Page tree
Skip to end of metadata
Go to start of metadata

YUNA ist eine modulare Plattform für die medienbruchfreie Organisation, Analyse und Auswertung von Datenanalysemodellen und Datenmengen. YUNA ermöglicht die gemeinsame Arbeit verschiedener Teams mit unterschiedlichen Rollen und Funktionen an daten- und analysegestützten Prozessen und Projekten (sogenannten Sachverhalten).

Im Ergebnis optimiert YUNA die Zusammenarbeit zwischen Data Scientists und den Fachabteilungen: daten- und analysegetriebene Geschäftsprozesse werden etabliert und neue Geschäftsmodelle werden für das Zeitalter der Digitalisierung entwickelt.

YUNA besteht aus einem Core (Ausführungsschicht) und dem YUNA Portal.

Der Core dient dem Anbinden von Datenquellen, der Verwaltung der Benutzerrechte, dem Ausführen der Analyseskripte und steuert Analyse Jobs. Er bildet so eine sichere Ausführungsumgebung.

Das Portal verbindet Data Science mit den Geschäftsprozessen und stellt Komfort-Funktionen (Dashboard InhalteWorkflowsFunktionen) bereit, um im Team daten- oder analytikgestützte Prozesse und Produkte zu entwickeln.



YUNA ermöglicht es dem Fachanwender, Daten auf verschiedene Wege und mit verschiedenen Widgets wie Tabellen-Widget oder einem Bildbetrachter explorativ zu untersuchen ("Self-Service-BI" oder Ad-Hoc-Analysen).

Workflow-gestützt können Benutzer datenbezogene Sachverhalte anlegen und umfangreiche Analysen als Auftrag für einen Data Scientist formulieren. Dieser kann dann mittel freier Skriptsprachen wie R, Julia oder Python beliebig komplexe Skripte entwickeln und auf der Plattform zeitgesteuert, event-getriggert oder manuell ausgelöst ausführen lassen und die Ergebnisse über Widgets als Ausgabe-Container für die Benutzer zur Verfügung stellen.


Mögliche Anwendungsszenarien im Kontext Condition Monitoring oder Industrie 4.0

  • Benutzer über Maschinen und Maschinenzustände informieren
  • Zustände von Anlagen oder Gerätschaften überwachen (Condition Monitoring)
  • Ermöglichung von automatisierten Analysen der Daten (in den Sprachen R, Julia oder Python)
  • Förderung von abteilungsübergreifender Zusammenarbeit an daten- und analysegetriebenen Sachverhalten
  • Vorhersage von zukünftigen Anlagenzuständen
  • Reduzierung bzw. Optimierung der Aufwände für Wartung (Predictive Maintainance)
  • No labels