Datengestützte digitale Prognoseverfahren werden in der gesamten Industrie immer wichtiger. Vor allem im Bereich der Energiewirtschaft sind prädikative Modellierungen von größter Bedeutung, da durch sie auf Basis vorhandener Daten effektivere Entscheidungen und Vorhersagen getroffen werden können. Weil Modelle aber nur so gut sein können wie ihre Daten, forschen wir im Bereich Visual Analytics nach Methoden, um die Validität großer Datenmengen zu prüfen, um eine größtmögliche Fehlerfreiheit bei der Analyse zu gewährleisten.
Mit dem Fokus auf die realen Anwendungsbedürfnisse unserer Partner (APG, AVL List, HAKOM und Plasmo Industrietechnik) aus dem Automobil-, Industrie- und Energiesektor entwickelten wir im Forschungsprojekt TOHIVA neuartige Visual Analytics-Methoden für die effizientere Visualisierung großer, hochdimensionaler Daten. Die daraus entstandenen Optimierungs-Tools für bestehende Software ermöglichen Prognosemodelle, die Lösungen für spezifische Aufgabestellungen liefern, wie z.B. bei der Qualitätsbeurteilung von Daten oder zur multikriteriellen Entscheidungsunterstützung.
Die gemeinsam mit unserem Unternehmenspartner HAKOM Solutions und Data Scientists aus der Energiebranche entwickelte Visual Computing-Lösung TSM Visuals ermöglicht durch simultane interaktive Visualisierungen großer und heterogener Daten völlig neue Möglichkeiten, diese zu erforschen, zu interpretieren und auszuwerten. Die schafft durch Qualitätsbeurteilung der Daten die Grundlage für valide Analyseergebnisse und dient u.a. der Qualitätssicherung für komplexe Verfahren.
