编辑：Silke Jakobi和Jean-Christophe Pazzaglia领域专家：Philip Miseldin和Smitha Rayala头脑风暴：赫拉克社区

"一个小时内你永远做不到"Malcolm Woodfield

所有行业的最新趋势都在讨论如何应对（大）数据爆炸，如何连接人员和设备，如何跨地理区域、系统和组织组织流程，以及如何使用机器学习和/或人工智能功能优化流程。这些趋势的答案是物联网（IoT）、人工智能（AI）和机器学习（ML）的解决方案组合。

这是一个对高等教育和研究同样有效的趋势，但大学和研究机构是否有自己的用例？

本次高等教育与研究咨询委员会（HERAC）2017年互动式头脑风暴会议旨在了解物联网、ML和AI的用例，尤其是在高等教育与研究机构。为了了解他们的需求和想法，以及如何通过物联网、ML和AI支持日常业务，我们提出了以下问题：

物联网技术可能会解决哪些业务挑战？想想2022年的机构：利用物联网能力将部署哪些用例？AI/ML技术可以解决哪些业务挑战？想想2022年的机构：哪些用例将利用AI/ML功能进行部署？

我们正在寻找支持大学如何运营的用例。当然，大数据技术，这些机构中有一些在其研究部门使用物联网、人工智能、多媒体教学用例，或者执行与物联网、人工智能和多媒体教学相关的研究项目；但是，到目前为止，只有少数情况下，这些技术确实支持教育和研究管理以及整个大学。

培养创造力为了让每个人都有机会做出贡献，我们对Carousel头脑风暴流程进行了改进。包含要解决的问题的图表纸被张贴在四个不同的房间里。

小组在一个站集思广益10分钟，然后轮换到下一个位置，在那里他们添加额外的评论。随着新思想和新想法的出现，名单也越来越多。当传送带"停止"时，教练拍了一张照片，调查结果的总结将在网络研讨会和本报告中呈现。

图1：四站

传送带头脑风暴提供了一个机会，利用小组的集体先验知识来进一步了解个人。这是一种主动的、以用户为中心的方法，用于生成和共享大量数据。

图2：摩纳哥站想法和集群的演变

为了有效地实施该方法，预先确定了4个组，并用彩色贴纸标识了组成员身份（如蓝色、绿色、红色和白色）。不同的群体有不同的性别和大陆，来自同一组织的人属于不同的群体。一个向导在引导不同的人群从一个车站到另一个车站。每个电台都配备了白板、贴子和电台的主题。在第一次迭代之后，教练解释了在前一次迭代中确定的不同集群和开发的思想。然后进行3分钟的静默头脑风暴，什么是大数据分析，收集补充最初想法的新想法。

如前所述，物联网架构，四个站点的主题是：

物联网技术可能会解决哪些业务挑战？想想2022年的机构：哪些用例将使用物联网进行部署？AI/ML技术可以解决哪些业务挑战？想想你在2022年的机构：哪些用例将被部署到AI/ML功能中？

这些主题与前面的两个演示相关：

为AI&ML的未来而设计–Philip Miseldine，SAP Global Design，Frontrunner ApplicationsSAP Leonardo–物联网平台Smitha Rayala，SAP Leonardo的产品经理

图3:D-Shop站产生的挑战的最终图片

头脑风暴中出现了六个主要集群：

在这些集群中，我们的参与者确实看到了物联网在互联学生和员工中解决的挑战–及时讲座管理、考勤跟踪或疏散策略自动化、互联基础设施和资产、互联车队和交通、智能城市-智能校园和研究（实验室）设施。E、 g.需要自动跟踪学生出勤情况，防止欺骗。或者需要动态和可持续地利用所有房间和资源。有必要对资产和库存进行预测性和前瞻性的跟踪。也，研究人员需要能够监控实验室设备和货物的过期和爆炸，和/或发现未充分利用的设备，并将其提供给其他人。

图4：尼斯站产生的想法的最终图片

展望2022年，参与者确实看到了许多可利用物联网部署的用例解决。他们定义了诸如

互联基础设施的用例：大学和研究机构应该知道所有房间的使用情况，以便动态和实时地规划时间表。教官和研究人员应该能够预定一个房间特别，并有这种洞察每一个时间和地方。连接的房间和基础设施也应支持行政部门制定安全和疏散计划。节能和利用：大学工作人员希望分析房间利用率，以优化能源使用和节约成本。特别是设施管理部门希望根据使用情况组织房间的能源分配，以确保资源的可持续利用。关于连接的基础设施，参与者提出了进一步的用例，trustdata大数据，如垃圾和废物控制、建筑物访问控制等。对于关联资产，列出了一些用例，如库存和资产跟踪，以及预测性和主动性维护，以避免因维护失误而产生额外成本。关于连接车队和物流用例很简单，没有今天不能提供的东西。用例涵盖了与校园交通相关的需求，包括E2E移动整合公共交通、智能停车管理等。研究实验室设施：研究小组应该能够管理库存，设备和货物。他们需要随时随地了解这些设备和房间是如何使用的。研究者需要一种方法来规划研究性实验，特别是设备和物品的利用。这项研究本身应该始终顺利进行，而不是因为缺乏资源而受到阻碍。

图5：第3站产生的挑战的最终图片

继续讨论下一个与AI和ML有关的问题。头脑风暴中出现了七个主要的集群：