Clever lernen und automatisieren
Künstliche Intelligenz (KI) – oder Artificial Intelligence (AI) – unterstützt unsere Kunden in verschiedenen Anwendungsbereichen. Das Hauptmerkmal der programmierten Intelligenz ist, dass diese selbstständig lernt und die ihr zugedachten Aufgaben deshalb immer besser erfüllen kann.
Intelligentes Verhalten
KI macht Arbeiten einfacher. Sie simuliert intelligentes Verhalten und automatisiert dadurch Prozesse. Indem eine Software programmiert wird, die die Entscheidungsstrukturen des Menschen nachbildet, kann sie Aufgaben weitgehend eigenständig bearbeiten.
Digitale Transformation nutzen
Die KI ist eine der wegweisenden Antriebskräfte der Digitalen Transformation. Für Unternehmen eröffnet sie neue Möglichkeiten und damit Geschäftspotenziale.
Unser KI-Team
Unser Wissen bündeln wir in unserem KI-Team, das wir um Know-how aus der team neusta-Unternehmensgruppe ergänzen. So sind wir immer auf dem neuesten Stand der Technologie.
Unsere Leistungen
Datenanalysen helfen, neues Wissen aus altem zu generieren. Wir bereinigen und visualisieren Daten. Auf dieser Basis können wir Analysen mit Hilfe von Machine Learning-Modellen automatisieren. Mit solchen Visualisierungen lassen sich Zusammenhänge innerhalb von Datensätzen aufdecken und Optimierungspotenziale finden. Unternehmen erhalten neue Informationen aus ihrem eigenen Datenschatz und Ansatzpunkte für wertschöpfende Lösungen.
Ein Beispiel: Ein Speditionsunternehmen visualisiert Sendungsdaten mit Hilfe einer automatisierten Analyse und sieht so, wo seine höchsten Transportvolumen verlaufen, wo seine größten Abnehmer sind und welche Zielorte selten angefahren werden. Ein anderes Beispiel: Ein Unternehmen erzeugt automatisiert eine graphische Darstellung seiner Mitarbeiterstruktur. Diese zeigt auf einen Blick, wie Teams zusammengesetzt sind und welches Wissen wo vorhanden ist.
Mit Hilfe von bildverarbeitenden Verfahren werden Gegenstände klassifiziert. Hierfür können wir unter anderem künstliche neuronale Netze entwickeln, die sich auch auf Mobilgeräten nutzen lassen.
Ein Beispiel: Mitarbeitende eines Stahlwerks würden Bandstahlrollen fotografieren. Die KI könnte dann erkennen, ob Produktionsmängel vorliegen und aus welcher Perspektive noch eine weitere Aufnahme für den Qualitätscheck fehlt.
Bildverarbeitende Verfahren helfen auch bei der Klassifizierung von Texten. Sie können dazu genutzt werden, relevante Textkörper von weniger wichtigen Dokumentteilen (Briefköpfe, Stempel oder Kopfzeilen) zu unterscheiden.
Wir erkennen Sprache und verarbeiten sie maschinell. Mit Natural Language Processing (NLP), auch Computerlinguistik genannt, generieren wir die Strukturen für die automatisierte Verarbeitung von Sprache.
Ein Beispiel: Mit NLP können große Mengen an E-Mails oder PDF-Dokumenten klassifiziert werden. Die KI ist in der Lage, Inhalte zu identifizieren und ihnen bestimmte Kategorien zuzuweisen. Basierend auf der erkannten Kategorie können im nächsten Schritt die passenden Textbausteine zugewiesen werden.
Für Predictive Maintenance, die vorausschauende KI-gestützte Wartung von Anlagen, analysieren wir große Mengen an Sensordaten und weiteren prozessbezogenen Daten. Das Ziel ist es, frühzeitig Fehler im Produktionsablauf zu erkennen und neue, bisher verborgene Einblicke in Prozesse zu gewinnen. Hierfür werden kleinteilige Sensormessdaten mit Daten aus einer Vielzahl von Quellen zusammengeführt. So können Muster identifiziert werden wie sie üblicherweise vor Fehlern auftreten. So entsteht oftmals eine neue Perspektive auf langfristige und bekannte Prozesse.
Chatbots geben Unternehmen eine Stimme. Sie sind für Kunden leicht zugänglich und erhöhen die Interaktion. Einfache Prozesse, zum Beispiel sich wiederholende Fragen, können automatisiert und die Mitarbeitenden auf diese Weise entlastet werden. Chatbots sind auch für interne Aufgaben geeignet. Sie können beispielsweise den IT-Support entlasten, indem sie Tickets annehmen oder Standardprozesse erklären.
Basierend auf der jeweiligen Problemstellung unserer Kunden und der individuellen Datenlage setzen wir ein breites Spektrum an Methoden ein - allesamt auf dem aktuellsten "state of the art". Unter anderem nutzen wir:
- Hauptkomponentenanalyse und Dynamic Time Wrapping (für Predictive Maintenance: Erhöhung des Informationsgehaltes und Vergleichbarkeit von Zeitreihen bei gleichzeitiger Reduzierung der benötigten Rechenleistung)
- Clustering zur Mustererkennung in unstrukturierten Daten
- diverse Klassifizierungs- und Regressionsverfahren (beispielsweise für Imputation: Vervollständigung inkompletter Daten)
- verschiedene Sprachverarbeitungsverfahren zur inhaltsbasieren Trennung von Fließtexten (zum Beispiel Segmentierung).
