Studienarbeit aus dem Jahr 2017 im Fachbereich Ingenieurwissenschaften - Maschinenbau, Note: 1,2, Duale Hochschule Baden-Württemberg, Ravensburg, früher: Berufsakademie Ravensburg, Sprache: Deutsch, Abstract: Im Jahr 2012 setzte die Bundesregierung Arbeitskreise ein, um die Wettbewerbsrolle Deutschlands im Welthandel zu festigen. Als Ergebnis entstand das Zukunftsprojekt "Industrie 4.0", welche die Stärken der deutschen Industrie im Maschinen- und Anlagenbau mit den Möglichkeiten der aktuellen Informations- und Kommunikationstechnologien verbinden soll. Ziel dieser Digitalisierung ist die vernetzte und schlaue Produktion, also Systeme die durch Sensoren und Aktuatoren selbständig kommunizieren, entscheiden und agieren.Zusammen mit Industrie 4.0 und der Digitalisierung fallen oft auch weitere Begriffe wie "Big Data" oder "Smart Data" und den dazugehörigen Problemstellungen: Wie kann der Datenfluss gesteuert werden? Welche Infrastruktur wird benötigt? Wie kann Nutzen aus den Daten erwirtschaftet werden?Diese interdisziplinären Probleme stellen nicht nur für Großkonzerne eine große Herausforderung dar, sondern vor allem auch für Kleinst-, kleine und mittlere Unternehmen (KMU). Industrie 4.0 endet nicht mit der Implementierung von modernen Produktionssystemen. Da ein komplett autonomes Produktionssystem, welches kein menschliches Entscheiden und Eingreifen benötigt, weder realistisch noch anzustreben ist (vgl. [1]), sind auch Mensch-Technik Schnittstellen ein wichtiger Baustein der Digitalisierung. Somit sind für Projekte der Digitalisierung immer Teams aus Fachbereichen der Produktion, Prozessanalyse, IT und der Datenanalyse zusammenzustellen.Für KMU kann dieses bereits aufgrund der limitierten Personalressourcen zu Schwierigkeiten führen. Zusätzlich kann es durch fehlendes Verständnis in der Thematik der Digitalisierung dazu führen, diese komplett zu verpassen und somit im Wettbewerb abgehängt zu werden.Durch die Digitalisierung entstehen in den Unternehmen eine hohe Anzahl von Daten, die bisher nur in großen Speichersystemen gesammelt werden konnten.Aufgabe des Data Mining ist es, neuartige und potentiell nützliche Muster in den Daten zu erkennen. Mit den gewonnenen Erkenntnissen ist es dann möglich die Prozesse und Produkteigenschaften zu verbessern. Hierzu sind Expertenwissen und spezielle Software notwendig.Aufgrund der meist fehlenden Expertise und Kapazitäten, ist es für KMU besonders schwierig geeignete Data Mining Prozesse in Geschäftsprozesse zu integrieren und mit geeigneter Software durchzuführen.Es soll daher ein Überblick von Data Mining Prozessmodellen, Verfahren und geeigneter Softwarelösungen erstellt werden.
