Masterarbeit aus dem Jahr 2019 im Fachbereich VWL - Industrieökonomik, Note: 2, FHWien der WKW, Sprache: Deutsch, Abstract: In dieser Arbeit werden das Potenzial, das Machine Learning für die produzierende Industrie bietet, betrachtet und die zur Erstellung von praktischen Anwendungen geeigneten Algorithmen und Methoden untersucht. Die beleuchteten Methoden und Konzepte finden in einem Prototyp Umsetzung. In der abschließenden Reflexion werden die theoretischen Konzepte den praktischen Erkenntnissen gegenübergestellt und kritisch betrachtet. Die Ergebnisse zeigen, dass die Erstellung neuer ML-Anwendungen für die produzierende Industrie ein wichtiger Schritt zur Erhaltung der Wettbewerbsfähigkeit ist. Gleichzeitig wurde erkannt, dass die Erstellung von ML-Anwendungen durch neue Technologien mit vergleichsweise geringem Aufwand umgesetzt werden kann. Der praktische Teil dieser Arbeit erbringt den Beweis, dass die Brücke zwischen theoretischer Modellierung und der praktischen Umsetzung von Anwendungen auch für Fachkräfte aus dem Produktionsbereich möglich ist. Industrie 4.0 oder Smart Manufacturing bezeichnen Entwicklungen, die tiefgreifende Veränderungen des gesamten Product Lifecycle ermöglichen und auch notwendig machen, um global konkurrieren zu können. Alle großen Volkswirtschaften haben diese Entwicklungen erkannt und Programme zur Integration und Nutzung dieser neuen Chancen gestartet. Ein nie dagewesener Anstieg in der Verfügbarkeit an bereits aufgezeichneten sowie an live übertragenen Daten erschließt neues Potenzial zur Prozessoptimierung durch Machine Learning (ML). Es gibt bereits eine Vielzahl an Anwendungen in allen Bereichen der produzierenden Industrie, die bereits von ML profitiert haben, dennoch wird heute noch hauptsächlich nach etablierten Methoden vorgegangen. Es wird als unumgänglich angesehen, dass Unternehmen Investitionen tätigen, um aus dieser Menge an verfügbaren Daten neues Wissen zu erwerben, um so im globalen Wettbewerb bestehen zu können.