Stellenangebot · KldB 000

Von Datenaustausch zu Wissensaustausch: Industrial AI als Enabler für lernende Datenräume entlang der Lieferkette (m/w/d)

M&M Software GmbH · St. Georgen, Hannover

Berufsfeld: Weitere Berufe

Beschäftigungsart: Praktikum

Jetzt bewerben

Öffnet die Bewerbungsseite des ursprünglichen Anbieters in einem neuen Tab. JobMagnet24 nimmt keine Bewerbung entgegen.

Für ArbeitgeberDiese Stelle gehört zu Ihrem Unternehmen?Sie ist bereits indexiert. Profilübernahme und Domain-Verifizierung kosten 0 €.
Profil kostenlos beanspruchen

Auszug aus der Stellenbeschreibung

Was du bei uns bewegst Unternehmen entlang einer Lieferkette erzeugen täglich wertvolle Informationen, beispielsweise zu Qualität, Nachhaltigkeit, Produktion oder Service. Datenräume ermöglichen bereits heute den kontrollierten und souveränen Austausch solcher Daten zwischen Unternehmen.

Der eigentliche Mehrwert entsteht jedoch nicht nur durch den Datenaustausch, sondern durch die darin enthaltenen Erkenntnisse. Mit modernen Industrial-AI-Technologien wird es möglich, Zusammenhänge zu erkennen, Wissen automatisch aufzubereiten und daraus konkrete Empfehlungen oder Optimierungspotenziale abzuleiten.

In dieser Abschlussarbeit untersuchst du, wie Datenräume und Industrial AI kombiniert werden können, um aus verteilten Unternehmensdaten einen lernenden Wissensraum zu schaffen. Dabei steht die Frage im Mittelpunkt, wie Unternehmen vom Wissen anderer Teilnehmer profitieren können, ohne die Kontrolle über ihre sensiblen Daten zu verlieren.

Was du konkret machst: Technologien analysieren: Du arbeitest dich in aktuelle Konzepte rund um Datenräume, Asset Administration Shell (AAS), Digital Product Passports (DPP) und Industrial AI ein. Use Cases identifizieren: Du entwickelst praxisnahe Szen

Vollständige Ausschreibung öffnen

Die vollständige Stellenbeschreibung steht auf der Originalseite.

Quelle und Aktualität

Quelle
Originalquelle öffnen
Erstmals gefunden
13.10.2026
Zuletzt geprüft

Prüfe Angaben und Verfügbarkeit vor der Bewerbung noch einmal auf der Originalquelle.