01Beschreiben
Die benötigte Live-Analyse fachlich formulieren
Nutzer beschreiben, welche Signale harmonisiert, überwacht oder ausgewertet werden sollen. Die Aufgabe bleibt damit an der Produktionsfrage ausgerichtet statt an verfügbaren Bausteinen.
IoT Data Hub · Echtzeitanalyse
Live-Daten harmonisieren. Analysen direkt im Datenstrom betreiben.
KI-Pipelines definieren Datenanalysen auf Live-Datenströmen von Maschinendaten. Statt ausschließlich grafische Blöcke zu verbinden, lassen sich komplexere Überwachungen und Datenharmonisierungen per Sprache als erklärbarer Code erzeugen.
Teil des IoT Data Hub
Diese Fähigkeit arbeitet auf derselben Konnektivität, Semantik, Historie und Governance wie alle Data-Hub-Werkzeuge.
Wenn Live-Logik zu komplex für Standardbausteine wird
KI-Pipelines schließen die Lücke zwischen verständlicher Fachanforderung und kontrolliert betriebener Echtzeitanalyse.
- 01
Grafische Blöcke reichen für komplexe Logik nicht aus
Mehrstufige Harmonisierung, Überwachung oder Mustererkennung wird in rein grafischen Modellen schnell unübersichtlich.
- 02
Einzelskripte entziehen sich dem Plattformbetrieb
Code außerhalb der Datenplattform ist schwer gemeinsam zu testen, zu versionieren und für weitere Datenströme wiederzuverwenden.
- 03
Live-Logik lässt sich nur aufwendig verifizieren
Ohne geeignete Testdaten und eine sichtbare Ausführung bleiben Fehler oft bis zum Einsatz auf realen Maschinendaten verborgen.
- 04
Analyseergebnisse enden in einer Sackgasse
Ergebnisse müssen wieder als Live-Daten verfügbar sein, damit weitere Pipelines, Datensenken oder Benachrichtigungen darauf reagieren können.
Grafische Pipelines und KI-Pipelines ergänzen sich
Den passenden Modellierungsweg wählen
Wiederverwendbare Standardlogik bleibt im grafischen Editor übersichtlich. KI-Pipelines erweitern den Workflow um erklärbaren Code für komplexere Live-Analysen und Harmonisierungsschritte.
30-Minuten-Demo anfragen
Grafische PipelineAI Pipeline
02Prüfen
Generierten Code verstehen und fachlich kontrollieren
Der erzeugte Code bleibt sichtbar, lässt sich erklären und kann vor der Ausführung geprüft oder angepasst werden. So entsteht keine verborgene Analyse-Blackbox.
03Testen
Logik mit geeigneten Testdaten verifizieren
Testdaten helfen, Verhalten und Ausgabe vor dem produktiven Einsatz zu prüfen. Anpassungen bleiben Teil desselben nachvollziehbaren Workflows.
04Betreiben
Ergebnisse als Live-Daten in der Plattform weiterführen
Die ausgeführte Analyse liefert kontinuierlich neue Datenströme. Diese können gespeichert, visualisiert oder von weiteren Pipelines und Aktionen genutzt werden.
Was KI-Pipelines im Betrieb leisten
Von der fachlichen Definition bis zur Rückführung der Ergebnisse in laufende Datenströme.
Definition
Per Sprache
Komplexe Live-Überwachungen und Datenharmonisierungen als fachliche Anforderung beschreiben.
Code
Erklärbar
Generierten Code sichtbar halten, erklären, prüfen und vor der Ausführung anpassen.
Ausführung
Live
Analytische Logik kontinuierlich auf hochfrequenten Maschinendaten ausführen.
Ergebnisse
Weiter nutzbar
Resultate als neue Live-Datenströme für Visualisierung, Speicherung und Aktionen bereitstellen.
Einordnung und Betrieb
Wann sind KI-Pipelines der richtige Weg?
Ersetzen KI-Pipelines den grafischen Pipeline-Editor?
Nein. Grafische Pipelines bleiben der direkte Weg für wiederverwendbare Standardbausteine. KI-Pipelines ergänzen sie dort, wo eine Analyse oder Harmonisierung als grafisches Modell zu starr oder zu komplex wäre.
Kann der erzeugte Code vor der Ausführung geprüft werden?
Ja. Der Code bleibt sichtbar, kann erklärt und angepasst werden und lässt sich mit Testdaten prüfen, bevor er auf produktiven Live-Datenströmen ausgeführt wird.
Sieht das Sprachmodell unsere Produktionsdaten?
Die eigentlichen Live-Daten müssen nicht an das Sprachmodell übertragen werden. Das Modell unterstützt die Codeerzeugung; Datenzugriff und Ausführung erfolgen kontrolliert innerhalb der Plattformarchitektur.
Wann sind KI-Notebooks die bessere Wahl?
KI-Notebooks eignen sich für explorative Fragen auf gespeicherten Daten. KI-Pipelines sind für kontinuierliche Harmonisierung, Überwachung und Analyse laufender Datenströme gedacht.
30-Minuten-Produktdemo
Welche Live-Analyse möchten Sie als Pipeline betreiben?
Wir zeigen, wie aus einer fachlichen Beschreibung nachvollziehbarer Code, ein geprüfter Test und ein produktiver Live-Datenstrom entstehen.
Produktdemo mit konkretem Live-Datenfall