#002 | Was ist Lowcode und wie wende ich KI in der Praxis an? | Kerim Galal | InnoSEP

episode

Previously titled “#002 | Was ist Lowcode und wie kann ich KI in der Praxis einfach anwenden? | Kerim Galal | CEO InnoSEP” — renamed by the publisher on Aug 7, 2026

IoT Use Case Podcast not yet transcribed

▲ 0

Transcript

This episode hasn't been transcribed yet Upvotes decide what gets transcribed next — 0 so far. Sign in to upvote

recent transcribed audio

Booked out doesn't mean you're ready for an associate OD 23 min · 23 Sep 2026 · The Optometry Success Podcast

Could sofa theory help you find your ideal partner? 4 min · 23 Sep 2026 · Do you really know?

Behind The Scenes At Vogue World Milano 28 min · 23 Sep 2026 · The Run-Through with Vogue

Is end-to-end encryption really secure? 4 min · 23 Sep 2026 · Do you really know?

Do tongue scrapers actually help with bad breath? 5 min · 23 Sep 2026 · Do you really know?

Lab Notes: Have we found dark matter? 10 min · 23 Sep 2026 · The Science Show

Report any issue

Source

Recorded15 Apr 2020

Publisherfeeds.buzzsprout.com

Handlerec:12071711

Show notes

In dieser IIoT Use Case Podcast-Folge definiert Kerim Galal, CEO der InnoSEP, künstliche Intelligenz (KI) und maschinelles Lernen (ML) und wie diese Methodik in der Schnittstelle zum IIoT anwenden lässt. Hier findet ihr alle Infos zu Kerim, dem Use Case und den Ausführungen dazu. Kerim stellt uns die InnoSEP GmbH vor und wie KI und ML durch die Lowcode Analytics Plattform einfach angewendet werden kann. Vor allem für „Nicht-KI-Profis“ kann die Lösung von InnoSEP auf einer vorhandenen Basis genutzt werden. Er erklärt wie die Datenanalysten der InnoSEP den ML LifeCycle in definierten Prozessschritten durchführen und wie sie von den Rohdaten über Merkmal-Findung mit Zieldefinition bis hin zum eigentlichen Training des Datenmodells zu der Lösung des Problems kommen. Er erklärt anhand drei Usecases, wie die InnoSEP relevante Einflussparameter, Merkmale und Key Performance Indicators (KPIs) findet, welche Rolle die Datenqualität und -Menge spielt. In den Usecases spricht Kerim ebenfalls über embedded ML (zu deutsch eingebettetes Maschinelles Lernen) und wie diese Methodik zur Qualitätssicherung in der Produktion, beispielsweise der Ausschussteil-Reduktion über Sensoren zum Einsatz kommt. Vor allem bei dem von Kerim genannten Usecase im Rahmen des EU-Projekts „Tiergesundheit im Schweinestall“, findet das embedded ML als Methodik anklang, da ein komplexes Datenmodelltraining mit mehreren Input-Größen vorliegt. Sensorgeräte für die Usecases können dabei akustische oder optische Auffälligkeiten und Abweichungen detektieren, und so die Qualitätssicherung in der Produktion oder die Zustandsüberwachung von Anlagen unterstützen. In dem genannten Usecase geht es hierbei um die Reduzierung von Ausschussteilen im Prozess einer Extrudermaschine. Neben Kameras für die Überwachung visueller Parameter (Gut-Teil und Schlecht-Teil Überwachung) und Mikrofonen zur Erfassung von Schallwellen kommen beispielsweise auch Vibrations-, Berührungs-, Spannungs-, Strom-, Drehzahl-, Druck- und Temperatursensoren zum Einsatz. Die Wahl der Sensorik hängt vom entsprechenden Usecase ab. Die Episode schließt mit einer Diskussion über die zukünftigen Entwicklungen, wie man die Mitarbeiter in die Change-Prozesse einbindet und wie man trotz etablierter Prozesse die Lernkurve auch im agilen Vorgehen steigern kann. Auch welches Angebot InnoSEP bietet, um einfach mit KI-Projekten zu starten.http://www.iotusecase.com/Jetzt IoT Use Case auf LinkedIn folgen1x monatlich IoT Use Case Update erhalten

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related