Statistical tolerance analysis based on Monte Carlo simulation can be applied to obtain a cost-optimized tolerance specification that satisfies both the cost and quality requirements associated with manufacturing. However, this process requires time-consuming computations. We found that an implementation that uses the graphics processing unit (GPU) for vector-chain-based statistical tolerance analysis scales better with increasing sample size than a similar implementation on the central processing unit (CPU). Furthermore, we identified a significant potential for reducing runtime by using array vectorization with NumPy, the proper selection of row- and column- major order, and the use of single precision floating-point numbers for the GPU implementation. In conclusion, we present open source statistical tolerance analysis and statistical tolerance synthesis approaches with Python that can be used to improve existing workflows to real time on regular desktop computers.

Das zielgerichtete Management von Innovationen hat in Zeiten globaler und dynamischer Märkte einen maßgeblichen Einfluss auf die Wettbewerbsfähigkeit von Unternehmen. Insbesondere die frühe Phase des Innovationsprozesses zielt darauf ab, Innovationschancen im Rahmen des Umfeldscannings frühzeitig zu erkennen. Hierfür stehen immer stärker wachsende Datenmengen zur Verfügung, aus denen relevante Informationen jedoch erst extrahiert werden müssen. Dieser Beitrag präsentiert die Ergebnisse einer Studie zu den Herausforderungen an ein erfolgreiches Innovationsmanagement und stellt ein Umfeldscanningsystem vor, welches die Effektivität und die Effizienz des Innovationsmanagements mithilfe von künstlicher Intelligenz steigert. Durch das dreistufige Verfahren, bestehend aus Themenerkennung, Trenderkennung und Trendbeobachtung, kann das Umfeldscanning in hohem Maße automatisiert werden. In der anschließenden Fallstudie wird anhand von drei Praxisbeispielen gezeigt, wie mithilfe des Systems die Trends von Morgen erkannt werden können. Zum Schluss wird das datenbasierte Umfeldscanningsystem als Chance für Unternehmen jeder Größe diskutiert.

Die Corona-Krise hat immer noch massive Auswirkungen auf das Gros der gesellschaftlichen Bereiche – auch auf den der schulischen und universitären Bildung. In diesem Zusammenhang gab es bereits vielfältige Diskussionen in deren Rahmen dem deutschen Bildungssektor häufig angekreidet wurde, er sei nicht in der Lage, einer Pandemie dieses Ausmaßes derzeit eine adäquate Reaktion entgegenzusetzen, die nicht nur den Schutz der Lernenden, sondern auch deren schulisches bzw. universitäres Vorankommen sicherstellt.

Dabei mangelt es den Bildungseinrichtungen angesichts der Umsetzung einer funktionierenden digitalen Lehre oft nicht nur an einer geeigneten IT-Infrastruktur, sondern auch an entsprechend ausgebildeten Dozenten sowie den richtigen didaktischen Methoden und Tools.

Dass digitales Lehren, Lernen und Zusammenarbeiten aber auch funktionieren kann, zeigt dieser Beitrag anhand des Beispiels des neuen Master-Studiengangs Digital Marketing an der Hochschule Ansbach für angewandte Wissenschaften. Mit der Hilfe von agilen Blended Learning Methoden konnte der Studiengang nicht nur erfolgreich trotz der Erschwernisse des Corona-Wintersemesters 2020/21 eingeführt werden, sondern auch eine sichere und effektive Lehr-Lern-Situation für die Studierenden und Lehrenden etabliert werden. Digitale Vorträge, Workshops und Präsentationen sind auch für Unternehmen zum New Normal geworden. Wie Unternehmen von den die angewandten Strategien und eingesetzten Tools der Hochschule Ansbach profitieren können, zeigt dieser Beitrag.

Kundenfeedback im Online-Handel in Form von Produktrezensionen liefern wichtige Informationen über die Kundenwahrnehmung von Produkten. So beschreiben sie verwendete Materialien, Farben, die Passform, das Design und den Anwendungszweck eines Produkts. Das Kundenfeedback liegt hier in unstrukturierter Textform vor, weshalb zur Verarbeitung Ansätze aus dem Gebiet des Natural Language Processing und des maschinellen Lernens von Vorteil sind. In diesem Beitrag wird ein hybrider Ansatz zur Kategorisierung von Produktrezensionen vorgestellt, der die Vorteile des maschinellen Lernens des Word2Vec-Algorithmus und die der menschlichen Expertise vereint. Das daraus resultierende Datenmodell wird im Anschluss anhand einer Praxisanwendung zum Thema Produktempfehlungen demonstriert.

The importance of geometric deviations of components for the aesthetic and functional quality of products has been undisputed for decades. So, it is not surprising that not only have numerous researchers devoted themselves to this field, but also commercial software tools for the analysis and optimization of tolerance specifications (currently already fully integrated in 3D-CAD systems) have been available for around 30 years. However, it is even more surprising that the well-founded specification of tolerances and their analysis using a so-called statistical tolerance analysis are only established in a few companies. There is thus a contradiction between the proclaimed relevance of tolerances and their actual consideration in everyday business life. Thus, the question of the significance of geometric deviations and tolerances as well as the use of statistical tolerance analysis arises. Therefore, a survey among 102 German companies was carried out. The results are presented and discussed in this paper.