DATA SCIENCE
„Big Data ist die Grundlage für die digitale Transformation von Unternehmen. Wer bisher noch keinen Data Lake nutzt, sollte jetzt zumindest die Möglichkeiten prüfen. Das System ist heute einfach ein wichtiger Produktionsfaktor. Es dient als enormer und kostengünstiger Datenspeicher und ist zugleich eine schnelle und flexible Daten-Management-Plattform.
Unternehmen, die in Echtzeit auf unterschiedliche Daten zugreifen und vernünftig verarbeiten wollen, um hochspezialisierte und komplexe Fragestellungen schnell beantworten zu lassen, finden im Data Lake die optimale Architektur und bei Unbelievable Machine die kompetenten Ansprechpartner.“
Dr. Olivia Lewis
Teamlead in Applications
Artificial Intelligence
Nur wenige Unternehmen verfügen über ein ausreichend großes Team von Data Science-Experten, um die Möglichkeiten und Einsatzszenarien rund um Artificial Intelligence ausschöpfen zu können. Ein probater Weg lautet deshalb: partner up. *um-Experten bringen neben Expertise in AI und Machine Learning auch das Branchen-Know-how mit,
um Potentiale zu identifizieren und Projekte erfolgreich abzuschließen. Neuronale Netze und Deep Learning erfordern nicht nur extrem große Data Sets – es muss auch sichergestellt sein, dass die Ergebnisse aus der Black Box der KI-Algorithmen stimmen. Dafür gelten andere Gesetze als bei der traditionellen Software-Entwicklung.
Machine Learning in deutschen Unternehmen
Machine Learning
Das maschinelle Lernen ist ein Bestandteil der Künstlichen Intelligenz. Es versetzt IT-Systeme in die Lage, auf Basis automatisiert erstellter Modelle, Muster und Gesetzmäßigkeiten in vorliegenden Datenbeständen zu erkennen und daraus eigenständig Lösungen für Probleme abzuleiten. Die so gewonnenen Erkenntnisse lassen sich verallgemeinern und nach kurzer Lernphase für neue Instanzen oder die Analyse bisher unbekannter Daten verwenden. Damit die Maschine eigenständig lernen und Lösungen finden kann,
wird sie zuvor von *um Experten trainiert. Sie erstellen die Architektur und die Algorithmen, sichern die Qualität der Daten und den Zugang zu entsprechenden Datenquellen und stellen Regeln für die Datenanalyse und die Mustererkennung auf. Ist dies geschehen, kann die lernende Maschine zum Beispiel Vorhersagen auf Basis der analysierten Daten treffen, Wahrscheinlichkeiten für bestimmte Ereignisse berechnen, Prozesse auf Basis erkannter Muster optimieren – und sich eigenständig an Entwicklungen anpassen.
Bots, Assistenzsysteme und Empfehlungen
KI-basierte Anwendungen ermöglichen es zudem, Datensätze in einer Größenordnung auszuwerten, deren Informationen kein Mensch jemals erfassen und verstehen könnte. Sie sind in der Lage, komplexe Muster im Kundenverhalten zu erkennen und daraus Empfehlungen abzuleiten, Stichwort Recommendation Engines für Cross-Selling. Auf Basis von Natural Language Processing entstehen natürlichsprachliche Assistenzsysteme (Bots), die an Stelle von Bedienungsanleitungen treten oder Sprachbefehle umsetzen. Rund um Bild- und Spracherkennung gibt es bereits Open-Source-Bibliotheken – beispielsweise von Google Tensorflow oder Microsoft Azure – die viele Funktionen abdecken. Sie an die individuellen Anforderungen anzupassen, erfordert allerdings tiefe Datenexpertise.
Bildverarbeitung für Prozessautomatisierung
Immer mehr Aufgaben, die klassischerweise bisher nur der Mensch erfüllen konnte, lassen sich mit Algorithmen der Bilderkennung und -verarbeitung automatisieren. In der höchsten Stufe ist das zum Beispiel beim vollautonomen Fahren der Fall, wenn das Auto seine Umgebung durch Sensorik, Lidar, Radar und Bilderkennung ebenso gut wahrnehmen kann wie bisher nur der Fahrer. Aber schon jetzt automatisiert das maschinelle Lernen auf Bilddaten Prozesse: So können Maschinen ohne Hilfe Gegenstände sortieren oder Algorithmen zum Beispiel Fehler in der Autolackierung erkennen, die vorher nur für das menschlichen Auge im Qualitätscheck sichtbar waren.
Predictive Maintenance
Big Data Analytics helfen dabei, Prozesse zu optimieren. Die vorausschauende Wartung hat sich als einer der ersten Use Cases in der Industrie durchgesetzt: Durch die Verbindung von Sensor- und Prozessdaten lassen sich starre Wartungszyklen flexibilisieren. So wird nicht zu früh gewartet, aber früh genug, bevor ein kritisches Teil ausfällt und die Produktion lahmlegt. Mehr Wärmeentwicklung als üblich, eine Geräuschveränderung, Rauchentwicklung, Temperaturabfall: Mit der frühzeitigen Entdeckung von Anomalien in Sensornetzen lassen sich kostenintensive Ausfälle frühzeitig erkennen und verhindern. Dennoch ist der Weg von einzelnen Pilotprojekten in die Fläche noch weit. *um-Experten unterstützen Unternehmen dabei, Predictive Maintenance für Prozesse rund um Produktion und Produkt in den Alltag zu holen. Anomaly Detection nützt aber auch in einer Vielzahl von Branchen und Szenarien:
Für die Betrugserkennung in der Finanzindustrie, die Identifizierung von Angriffsmustern im IT-Security-Umfeld oder die Fehlererkennung in unterschiedlichsten Prozessen. Mit einer Vielzahl an Projekten rund um die vorausschauende Wartung und Anomalie-Erkennung greift *um auf fundierte Expertise für verschiedene Industrien zurück, darunter Automotive, Handel und Energieversorgung: Wir sorgen für eine gut konzipierte Umsetzung, die schnellen Nutzen bringt.
Predictive Analytics
Expertise
Marktvorreiter in enterprise-ready Machine Learning, Realtime und Operational Intelligence in Deutschland
Crossfunctionale Teams
Data Scientists arbeiten in crossfunktionalen DevOps-Teams mit Experten aus Engineering und Operations
Network
Enge Verknüpfung mit der internationalen Data-Science-Community und den F&E-Aktivitäten unserer Partner
This post is also available in: Englisch