SCHWERPUNKT https://doi.org/10.1365/s40702-019-00529-2 HMD Smart Factory – Konzeption und Prototyp zum Image Mining und zur Fehlererkennung in der Produktion Sebastian Trinks · Carsten Felden Eingegangen: 14. Februar 2019 / Angenommen: 3. April 2019 © Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019 Zusammenfassung Um die Leistungsfähigkeit der Produktion in der Smart Facto- ry effizient zu gestalten, lassen sich durch Sensoren in Echtzeit erhobene Produk- tionsdaten zur Qualitätsprüfung nutzen. Damit die Daten, die Informationen und letztendlich das durch algorithmische Analyse generierte Wissen über die Qualität rechtzeitig bereitsteht, sind passende Netzwerkarchitekturen, wie beispielsweise die des Edge Computing, notwendig, um einen effizienten Einsatz zu ermöglichen. In diesem Kontext beschäftigt sich der Beitrag mit den Herausforderungen der Analyse von Daten bildgebender Sensoren in der Produktion. Die vorgenommenen Untersu- chungen fußen dabei auf der Implementierung einer Image-Mining-Applikation zur Echtzeit-Fehlererkennung in der Produktion, die mittels eines gestaltungsorientier- ten Forschungsansatzes ergründet wurden. Neben der Identifikation der Herausfor- derungen in diesem Spannungsfeld, ließen sich Algorithmen ausfindig machen und betrachten, die hierfür eine hohe Prognosegenauigkeit aufweisen. Die erzielten Er- kenntnisse bilden dabei eine wichtige Grundlage für den Einsatz von Image-Mining- Applikationen in der Smart Factory. Schlüsselwörter Image Mining · Real Time Analytics · Edge Computing · Smart Factory · Qualitätsmanagement · Gestaltungsorientierter Forschungsansatz · Sensorik und Fehlererkennung S. Trinks () · C. Felden Institut für Wirtschaftsinformatik, TU Bergakademie Freiberg, Silbermannstraße 2, 09599 Freiberg, Deutschland E-Mail: sebastian.trinks@bwl.tu-freiberg.de C. Felden E-Mail: carsten.felden@bwl.tu-freiberg.de K