Deutschenglish

Themen

University of Cape Town lanciert Curriculum 3.0

University of Cape Town lanciert Curriculum 3.0

Um eine qualitativ hochwertige Enterprise Systems-Ausbildung gewährleisten zu können, arbeitet die University of Cape Town (UCT) als ESEFA-Center an einer kontinuierlichen Evaluation und Optimierung des Kursdesigns. So ist seit Mai 2015 ...
Fujitsu Lab Magdeburg im Expert Talk

Fujitsu Lab Magdeburg im Expert Talk

Mit 4 Key Notes, 271 Expert Talks, 62 Break Out Sessions und einem Demo-Center mit den neuesten innovativen Technologien und Lösungen war das Fujitsu Forum 2019 eine der größten IT-Veranstaltungen Europas. Als vertrauenswürdiger ...
Die neue Cloud Lehrveranstaltung – Cloud DevOps Techniken

Die neue Cloud Lehrveranstaltung – Cloud DevOps Techniken

Angesichts hochgradig vernetzter Anwendungen, Big Data und Cloud Computing, ist die sorgfältige Planung und Konstruktion von Architekturen und Landschaften der entsprechenden Informationssysteme wichtiger denn je. In vielen Fällen endet ...
ESEFA in der Magdeburger Volksstimme

ESEFA in der Magdeburger Volksstimme

Das ESEFA-Projekt, unter der akademischen Leitung von Prof. Klaus Turowski, hat die Zielsetzung junge Nachwuchskräfte im afrikanischen IT-Sektor zu fördern. Im Fokus steht dabei die Enterprise Systems-Ausbildung von Studierenden an ...

Kompatibilitätseigenschaften von Big Data Technologien und deren Ausprägungen (MA, WTP).

Beginn dieses Jahrzehnts hat sich Big Data als eine vielversprechende Möglichkeit erwiesen um datenintensive Projekte und Anwendung zu entwickeln, die noch vor wenigen Jahren unmöglich erschienen. Unter Verwendung neuartiger Technologien ...
Beschreibung von Systemlandschaften im Kontext von Industrie 4.0

Beschreibung von Systemlandschaften im Kontext von Industrie 4.0

Der Weg zur Industrie 4.0 ist für Unternehmen mit einer Vielzahl von Herausforderungen, sowie Forschungs- und Entwicklungsaufwand verbunden. Die weitreichende Umgestaltung der Wertschöpfungsprozesse und Produktionsanlagen haben nicht ...

Entwicklung und Operationalisierung von Data Science-Lösungen (WTP)

Wenn Sie ein Team aus 3–4 Masterstudierenden sind und Interesse daran haben, End-to-End-Data-Science-Probleme zu lösen, können Sie sich bewerben, Ihr wissenschaftliches Teamprojekt unter unserer Betreuung durchzuführen. Die Aufgabe ...
Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“

Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“

Das Mittelstand 4.0-Kompetenzzentrum Magdeburg „vernetzt wachsen“ unterstützt mittelständische Unternehmen sowohl in Sachsen-Anhalt als auch bundesweit beim Einsatz innovativer digitaler Lösungen zur Optimierung ...
OEPI - Exploring and Monitoring Any Organisations Environmental Performance Indicators

OEPI - Exploring and Monitoring Any Organisations Environmental Performance Indicators

Das Projekt Solution and Services Engineering for Measuring, Monitoring, and Management of Organizations Environmental Performance Indicators (OEPI) ist ein von der Europäischen Kommission geförderters internationales Forschungsprojekt. ...
Vorhersage nicht-funktionaler Eigenschaften von IT-Services

Vorhersage nicht-funktionaler Eigenschaften von IT-Services

Die Service-Orientierung der IT gewinnt weiter an Bedeutung, nicht zuletzt durch das Konzept des Cloud Computings. Sie unterstützt die Commoditisierung der IT und erhöht die Transparenz für die Kunden. Für die Anbieter solcher Services besteht ...

Publikationen

Volk, M.; Staegemann, D. G.; Turowski, K.
Facing Big Data System Architecture Deployments: Towards an Automated Approach Using Container Technologies for Rapid Prototyping
Volk, M.; Staegemann, D. G.; Turowski, K.
Providing Clarity on Big Data: Discussing Its Definition and the Most Relevant Data Characteristics
Müller, Hendrik; Nahhas, Abdulrahman; Bosse, S.; Turowski, K.
Addressing IT Capacity Management Concerns Using Machine Learning Techniques
Lodhi, A.; Saake, G.; Turowski, K.
Empirical Evaluation of BPMN Extension Language
Nahhas, A.; Pohl, M.; Turowski, K.
Comparative analysis of machine learning models for anomaly detection in manufacturing