Ickstadt, KatjaKatjaIckstadtPauly, MarkusMarkusPaulyMotta, MarcoMarcoMottaHerbrandt, SwetlanaSwetlanaHerbrandtMoroff, NikolasNikolasMoroffNiemann, FriedrichFriedrichNiemannHenke, MichaelMichaelHenketen Hompel, MichaelMichaelten Hompel2022-10-112022-10-112022https://publica.fraunhofer.de/handle/publica/42750810.1007/978-3-662-63956-6_11Mit Silicon Economy wird das kommende föderale Plattformen-Ökosystem einer durchgängig digitalisierten und datengetriebenen Logistik beschrieben. Vor diesem Hintergrund befasst sich der vorliegende Beitrag unter zwei zentralen Fragestellungen mit dem Inhalt der Daten dieser Silicon Economy. Auf zwei Use Cases, einem aus dem Bereich des Supply Chain Managements und einem aus der Intralogistik, werden statistische Methoden und Verfahren des maschinellen Lernens angewendet. Potenziale der Methoden werden aufgezeigt und hiermit Forschungsfragen in den Use Cases selber aber insbesondere auch eine übergreifende Betrachtung und Harmonisierung von Modellen und Daten motiviert.deStatistisches Lernenmaschinelles LernenBedarfsprognoseSimulationsstudieAutomatisierte ZeitdatenerfassungMotion Capturingbook article