Maschinelles Lernen (Machine Learning, ML) bietet enormes Potenzial, wenn es darum geht, aus unüberschaubaren und großen Datenmengen komplexe Zusammenhänge herzustellen und damit unter anderem als Entscheidungshilfe bei gesellschaftlichen und wirtschaftlichen Fragestellungen zu dienen. Von optimierten Prozessen und personalisierten Produktempfehlungen bis hin zu autonomem Fahren, gezieltem Katastrophen­management oder der Erkennung eines Malaria-Ausbruchs, sind die Möglichkeiten von ML innerhalb ­einzelner Branchen und übergreifend vielfältig.
Dieser zweite Teil des ML-Kompendiums stellt Use Cases vor, die branchenunabhängig sind.

Die zunehmende Konkurrenz aus den Niedriglohnländern zwingt traditionelle Märkte zu mehr Flexibilität und effizientere Methoden in der Produktion, woraus der Anspruch an eine IT-Infrastruktur hervorgeht, die komplette Wertschöpfungskette in einem einzigen System abbilden zu können. Eine Schlüsselherausforderung dabei ist die Verbindung zwischen der MES- (Manufacturing Execution System) und ERP- (Enterprise Resource Planning) Ebene. Mit dem Ziel der Überbrückung von Geschäfts- und Produktions-Prozessen, hat die internationale Organisation ISA (Instrumentation, Systems, and Automation Society) eine Norm ISA-95 eingeführt, welche die Unternehmens- und Betriebsleitebene integriert. Dieser Beitrag führt in die Integration beider Ebenen sowie in Wirtschaftlichkeitsbewertung von MES ein.