Data Science Solutions2019-02-12T14:27:11+00:00

Unterschiedliche Branchen – gleiche Herausforderungen.

Wie kann Ihnen Data Science in der Praxis helfen?

Auch wenn sich die fachlichen Anforderungen je nach Branche unterscheiden, sind die technologischen Herausforderungen vergleichbar. Hier zeigen wir Ihnen typische Anwendungsgebiete, bei denen Machine Learning zum Einsatz kommt.

Unter „Predictive Process Optimization“ verstehen wir das Analysieren und Verbessern von Geschäftsprozessen mit Hilfe von Data Mining und prädiktiven Methoden des Machine Learning. Dies umfasst nicht nur technische Industrieprozesse, sondern auch nicht-technische Themen wie Einkauf, Marketing oder Verwaltung.

Ziel sind lernende Systeme, die es erlauben, aus historischen und aktuellen Daten zukünftige Handlungsempfehlungen zu generieren. Diese helfen Fachexperten, die Qualität, Effizienz oder Ressourcennutzung ihrer Prozesse zu optimieren.

Für die Modellbildung können verschiedene Datenquellen integriert werden:

  • Interne Betriebsdaten
  • Externe Datenquellen
  • Messungen (z.B. Sensoren an Maschinen, RFID-Tags)
  • Erfahrungswerte der Fachexperten

Unter dem Begriff “Predictive Maintenance” versteht man die Gesamtheit von Techniken zur Planung von intelligenter Wartung. Ein solcher flexibler Wartungsplan führt zu Kosteneinsparungen, da Maschinen und deren Teile nur bei Bedarf gewartet werden und Stillstandzeiten minimiert werden können.

Mithilfe von Daten und Messungen zum Maschinenstatus und verschiedenen Algorithmen des maschinellen Lernens werden rechtzeitig Vorhersagen zum sinnvollsten Zeitpunkt einer Wartungsmaßnahme getroffen und als Handlungsempfehlungen für Techniker und Experten bereitgestellt.

Verschiedenen Schätzungen zufolge lagern bis zu 70% des Wissens in Unternehmen in Form von unstrukturiertem Text – Berichte, Profile, Dokumentationen, Protokolle, Kundenkontakte und weitere Dokumente.  Relevante Inhalte sind schwer zu finden und auszuwerten.

Techniken des Text Mining und Machine Learning ermöglichen es, dieses Wissen wieder auffindbar und zugänglich zu machen.

Bei der Durchführung von Data Science Projekten verwenden wir aktuelle und freie Technologien. Dabei setzen wir auf state-of-the-art Sprachen, Frameworks und Bibliotheken von der Datenanbindung und -aufbereitung bis zur Präsentation und dem Deployment der erstellten Modelle und Lösungen.