Solution Feature
AI Pipelines definieren Datenanalysen auf Live-Datenströmen von Maschinendaten. Statt ausschließlich grafische Blöcke per Drag-and-Drop zu verbinden, lassen sich auch komplexere Überwachungen und Datenharmonisierungen einfach per Sprache als erklärbarer Code erzeugen.
Demo anfragenAI Pipelines im produktiven Einsatz
AI Pipelines sind für Live-Datenströme gedacht. Sie definieren Überwachungen, Harmonisierungsschritte und analytische Logik direkt auf laufenden Maschinendaten, statt erst später mit Exporten oder Einzelskripten arbeiten zu müssen.
Der wesentliche Unterschied zu klassischen Pipelines besteht darin, dass komplexe Logik nicht nur aus wiederverwendbaren grafischen Blöcken zusammengesetzt wird. Stattdessen kann ein Nutzer per Sprache beschreiben, welche Live-Analyse oder Harmonisierung benötigt wird. Das ist besonders dann hilfreich, wenn grafische Bausteine für die eigentliche Aufgabe zu starr oder zu aufwendig werden.
Die Plattform erzeugt daraus Code in geeigneten Programmiersprachen, führt diesen auf hochfrequenten Datenströmen aus und stellt die Ergebnisse wieder als Live-Daten in der Plattform bereit. So werden auch anspruchsvollere Auswertungen im Alltag deutlich zugänglicher.
Einordnung
AI Pipelines sind für laufende Überwachung, automatisierte Reaktionen und die kontinuierliche Verarbeitung von Maschinendaten gedacht.
Wenn eine grafische Pipeline für die benötigte Logik zu einfach ist oder wenn Ergebnisse direkt wieder in laufende Prozesse zurückfließen sollen, ist AI Pipelines der passendere Weg. Für explorative Einmalanalysen und die Untersuchung gespeicherter Daten sind dagegen AI Notebooks besser geeignet.
Direkt im Workflow vergleichen
Klassische Pipelines bestehen aus grafischen Drag-and-Drop-Blöcken. AI Pipelines ergänzen diesen Ansatz um sprachbasierte Codegenerierung für komplexere Live-Analysen, Überwachungen und Datenharmonisierungen.
Demo anfragen
Von der einfachen Definition bis zur Rückführung von Ergebnissen in laufende Datenströme.
Komplexe Live-Überwachungen und Datenharmonisierungen lassen sich statt per Drag-and-Drop auch per Sprache definieren.
Der erzeugte Code bleibt sichtbar, kann erklärt werden und ist damit nachvollziehbar statt Blackbox.
Die generierten Analysen lassen sich auf hochfrequenten Live-Datenströmen ausführen.
Die Resultate stehen wieder als Live-Datenströme in der Plattform bereit und können weitere Aktionen auslösen.
Neben klassischen grafischen Pipelines können komplexe Überwachungen oder Datenharmonisierungen direkt per Sprache beschrieben werden. Daraus entsteht Code statt einer auf Blöcke begrenzten Modellierung.
AI Pipelines erzeugen ausführbaren Code in passenden Programmiersprachen. Der Code bleibt sichtbar, kann erklärt werden und lässt sich vor dem produktiven Einsatz fachlich und technisch prüfen.
Zur Überprüfung der Pipeline können KI-gestützt Testdaten erzeugt werden. Ergebnisse der Ausführung stehen anschließend wieder als Live-Datenströme in der Plattform zur Verfügung.
Anwendungsfelder
AI Pipelines sind für produktionsnahe Aufgaben gedacht, die Fachanwender direkt verstehen: etwa Anomalieerkennung auf Live-Datenströmen, Temperaturüberwachung, Condition Monitoring, Mustererkennung in Signalen oder die Harmonisierung heterogener Maschinenwerte.
Die zurückgegebenen Live-Ergebnisse können anschließend in weiteren Pipelines genutzt werden, um Datensenken anzusprechen, Aktionen auszuführen oder Benachrichtigungen etwa an Microsoft Teams zu versenden.
Demo
Vereinbaren Sie eine Demo, um Plattform, Analyse und KI-Funktionen anhand Ihrer Fragestellungen kennenzulernen.