Machine Perception & Artificial Intelligence

Innerhalb der Themen, die unter dem weiten begrifflichen Dach der Digitalen Transformation zusammengefasst werden, nimmt „Artificial Intelligence“ eine Sonderrolle ein.

Einerseits existiert diese Disziplin bereits seit über 60 Jahren, andererseits hat sie in den letzten Jahren einen enormen Schub durch neue Technologien wie Big Data und Cloud Computing erfahren. Im laufenden Jahr ist sie geradezu explodiert. Für uns als IT-Dienstleister mit einem integrierten Portfolio für die Digitale Transformation ist AI ein besonders spannendes Feld, weil es viele Überschneidungen zu unseren anderen Themenfeldern hat.

Artificial Intelligence: Intelligentes Handeln

Artificial Intelligence umschreibt als große Klammer alle digitalen Systeme, die sich wie ein Mensch verhalten sollen. Dabei bezieht sich menschliches Verhalten immer auf eine bestimmte, isolierte Aufgabenstellung und nicht auf die Nachempfindung des gesamten menschlichen Verhaltens. Wenn ein System Ausschnitte der Realität wahrnehmen, Optionen bewerten, Entscheidungen treffen und sinnhafte Aktionen auslösen können soll wie ein Mensch, handelt es sich um ein AI-System.

Acting Intelligently
Acting Intelligently

Data Science, Machine Learning und Deep Learning

Machine Perception ist die Fähigkeit eines Computersystems, Daten so zu interpretieren wie Menschen es mit all ihren Sinnen tun. Dazu müssen in aller Regel vorhandene Daten zunächst überhaupt AI-fähig gemacht werden, etwa durch Annotierung. AI beginnt also oftmals mit einer Data-Management-Herausforderung, bevor der kreative Part starten kann.

Big Data Platforms, Deep Learning und Machine Learning sind nicht gleichbedeutend mit Artificial Intelligence, sondern vielmehr zentrale Technologien, die Machine Perception und Artificial Intelligence befähigen und skalierbar machen.

Computer Vision: Objekterkennung

Unser AI-Angebot ist eng mit der maschinellen, algorithmischen Verarbeitung von sinnlichen Inputs gekoppelt – also mit der Wahrnehmung, Analyse und Weiterverarbeitung von gesprochener und geschriebener Sprache sowie von Bildern und Videos. Beispielhafte Anwendungsfälle sind das Scannen und Interpretieren von Fahrzeugscheinen, Belegen oder Ähnlichem zur Verbesserung der User Experience oder zur Qualitätssicherung durch Computer Vision (Industrie 4.0). Im Bereich des autonomen Fahrens können AI-Lösungen anhand von Videos oder Bildern Objekte klassifizieren. Es gibt auch erste Ansätze, wie man mit CNNs prognostizieren kann, ob ein Fußgänger über die Straße gehen möchte, oder nicht.

NLP: Erfolgreiche Kommunikation in Text und Sprache

Eine typische Fragestellung zur inhaltlichen Erschließung von Texten lautet zum Beispiel: Wie können inhaltliche Komponenten aus unstrukturierten Daten wie beispielsweise Verträgen herausgefiltert werden, ohne dass der Mensch den Text lesen muss? Wie kann eine AI-Lösung einen Wissensgraph aus unstrukturierten Daten erstellen? Im Search-Umfeld fragen wir uns etwa: Wie kann eine AI-Lösung Wissen finden und repräsentieren, statt den Menschen nur danach suchen zu lassen? Oder, etwas technischer: Wie kann eine AI-Anwendung natürliche Sprache und/oder visuelle Inputs in Elasticsearch Queries übersetzen? Und aus Anwendersicht: Wie kann ein Chatbot im Customer Service unterstützen, um eine erfolgreiche Kommunikation in Text und Sprache sicherzustellen?

Robotics: Manipulation und Bewegung

Weitere typische Anwendungsfälle von Machine Perception & Artificial Intelligence sind Auswertungen von Social-Media Texten, Sentiment Analysen und AI-basierte Datenprodukte wie Recommender Systeme, Voice Assistants und Voice APIs bis hin zu Umsetzungen durch Roboterarme und Roboter. Menschenähnliche Robotics-Lösungen wie Pepper oder Nao sind in der Lage mit Menschen zu interagieren und beispielsweise im Handel einsetzbar.

Reinforcement Learning: Lernen durch Exploration

Eine Methode, die sich in diesem Bereich in den letzten Jahren Aufmerksamkeit verschafft  hat, beispielsweise in Form von Googles AlphaGo, ist Reinforcement Learning. Dabei lernt der Algorithmus durch positives oder negatives Feedback. Praktisch kann Reinforcement Learning überall dort angewandt werden, wo eine Simulationsumgebung für den Use-case bereitgestellt werden kann. Ebenso findet Reinforcement Learning Anwendung im Bereich Natural Language Processing, wenn klassische Optimierungsverfahren nicht anwendbar sind.

Interdisziplinäres Experten-Team

inovex hat ein großes Team von ausgewiesenen Fachexperten für Machine Perception und Artificial Intelligence aufgebaut. Im Bereich Data Management und Analytics, das auch sowie für die befähigenden, angrenzenden Technologien und Methoden umschließt, arbeiten mittlerweile über 100 inovexperts. Durch das breite und tiefe Know-how sind wir in der Lage ist, anspruchsvolle und komplexe Aufgabenstellungen aus diesen Disziplinen in produktive Lösungen umzusetzen.

Einige unserer Referenzen:

mobile.de: Use Cases für Recommendations bei Online-Portalen anhand von Datenprodukten

mobile.de: Use Cases für Recommendations bei Online-Portalen anhand von Datenprodukten

Die mobile.de GmbH ist Deutschlands größter Fahrzeugmarkt und gehört als Teil der eBay Classifieds Group zu einem der größten Online-Unternehmen weltweit. Pro Monat sind 13,5 Millionen Besucher auf der Web-Plattform, die aus über 1,6 Millionen Fahrzeugen wählen können. Jeder Besuch der Plattform erzeugt einen Strom von Daten, der etwas über die Nachfrage nach bestimmten Fahrzeugen, die Qualität der Angebote und die Bedürfnisse des Nutzers verrät. mobile.de möchte diese Daten nutzen, um das Nutzererlebnis – sowohl des Fahrzeugkäufers als auch des Fahrzeuganbieters – kontinuierlich zu verbessern.

Case Study „Datenprodukt für mobile.de“ jetzt lesen
Platform Search und automatisches Content Linking für die H-Hotels Gruppe

Platform Search und automatisches Content Linking für die H-Hotels Gruppe

Einfache und schnelle Zimmerbuchungen über die H-Hotel-Website zählen zu den wichtigen digitalen Assets für das Geschäftsmodell des Unternehmens. Gemeinsam mit inovex haben die H-Hotels sich nun das Ziel gesetzt, mit neuesten Search-Technologien vorhandenen Website-Content automatisch durchsuchbar zu machen, um die Nutzbarkeit der Plattform für die Kunden noch weiter zu verbessern. 

Case Study „Platform Search & Content Linking“ jetzt lesen
beyerdynamic: Kopfhörer-Herstellung 4.0

beyerdynamic: Kopfhörer-Herstellung 4.0

beyerdynamic steht seit 1924 für hochwertige Kopfhörer, Mikrofone und Konferenzsysteme. Die Produkte des Unternehmens mit Hauptsitz in Heilbronn liefern Audiotechnik in herausragender Klangqualität. Als führende Audio-Marke integriert beyerdynamic immer wieder technologische Innovationen sowohl in die audiotechnischen Produkte selbst als auch in die Produktionsabläufe. Bei einem solchen Innovationsprojekt im Bereich der Produktion hat beyerdynamic die Kompetenzen von inovex genutzt.

Case Study „Kopfhörer-Herstellung 4.0“ jetzt lesen

Sie haben Fragen oder möchten zu diesem Thema beraten werden?

Dann rufen Sie uns an unter +49 (0)721 619 021-0 oder schreiben Sie uns eine E-Mail. Wir freuen uns auf Ihre Nachricht!

Weitere Themen:

Patrick Thoma

Ich freue mich auf Ihre Nachricht!

Patrick Thoma

Head of Data Management & Analytics

inovex Blog

Sebastian Blank | 28.01.2019

SeqPolicyNet: Querying Elasticsearch by Asking Questions about Movies

tl;dr (spoiler alert): We’ve trained an advanced neural network to query Elasticsearch based on natural language questions. Our model, called SeqPolicyNet, incorporates feedback from the retrieved database response by leveraging policy-based reinforcement learning. Hence, we overcome the non-differentiability of database operations and maintain the end-to-end trainability of our model. In our experiments SeqPolicyNet outperforms Memory Networks on Facebook’s bAbI Movie Dialog dataset and generalizes on unknown question patterns. [...]

Blog-Artikel lesen

inovex Blog

Sebastian Blank | 07.01.2019

Deep Learning Fundamentals

There has always been a gap between the capabilities of men and machine. While computers were able to perform complex multiplications or store large amounts of data, humans beat them on rather intuitive tasks like natural language or perception. [...]

Blog-Artikel lesen

inovex Blog

Yavuz Arslan | 13.12.2018

MLaaS: Maschinelles Lernen in der Cloud

Cloud Computing gewinnt durch sein flexibles Bereitstellungsmodell immer größere Bedeutung. Von Software (SaaS),Plattformen (PaaS) bis hin zur IT-Infrastruktur (IaaS) wird ein weites Spektrum an Diensten angeboten, die Unternehmen in der immer schneller werdenden Digitaler Transformation unterstützen sollen. Eine neue Sparte bildet Machine learning as a service (MLaaS), welches Unternehmen eine einfache Möglichkeit bietet Daten zu verarbeiten, Modelle zu trainieren und Prognosen zu erstellen. In diesem Artikel werden die Angebote von vier der größten Cloud Anbieter vorgestellt: Google Cloud Platform (GCP), Amazon Web Services (AWS), Microsoft Azure und IBM Cloud/Watson. [...]

Blog-Artikel lesen

inovex Blog

F. Wilhelm I 17.01.2018

Data Science in Production: Packaging, Versioning and Continuous Integration

Blog-Artikel lesen

inovex Publikationen

IAAI 2019

Querying NoSQL with Deep Learning to Answer Natural Language Questions

Der Vortrag, der auf der IAAI – Conference on Innovative Applications of Artificial Intelligence gehalten wurde, basiert auf den Erkenntnissen aus der Masterarbeit von Sebastian Blank und befasst sich mit dem Einsatz von Deep Learning zur Beantwortung von Fragen in natürlicher Sprache unter Einbeziehung von externem Wissen.

Zum Paper

inovex Case Study

Entwicklung einer Big-Data- und Data-Science-Lösung für ProSiebenSat.1

Welchen messbaren Einfluss hat TV-Werbung auf das Online-Verhalten? inovex und ProSiebenSat.1 beantworten diese Frage objektiv mit Big-Data-Technologien und gaben mit einem Vortrag beim BITKOM Big Data Summit 2015 spannende Einblicke in das Projekt.

Mehr lesen

inovex Blog

M. Kurovski I 29.10.2018

From Exploration to Production—Bridging the Deployment Gap for Deep Learning

Blog-Artikel lesen

Smart Devices & Robotics

Roboter „Pepper“

Pepper ist ein menschenähnlicher Roboter, der für verschiedene soziale Zwecke genutzt werden kann, etwa in der Unterhaltung und Begleitung von Menschen oder im Service-Bereich. Der inovex-eigene Pepper dient der Forschung und Entwicklung und wird immer wieder für verschiedene Einsätze individuell von inovex programmiert.

Mehr über Pepper