Machine Learning
Omniflora GmbH, Neu-Isenburg.
Aus Daten Werte schöpfen
Im Omniflora-Shop für Fleurop-Partner kaufen Floristen regelmäßig ihren Bedarf an Blumen ein. Das auf dem Machine Learning Framework TensorFlow entwickelte Kundenmonitoring trainiert anhand des vergangenen Bestellverhaltens Modelle der Kundenbestellungen und findet so Auffälligkeiten, mit deren Hilfe die Omniflora-Servicemitarbeiter ihre Floristen noch besser betreuen und die Kundenbindung erhöhen können.
TensorFlow
Das von Google initiierte und später an die Open Source Community übergebene Machine Learning Framework TensorFlow stelle eine mächtige Basis für KI-Anwendungen dar, die auch von Google für die Spracherkennung oder für die Google Suche verwendet wird. Mit TensorFlow lassen sich neuronale Netze trainieren, Modelle erzeugen, Daten klassifizieren und Vorhersagen erstellen. Wir verwenden TensorFlow, da es sich um eine leistungsstarkes, etabliertes Framework handelt, das als Open-Source-Projekt von einer weltweiten Community entwickelt und supportet wird.
Aus Daten werden Muster
Anhand von bekannten Daten werden neuronale Netze trainiert, die anhand von Eingaben (Inputs) Ergebnisse (Outputs) approximieren und implizit Muster erkennen. Diese KI-Modelle können anschließend genutzt werden, neue Daten zu klassifizieren oder Prognosen zu erstellen. Das Training ist ein rechenintensiver Prozess, der sowohl auf eigenen Servern als auch in der Cloud ausgeführt werden kann.
Omniflora GmbH, Neu-Isenburg.
Use Cases
Machine Learning Modelle lassen sich auf verschiedene Arten einsetzen, um aus losen Daten Erkenntnisse zu generieren.
Klassifizierung
Mithilfe von KI-Modellen lassen sich Datensätze klassifizieren, d.h. definierten Klassen zuordnen. Dies wird beispielsweise bei der Objekterkennung in Bildern, bei der Texterkennung, aber auch bei der Störungserkennung (z.B. entsprechen die Maschinendaten eher dem Fall "gewöhnlich" oder "auffällig") genutzt.
Prognose
Die Vorhersagen von Outputs auf Basis von Inputs ist eine klassische Aufgabe im Bereich Data Science. Auf Basis des Einkaufsverhaltens eines Stammkunden kann so das übliche Bestellverhalten analysiert und Prognosen über zukünftige Bestellungen erstellt werden. Auf Basis dieser Prognose kann anschließend eine Anomalie-Erkennung stattfinden.
Anomalie-Erkennung
Weichen die tatsächlichen Werte (wiederholt) von den auf Basis eines KI-Modells prognostizierten Werten ab, kann es sich um eine Störung oder Anomalie handeln, die es näher zu untersuchen gilt. Auf diese Weise kann ein Großteil der "unauffälligen" Daten aussortiert werden und der Mensch kann sich auf die Ausnahmen und Abweichungen konzentrieren.
Welcher Schatz steckt in Ihren Daten?
KI-Tools einzusetzen wird in Zukunft so selbstverständlich sein, wie heute Excel. Identifizieren Sie gemeinsam mit uns Potenziale, heute ungenutzte Datenschätze zu bergen und so eine neue Dimension von Wertschöpfung und Automatisierung von Routineaufgaben zu erschließen.
Gerne unterstützen wir Sie bei der Aufbereitung der Daten, Auswahl des passenden neuronalen Netzes für Ihren Use Case und der Implementierung einer robusten KI-Anwendung.
