https://www.noevis.de/
- State
- up 200
- Title
- Datenpipelines und KI für den Mittelstand | Noevis
- Last check
- 2026-10-01 21:29:46 UTC (84 ms)
- Content hash
9dfe01e4414c0d1c1e0b3518ee035b0ec26e24cf53859df48f7227cbbdfec67b- Text length
- 6624 chars
Events
| Time | URL | Kind | Severity | Confidence | Summary | |
|---|---|---|---|---|---|---|
| 2026-09-29 13:16:40 UTC | https://www.noevis.de/ | content_change |
warning | 84% | Jev: warning (84% confident), outage probability 2% | gated |
Snapshots
| # | Time | HTTP | Latency | Hash | Text | Title |
|---|---|---|---|---|---|---|
| 3344 | 2026-10-01 21:29:46 UTC | 200 | 84 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3343 | 2026-10-01 21:24:46 UTC | 200 | 75 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3342 | 2026-10-01 21:19:46 UTC | 200 | 81 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3341 | 2026-10-01 21:14:46 UTC | 200 | 96 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3340 | 2026-10-01 21:09:46 UTC | 200 | 83 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3339 | 2026-10-01 21:04:46 UTC | 200 | 78 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3338 | 2026-10-01 20:59:46 UTC | 200 | 86 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3337 | 2026-10-01 20:54:46 UTC | 200 | 81 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3336 | 2026-10-01 20:49:46 UTC | 200 | 91 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3335 | 2026-10-01 20:44:46 UTC | 200 | 79 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3334 | 2026-10-01 20:39:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3333 | 2026-10-01 20:34:46 UTC | 200 | 71 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3332 | 2026-10-01 20:29:46 UTC | 200 | 86 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3331 | 2026-10-01 20:24:46 UTC | 200 | 95 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3330 | 2026-10-01 20:19:46 UTC | 200 | 77 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3329 | 2026-10-01 20:14:46 UTC | 200 | 62 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3328 | 2026-10-01 20:09:46 UTC | 200 | 79 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3327 | 2026-10-01 20:04:46 UTC | 200 | 99 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3326 | 2026-10-01 19:59:46 UTC | 200 | 73 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3325 | 2026-10-01 19:54:46 UTC | 200 | 92 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3324 | 2026-10-01 19:49:46 UTC | 200 | 81 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3323 | 2026-10-01 19:44:46 UTC | 200 | 82 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3322 | 2026-10-01 19:39:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3321 | 2026-10-01 19:34:46 UTC | 200 | 56 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3320 | 2026-10-01 19:29:46 UTC | 200 | 84 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3319 | 2026-10-01 19:24:46 UTC | 200 | 82 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3318 | 2026-10-01 19:19:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3317 | 2026-10-01 19:14:46 UTC | 200 | 63 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3316 | 2026-10-01 19:09:46 UTC | 200 | 85 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3315 | 2026-10-01 19:04:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3314 | 2026-10-01 18:59:46 UTC | 200 | 95 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3313 | 2026-10-01 18:54:46 UTC | 200 | 89 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3312 | 2026-10-01 18:49:46 UTC | 200 | 84 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3311 | 2026-10-01 18:44:46 UTC | 200 | 85 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3310 | 2026-10-01 18:39:46 UTC | 200 | 83 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3309 | 2026-10-01 18:34:46 UTC | 200 | 96 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3308 | 2026-10-01 18:29:46 UTC | 200 | 76 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3307 | 2026-10-01 18:24:46 UTC | 200 | 94 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3306 | 2026-10-01 18:19:46 UTC | 200 | 76 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3305 | 2026-10-01 18:14:46 UTC | 200 | 77 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3304 | 2026-10-01 18:09:46 UTC | 200 | 91 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3303 | 2026-10-01 18:04:46 UTC | 200 | 85 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3302 | 2026-10-01 17:59:46 UTC | 200 | 102 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3301 | 2026-10-01 17:54:46 UTC | 200 | 86 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3300 | 2026-10-01 17:49:46 UTC | 200 | 98 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3299 | 2026-10-01 17:44:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3298 | 2026-10-01 17:39:46 UTC | 200 | 79 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3297 | 2026-10-01 17:34:46 UTC | 200 | 68 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3296 | 2026-10-01 17:29:46 UTC | 200 | 68 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
| 3295 | 2026-10-01 17:24:46 UTC | 200 | 87 ms | 9dfe01e4414c |
6624 | Datenpipelines und KI für den Mittelstand | Noevis |
Current normalized text
Zum Inhalt springen noevıs Über mich Leistungen Ausgewählte Arbeit Kontakt DEENAnfragen AUS BREMEN Datenpipelines und KI für den Mittelstand. Ich baue den Weg von der Maschine zu Daten, mit denen Betrieb und IT wirklich arbeiten können. Für Werkleitung, Instandhaltung und IT — aus Bremen, remote in ganz Deutschland. Anfragen Unverbindlich · Antwort in 24 h vor Ort in Bremen & Niedersachsen Remote in DE IN 25 SEKUNDEN Erkennen. Digitalisieren. Verbinden. Der noevis-Film: Wie aus verstreuten Systemen eine Datenstrecke wird, mit der Betrieb und IT arbeiten — als Beratung an eurer Seite, nicht als neues Produkt. Film abspielen 01 Erkennen Wo Daten hängen bleiben: in der Steuerung, in Excel-Listen, auf Papier oder zwischen zwei Systemen, die sich nicht kennen. 02 Digitalisieren Papier und Handarbeit werden zu Daten — sauber erfasst, nachvollziehbar und ohne Abtippen. 03 Verbinden Eure bestehenden Systeme sprechen miteinander. Kein neues Tool von der Stange, sondern die Strecke dazwischen. Wo bleiben bei euch Daten hängen? Ein kurzes Gespräch reicht für den Anfang. Anfragen ÜBER MICH Erst nutzbare Daten, dann KI. Ich bin Eugen Schmidt. Vom Mechatroniker und Instandhalter zum Data Engineer — ich kenne die Anlage und die Datenstrecke. Ich baue das Fundament, auf dem Auswertungen und KI im Betrieb halten. Tagsüber arbeite ich bei einem der weltweit größten Automobilkonzerne in Bremen. Freiberuflich übernehme ich ausgewählte Projekte — klar getrennt, mit vereinbarten Zeiten. Seit 2008 in der industriellen Produktion, seit 2021 als Data Engineer. Projektbasiert, für ausgewählte Vorhaben. Kein Rundum-Outsourcing der IT. Sitz in Bremen — remote für Unternehmen in ganz Deutschland. Womit ich arbeite Keine Werkzeugliste als Versprechen — das sind die Dinge, mit denen ich in der Praxis arbeite. Datenstrecken Databricks PySpark Delta Lake Unity Catalog Shopfloor Siemens S7 MQTT Node-RED Event Hub KI Vector Search RAG LangGraph LLM-Serving Anwendungen FastAPI React Recharts Power BI Betrieb Docker Hetzner CI/CD LEISTUNGEN Was ich für euch übernehme. Kein Toolkit-Vortrag. Klare Bausteine, in der Sprache von Betrieb und IT. Datenpipelines Vom Sensor oder System bis zur Tabelle, die jemand wirklich nutzt — damit Auswertungen und KI nicht an schlechten Daten scheitern. Maschinendaten Von der Steuerung zur nutzbaren Zahl. Siemens, MQTT und der Weg über die Halle — in ruhiger Sprache. Mehr dazu› KI im eigenen Haus Wenn Daten das Gelände nicht verlassen dürfen: Modelle und Strecken in der EU oder on-prem. Mehr dazu› Digitalisierung für KMU IT vorbereiten und umsetzen, auch wenn BAFA im Raum steht. Keine Bescheide, keine Steuerberatung. Mehr dazu› Nicht sicher, wo anfangen? So arbeite ich› DATEN BLEIBEN HIER KI, die in Deutschland laufen darf. Für den Mittelstand ist das oft die Voraussetzung, nicht das Extra: Betriebsdaten gehören nicht automatisch in eine beliebige Cloud. EU-Datenresidenz Daten und Modelle in Rechenzentren in der EU — kein Automatismus Richtung US-Cloud. On-Prem, wenn nötig Wo es die Daten verlangen, läuft die Strecke im eigenen Netz. Nichts muss das Gelände verlassen. DSGVO von Anfang an Wer verarbeitet was, wo liegen die Daten, welche Unterlagen braucht ihr — das gehört zur Lieferung, nicht danach. Heißt konkret: eure Maschinendaten müssen das Haus nicht verlassen — die Unterlagen zur Verarbeitung kommen mit. Mehr zu On-Prem und EU-KI› AUSGEWÄHLTE ARBEIT Aus der Produktion, nicht von der Folie. Anonymisierte Einblicke aus meiner Arbeit als Data Engineer in der Automobilindustrie. Dieselbe Art System setze ich projektbasiert auch im Kleinen auf: eine Anlage, ein Server, ein klarer Daten-Check. Klingt nach eurem Thema? Lasst uns sprechen Anfragen noevıs Übersicht/Anlage 1/Extruder 09:4229.08.2026 Maschinentemperatur Extruder – Zone 3 Frühwarnung PLC Tags Tag Beschreibung Wert Einheit Quelle Aktualisiert DB1.DBD12 Extruder Zone 3 Temperatur 97,8 °C Siemens S7 09:42:15 DB1.DBD16 Extruder Drehzahl 152,4 1/min Siemens S7 09:42:15 DB1.DBX20.3 Extruder Heizung Status TRUE — MQTT 09:42:14 Alle Tags anzeigen › Produzierende Industrie 1 Mio.+ Maschinensignale pro Monat in Echtzeit verarbeitet Monitoring vom Sensor bis zur Auswertung SPS- und Sensordaten über MQTT geführt und zeitnah ausgewertet — mit Frühwarnung, bevor ein Prozess stoppt. Planbare Wartung statt Feuerwehr — Stillstände werden vermeidbar. Siemens S7 MQTT Databricks Instandhaltung Sekunden bis zur Antwort statt langer Handbuch-Suche Assistent für Maschinen und Handbücher Fragen zu Störungen aus Handbüchern und Live-Maschinendaten beantworten — im eigenen Netz, nicht in einer beliebigen Cloud. Die Schicht findet Störungen selbst, ohne auf den Experten zu warten. RAG Vector Search on-prem LLM Datenplattform 10× schnelleres Onboarding einer neuen Anlage (Wochen → Stunden) Eine Architektur, viele Anlagen Die Monitoring-Strecke als wiederverwendbare Blaupause — eine neue Maschine ist schneller angebunden als ein Neuaufbau. Jede neue Anlage ist schneller und günstiger angebunden. Databricks PySpark FastAPI Auswertungen im Fachbereich 0 SQL Auswertungen in Klartext, im gewohnten Tool Produktionsdaten in normaler Sprache abfragen Fachbereiche fragen Kennzahlen im gewohnten Tool in Klartext ab — ohne Warteschlange beim Auswertungs-Team. Antworten ohne Warteschleife beim BI-Team. Power BI Databricks LLM-Serving Von der Architektur bis zur Umsetzung, mit den Teams vor Ort — aus Vertraulichkeitsgründen anonymisiert. Keine Kundennamen, keine internen Systemnamen. SO ARBEITE ICH In vier klaren Schritten. 01 Erstgespräch Unverbindlich: Wir klären Ziel, Datenlage und ob sich der Aufwand lohnt. 02 Analyse & Angebot Ich sehe mir den Stand an und schlage einen konkreten, begrenzten Plan vor. 03 Umsetzung in Etappen Kurze Schritte, sichtbarer Stand — kein Blackbox-Projekt über Monate. 04 Übergabe & Doku Dokumentation, damit euer Team weiterarbeiten kann. Betrieb danach nur, wenn wir das vereinbaren. Typischer Einstieg: ein klar abgegrenzter Daten-Check oder Pilot, oft in wenigen Wochen — danach entscheidet ihr, wie es weitergeht. Erstgespräch anfragen› KONTAKT Worum geht es? Ein paar Sätze reichen. Ich melde mich innerhalb von 24 Stunden. Unverbindlich · Antwort in 24 h · Start mit einem klar abgegrenzten Check. Nur Name, E-Mail und kurze Nachricht nötig. Name E-Mail Unternehmen (optional) Worum geht es? Leave this field empty Anfrage senden Vertraulich behandelt, kein Newsletter. Datenschutz contact@noevis.de·+49 162 1010433·LinkedIn noevıs·Eugen Schmidt·Bremen © 2026 Themen BAFA & DigitalisierungMaschinendatenKI on-prem ImpressumDatenschutzStatistik-Einwilligung ändern