Aanleiding
Digitalisering is een proces wat nog steeds in volle gang is. Datagedreven werken is de norm, en de inzet van artificial intelligence is met de komst van generatieve AI een hot topic. Toch is er nog een kloof tussen tech-giganten, start-ups en de beroepspraktijk van het mkb. Er is veel data, maar hoe gaan we daar doelgericht, duurzaam en veilig mee digitaliseren? DEMAND wil daar antwoord op geven.
Doel DEMAND
Kennis bundelen om een toolbox te ontwikkelen met nieuwe toepasbare digitale technologieen en methodologieen die bijdragen aan optimalisatie van dataketens in private en publieke organisaties. Dat is het doel. Dit is mogelijk omdat DEMAND een SPRONG-project is. Dat betekent dat het project ondersteund wordt door het regieorgaan SIA als een samenwerking tussen diverse instituten, lectoraten en bedrijfspartners.
Dataketens vormen de basis van een gedegen datagedreven organisatie, maar hoe organisaties hier ook de vruchten van plukken is een uitdaging. DEMAND wil de beroepspraktijk daarom de middelen aanreiken om datagericht te digitaliseren, met een focus op data-acquisitie en -opslag, -(pre)processing, -exploratie, -modeling en -benutting. Het datafundement op orde hebben is cruciaal voor elke vorm van verdere toepassing van digitale innovaties.
Voor wie?
DEMAND richt zich in eerste instantie op dataketencasussen in de maakindustrie, energiesector en publieke organisaties.
Later worden ook andere toepassingsgebieden betrokken. DEMAND levert
oplossingen voor geïntegreerde en gevalideerde data-ketens/datapijplijnen.
Door wie?
DEMAND verbindt inzichten op het gebied van AI Engineering, Data Engineering en Data Management met de datavraagstukken uit de praktijk. Bij dit onderzoekstraject zijn 3 hogescholen (HAN, Saxion en Fontys) en 16 partners betrokken. Door samen te komen, problemen in kaart te brengen en kennis te bundelen werken we samen aan een gemeenschappelijke toolbox.
Veilig, efficient en verantwoord leren omgaan met data doen we samen. Daarom richten we learning communities op die zich specifiek richten op:
- AI Engineering: Het ontwerp, de ontwikkeling en de deployment van architectuur en digitale omgevingen voor het optimaal mogelijk maken, en ondersteunen van geavanceerde data processing en algoritmiek binnen AI en Data Science operationele toepassingen.
- Data Engineering: Het ontwerp, de ontwikkeling en de uitvoering van datavoorziening als technisch/digitaal systeem, inclusief o.a. sensoriek/IoT, data architectuur, data pipelines en data-opslag, dienend voor het beschikbaar stellen van goede kwaliteit, geschikte data (ook Big Data) voor toepassingen in o.a. informatie- en kennissystemen, BI, data analytics, en AI.
- Data Management: Het ontwikkelen, implementeren en superviseren van plannen, policies, standaarden, programma’s, praktijken, methoden en tools die de waarde van data- & informatie-assets helpen leveren, controleren, beschermen en verbeteren gedurende hun volledige levenscyclus.
