In het laatste decennium is het aantal toestellen met netwerkmogelijkheden exponentieel toegenomen. Vaak gaat dit om kleine toestellen die informatie verzamelen uit de omgeving. In het algemeen wordt dit het Internet der Dingen genoemd. Het Internet der Dingen omvat sensoren, zoals temperatuur, druk, gyroscopen, kompas, schakelaars enz. maar ook actuatoren, die kunnen worden gemanipuleerd vanuit software, zoals robots, transportbanden, verwarmers, enz. Deze laatste groep wordt vaak in de Industry 4.0 gebruikt om productielijnen te optimaliseren en de efficiëntie op de werkvloer te verbeteren. Nieuwe methoden worden onderzocht om automatisch en met de minste inspanning van deze gegevens te kunnen leren om beslissingen te nemen in de omgeving. Dit doctoraatsproefschrift presenteert een collectie van algoritmen en software platformen bruikbaar in verschillende aspecten van de Industry 4.0: cloud en edge computing, artificiële intelligentie, robotica, enz. Er wordt gefocust op een aantal ontwikkelde middleware-platformen: het plannen en uitvoeren van taken op cloudgebaseerde omgevingen; het construeren, plaatsen en trainen van artificiële neurale netwerken; en het verbinden van sensoren, actuatoren en robots. Deze platformen worden in dit proefschrift getoetst aan de hand van enkele uitgewerkte voorbeelden waaronder document en big data cloud workloads, een big-little neuraal netwerk en realtime grijpen met een robotarm.