeichnet wird.
Durch die Nutzung von offenen APIs können Unternehmen digitale Produkte und
Dienstleistungen schneller anbieten und sich auf differenzierende Funktionen

6 Theme 6
 konzentrieren.
Ein Geschäftsmodell, das auf offenen APIs basiert, birgt jedoch das Risiko, dass
APIs ohne Vorankündigung abgeschaltet oder im Funktionsumfang reduziert
werden können.

6.6.1 Was versteht man unter Smart Services?

Smart Services verbinden Produkte, Prozesse und Dienstleistungen auf innovative
Weise.
Technologien wie das Internet der Dinge werden genutzt, um physische Objekte
Daten über sich und ihre Umgebung sammeln zu lassen.
Diese Daten werden an digitale, cloudbasierte Plattformen gesendet, wo sie
gespeichert, ausgewertet und weiterverarbeitet werden.
Smart Services können entweder reine digitale Dienstleistungen sein oder smarte
Produkte und Services integrieren.
Integrierte smarte Produkte und Services werden auch als "smarte Produkt-
Service-Systeme" bezeichnet.

6.6.2 Neue Geschäftsmodelle mit Smart Services:

Smart Services ermöglichen es Industrieunternehmen, ihr Angebot durch

individualisierte Dienstleistungen zu erweitern und dadurch
Alleinstellungsmerkmale zu schaffen.
Datengetriebene Geschäftsmodelle erlauben es, Produktfunktionalität als Service
anzubieten.
Rolls-Royce bietet das Geschäftsmodell "Power by the hour" an, bei dem Kunden
nur die geleisteten Flugstunden zahlen und Rolls-Royce für Service und Wartung
zuständig ist.

6 Theme 7
 Ein weiteres Beispiel ist "Print as a Service", bei dem durchgeführte Druckaufträge
abgerechnet werden, besonders im Bereich des 3-D-Drucks.

Produkt-Service-Systeme: Ein Produkt-ServiceSystem (PSS) bezeichnet eine

vermarktbare Kombination von Produkten und Dienstleistungen. Es wird daher auch
„hybrides Leistungsbündel“ genannt.

6.7.1 Robotics:

Roboter sind in Filmen und Serien oft faszinierend, manchmal aber auch
beängstigend.
Roboter sind heute aus unserem Alltag und der Industrie nicht mehr wegzudenken,
da sie Menschen belastende, gefährliche oder auch einfache, wiederkehrende
Aufgaben abnehmen.
Die Umsetzung der an Roboter gestellten Erwartungen ist nicht trivial und erfordert
die Zusammenarbeit verschiedener Disziplinen wie Ingenieurswissenschaften,
Informatik, Psychologie, Kommunikations- und Sozialwissenschaften.
Diese Disziplinen adressieren Herausforderungen aus der Sensorik und der
"Computer Vision" und setzen Technologien wie künstliche Intelligenz ein,
befassen sich aber auch mit Aspekten wie Vertrauen, Verantwortung und
Transparenz, die für die Akzeptanz von Robotern eine wichtige Rolle spielen.
Es gibt zwei Hauptkategorien von Robotern, nämlich Industrie- und Serviceroboter,
die im Folgenden näher betrachtet werden.
6.7.2 Industrieroboter:

Industrieroboter führen Handhabungs- oder Fertigungsaufgaben aus.

Sie sind flexibel einsetzbar und haben einen größeren Arbeitsraum.
Weltweit waren 2019 rund 2,7 Millionen Industrieroboter im Einsatz, vor allem in der
Automobilindustrie, Elektrik-/Elektronik- und Metallverarbeitenden Industrie.
In großen Produktionshallen sind Industrieroboter oft hinter Schutzeinhausungen
abgeschirmt.
Roboter können Menschen beim Heben und Einbau von schweren Teilen
unterstützen, aber es braucht leistungsfähige Systeme zur Kollisionserkennung, um
Gefahren zu vermeiden.

6.7.3 Serviceroboter:

Serviceroboter erbringen voll- oder teilautomatisierte Dienstleistungen und sind auf

ihre Aufgabe spezialisiert.
Serviceroboter wie Saug- oder Wischroboter sowie Rasenmähroboter haben in den

6 Theme 8
 letzten Jahren Einzug in Haushalte gehalten.
Soziale Roboter sind eine besondere Klasse von Servicerobotern, die darauf
ausgelegt sind, mit Menschen oder Tieren zu kommunizieren und zu interagieren.
Die Nutzung von Servicerobotern im Gesundheitswesen und der Pflege wird
intensiv diskutiert und erprobt, um den bestehenden Fachkräftemangel abzufedern.
Während der Coronapandemie haben Serviceroboter sich als nützlich erwiesen, um
das Infektionsrisiko zu senken und Menschen zu entlasten.
Die Akzeptanz von Servicerobotern ist im Zuge der Coronapandemie gestiegen,
aber es stellt sich weiterhin die Frage, inwieweit Menschen die Zusammenarbeit mit
Robotern akzeptieren werden.

6.8.1 Introduction:
Blockchain wurde als die Technologie bekannt, die hinter Kryptowährungen steckt.
Die
erste Blockchain entstand zusammen mit der Kryptowährung Bitcoin im Jahr 2009.
Seitdem wurden weitere Kryptowährungen auf Basis der Blockchain entwickelt
sowie neue
Anwendungsgebiete aufgebaut. Um besser zu verstehen, was die Blockchain ist,
werfen
wir einen Blick auf ihre Entstehungsgeschichte.

6.8.2 Bitcoin und die Entstehung der Blockchain:

Digitale Währungen ermöglichen direkte Transaktionen ohne dritte Parteien.

Erste Ansätze für digitale Währungen entstanden in den 1990er-Jahren.
Mathematische Verfahren wurden eingesetzt, um Transaktionen zu sichern.
Das "Double Spending Problem" musste gelöst werden.
Der Durchbruch gelang 2008 mit dem Positionspapier "Bitcoin: A Peer-to-Peer
Electronic Cash System".
Das Papier kombiniert verschiedene Technologien aus der Kryptografie und
beschreibt das Konzept der Blockchain.
Die erste Anwendung dieses neuen Vorhabens war die Währung Bitcoin.

6.8.3 Die Funktionsweise der Blockchain:

Die Blockchain ist eine Art Datenbank für Transaktionen bei digitalen Währungen.
Transaktionen erhalten ihren eigenen digitalen Fingerabdruck und werden zu einem
Block zusammengefasst. Mehrere Blöcke bilden eine Kette.

6 Theme 9
 Viele verteilte Rechner sind zu einem Netzwerk zusammengefasst, um die
Transaktionen zu prüfen.
Die Blockchain ist fälschungssicher, da Transaktionen im Nachhinein nicht
verändert werden können.
Alle Transaktionen sind transparent und nachvollziehbar.
Die Blockchain hat keinen zentralen Angriffspunkt für Cyberattacken.

6.8.4 Anwendungsgebiete der Blockchain-Technologie:

Die Blockchain-Technologie wird unabhängig von Kryptowährungen eingesetzt.

Die Bitkom-Studie zeigt vielfältige Anwendungsmöglichkeiten für Unternehmen in
den Bereichen Buchhaltung, Finanzen, Controlling, Logistik und Lagerprozesse.
Ein Beispiel für die Anwendung der Blockchain ist die Dokumentation der Einhaltung
von Kühlketten bei Transporten von temperaturkritischen Produkten.
Sensordaten können manipulationssicher in der Blockchain gespeichert werden und
sind transparent und rückverfolgbar für alle Beteiligten.
Smart Contracts können automatisch aus den gespeicherten Daten erzeugt werden,
um den Vertrag selbstständig in Kraft treten zu lassen, wenn alle Bedingungen
erfüllt sind.

6.9.1 Virtual und Augmented Reality:

Im Jahr 2016 wurde Augmented Reality durch das Spiel Pokémon Go der breiten
Öffentlichkeit bekannt.
Augmented Reality (AR) bezeichnet die Einblendung von virtuellen Objekten in die
reale Umgebung.
Unter dem Begriff Extended Reality (ER) werden verschiedene Arten der
Kombination von virtuellen und realen Welten zusammengefasst, wie MR oder XR.
ER ist eine immersive Technologie, bei der der Nutzer in das virtuelle Geschehen

6 Theme 10
 eintaucht, wobei der Grad der Immersion variiert.
Der Text stellt verschiedene Anwendungsbeispiele für VR und AR vor.

6.9.2 Augmented Reality (AR): Erweiterte Realität:

Augmented Reality (AR) erweitert die Realität um digitale Inhalte (Bilder, Texte,
Animationen).
AR-Anwendungen sind mit Smartphones oder Tablets leicht nutzbar, ohne spezielle
Hardware.
Beliebte Anwendungen im Privatbereich sind AR-Spiele und Videofilter in Apps oder
auf Social-Media-Plattformen.
Weitere Anwendungsbereiche sind z.B. das Einblenden von virtuellen Möbelstücken
in der eigenen Wohnung.
In Zukunft werden alltagstaugliche AR-Brillen erwartet, die dem Träger
Informationen einblenden.
AR-Brillen erwecken jedoch auch grundsätzliche Fragen zur Privatsphäre und
ethischen Bedenken

6.9.3 Virtual Reality (VR): Virtuelle Welt:

Bei Virtual-Reality-Anwendungen (VR) taucht der Nutzer in eine computergenerierte

Welt ein, die er als authentisch wahrnehmen und mit ihr interagieren soll.
Die reale Umgebung ist dabei ausgeblendet.
Für VR-Anwendungen ist spezielle Hardware nötig, z. B. Head-Mounted Displays,
Stereobrillen oder Datenhandschuhe.
Um eine realitätsnahe VR zu erzeugen, werden oft neben dem Sehen auch der Hör-
oder Tastsinn angesprochen.
Es gibt mittlerweile auch einfache smartphone-basierte Brillen, bei denen man das
Smartphone in eine spezielle Vorrichtung einlegt.

6.10.1 Introduction:

3D-Drucker können Gegenstände einfach produzieren, was sowohl für den privaten
als auch den geschäftlichen Gebrauch nützlich ist.
Das Europäische Patentamt verzeichnete in den Jahren 2015 bis 2018 einen starken
Anstieg der Patentanmeldungen im Bereich 3-D-Druck.
Der Begriff "3-D-Druck" bezieht sich auf verschiedene Fertigungsverfahren, bei
denen dreidimensionale Objekte schichtweise aus einem oder mehreren Materialen
aufgebaut werden.

6 Theme 11
 Aufgrund des additiven Hinzufügens von Material bezeichnet man dieses Verfahren
als additive Fertigung (AM).

6.10.2 Additive Fertigung als neues Produktionsverfahren:

Der 3-D-Druck hat die Herstellung von Produkten verändert, indem er Schicht für
Schicht aufträgt und kein produktspezifisches Werkzeug benötigt.
Materialien wie Kunststoff, Metall und Gips können verwendet werden.
Der 4-D-Druck geht einen Schritt weiter, indem er Produkte herstellt, die ihre Form,
Farbe oder Größe ändern können.
4-D-Druck eröffnet neue Anwendungsmöglichkeiten, wie z.B. Wundverbände, die
abhängig von verschiedenen Parametern Wirkstoffe freisetzen können.

6.10.3 Eine digitale Technologie:

Ein virtueller 3-D-Entwurf ist notwendig, um ein Produkt mit einem 3-D-Drucker
herzustellen.
Der Entwurf kann mit einer 3-D-CAD-Software oder einem 3-D-Scanner erstellt
werden.
Digitale Aspekte der Technologie sind unter anderem, dass das Modell digital
bereitgestellt werden kann und dass es leicht modifiziert werden kann.
Dadurch können Produkte lokal und just in time hergestellt werden, ohne komplexe
Fertigungslinien aufbauen zu müssen.
Digitale Dienstleistungen wie Plattformen für verschiedene Designs und lokale
Fertigung können entwickelt werden.

6.10.4 Anwendungsbereiche:

3-D-Druck wird für Prototyping, Einzelstücke und Kleinserien eingesetzt.

Medizintechnik benutzt 3-D-Druck für individualisierte Produkte.
3-D-Druck wird in der industriellen Fertigung für bestimmte Teile benutzt, wie
Triebwerks- und Turbinenteile, Innenausstattung, um Gewicht zu reduzieren.
Konsumgüterindustrie setzt vermehrt auf 3-D-Druck.
3-D- und 4-D-Druck sind Schlüsseltechnologien für die digitale Transformation in
vielen Branchen

6 Theme 12