Kompakt und effizient: So machen wir Machine Learning mit Kunden

Machine Learning (kurz: ML) vereinfacht Prozesse. Das ist längst keine Wunschvorstellung mehr, sondern Realität, wenn es bei sovanta um das Lösen von Business-Problemen geht. Mit unserer Technologie beschleunigen wir Abläufe, machen sie effizienter, zeit- und kostensparender, aber auch angenehmer und einfacher in der Durchführung. Das ist eine Tatsache und auch der Hauptgrund, warum unsere Kunden zu uns kommen.

Bis zu einer fertigen Lösung, die wir individuell auf unsere Auftraggeber zuschneiden, ist es ein mehrstufiger, wenn auch kompakter Prozess. Genau dieser organisatorische Ablauf ist für viele Interessenten jedoch ein Rätsel, da zwar der Wunsch nach einer Machine-Learning-Lösung da ist, jedoch Unklarheit darüber herrscht, was zur Umsetzung alles nötig ist. Wir verschaffen dazu heute einen Überblick.

Aufmerksamkeit schaffen

Es macht im Gesamtablauf nur einen geringen Anteil aus, ist aber grundlegend für das Herangehen an ein ML-Projekt: Bei den Beteiligten ein Bewusstsein für das Thema schaffen. Dabei werden folgende Punkte geklärt:

  • Was tut Machine Learning eigentlich? Es erkennt Muster in bereits vorhandenen Daten und lernt daraus. Mit den Erkenntnissen lassen sich Prozesse Maschinen-seitig unterstützen oder gar Vorhersagen treffen.
  • Was kann man mit Machine Learning lösen? Nicht alle Probleme eignen sich für eine ML-Lösung – es ist essenziell, dass dies vorab geklärt wird, um nicht während des Umsetzungsprojekts in Sackgassen zu laufen.
  • Was ist nötig? Zunächst ist ein Datenfundus nötig, der groß genug sein und von unseren Data Scientists verwertet werden kann. Dazu eignen sich Datenbanken, Excel-Mappen und vieles mehr. Zur Umsetzung ist eine entsprechende IT-Infrastruktur notwendig und um auf sich eventuell ändernde Umstände zu reagieren, kann ein Anpassen des Machine-Learning-Modells erforderlich werden.

Wer mit einem ML-Projekt an uns herantritt, muss sich mit diesen Themen nicht allein gelassen fühlen. Wir haben die Experten im Haus, die nicht nur das Machine Learning an sich begreifbar machen, sondern den Unternehmen auch bei der Etablierung einer geeigneten Data-Science- bzw. Data-Engineering-Struktur helfen: mit Workshops, IT-Trainings oder Fachvorträgen.

Probleme und Potenzial aufdecken

Vielen Unternehmen ist nicht bewusst, wo sie Machine Learning sinnvoll einsetzen können. Ihnen helfen wir gern weiter, denn das Potenzial ist enorm. Andere Organisationen stoßen auf Probleme, die sie mit technologischer Hilfe lösen wollen – auch hier stehen wir bereit.

Doch häufig sind die vermeintlichen Probleme lediglich Auswirkungen und Symptome. Die Ursachen liegen dann oftmals woanders – wir decken sie auf. Ein effizientes und bei unseren Kunden sehr beliebtes Werkzeug sind unsere Design-Thinking-Workshops.

  • In ihnen gehen wir Störungen und Prozessen auf den Grund
  • Wir ermitteln Fehlerquellen und Verbesserungspotenzial
  • Wir finden heraus, aus welchen vorhandenen Daten wir lernen können
  • Wir zeichnen den idealen Workflow auf, der ohne technische und sonstige Einschränkungen lebt
  • Wir geben Einblicke in die grundsätzlichen Möglichkeiten und schaffen Inspiration durch Best-Practice-Beispiele

Vom POC zur Integration

Der folgende Abschnitt des ML-Projekts ist sicherlich einer der produktivsten, denn hier geht es an die Umsetzung. Allem voran geht ein sogenanntes Proof of Concept (POC). Dabei wird ein Machine-Learning-Modell erstellt, das die herausgearbeiteten Probleme behebt oder die gewünschten Prozesse beschleunigt. Das Besondere: Das POC wird direkt mithilfe der Kundendaten erstellt. Unser Auftraggeber erhält also einen direkten Beweis der Wirksamkeit und Effizienz unserer Lösung anhand seiner eigenen Daten. Anschaulicher und überzeugender geht es nicht.

Sind alle Kundenwünsche umgesetzt, folgt das Integrationsprojekt. Gemeinsam mit unserem Auftraggeber binden wir das Modell in seine Prozesse und Infrastruktur ein und schließen es an die vorhandenen Datenquellen an. Außerdem kümmern wir uns darum, dass die Ergebnisse verwertet werden können – entweder mit ihrer Erfassung in einer Datenbank, als App oder Dashboard aber auch als Rohdaten, die etwa von einem Webshop direkt weiterverarbeitet werden können. Die Möglichkeiten sind zahlreich.

Instandhaltung

Wir übergeben unseren Kunden die Kontrolle, doch wir stehen auch zur Pflege der Lösung bereit. Diese ist oftmals erforderlich, denn wenn sich Business-Abläufe ändern, muss das Machine-Learning-Modell unter Umständen angepasst werden. Oder es laufen Feature-Wünsche auf; da unsere Lösungen sehr flexibel sind, lassen sich meist im Nachgang weitere Funktionen ergänzen.

Realisierbarkeit

Wir bei sovanta nutzen Machine Learning zur Umsetzung der Business-Lösungen von morgen. Darin haben wir bereits jahrelange Erfahrung, von der vor allem unsere Kunden profitieren: wir können sie von den ersten Schritten bis hin zur produktiven Anwendung begleiten und diese Projekte in überschaubarem Zeitrahmen umsetzen.

Tommi Kramer: Data Science
Dr. Tommi Kramer
Head of AI & Data

Ihr Kontakt

Dr. Tommi Kramer ist bei der sovanta AG verantwortlich für den Bereich Data Science. Zusammen mit seinem Team beschäftigt er sich mit innovativen Ansätzen rund um maschinelles Lernen und entwickelt so intelligente Modelle zur Optimierung von Geschäftsprozessen.
Kontakt
Tags
IT verein­fachen Workflows & Prozesse Artificial Intelligence