Immer neue und komplexere Produktionsprozesse stellen Hersteller als auch Betreiber automatisierter Anlagen vor neue Herausforderungen. Um Hochleistungsautomation
weiter zu entwickeln benötigt man ein ausgefeiltes Datenmanagement mit dazu gehöriger Datenanalyse. Zur herkömmlichen deskriptiven Statistik braucht es zukünftig
auch Modelle des maschinellen Lernens. Bei Inbetriebnahme und im laufenden Produktionsbetrieb werden Daten anhand von Alarmen generiert, wie zum Beispiel Warnungen, Status- oder Fehlermeldungen. Bei einer hohen Anzahl von Alarmen sind Zusammenhänge dazwischen oft nicht ersichtlich. Dieses Projekt versucht Zusammenhänge zwischen den unterschiedlichen Alarmen zu finden, um einerseits die Anzahl der Alarme zu reduzieren und andererseits Handlungsvorschläge bei bestimmten Alarmen zu generieren. Da Beschreibungen der Fehlermeldungen in natürlicher Sprache verfasst sind sollen auch Natural Language Processing Methoden zum Einsatz kommen.