Suchen

Uniserv-Initiative abgeschlossen Mit Deep Learning Geschäftsdaten optimieren

| Autor / Redakteur: Martin Hensel / Nico Litzel

Der Datenmanagementspezialist Uniserv hatte im Rahmen der Data-Pitch-Initiative gemeinsam mit Start-ups nach KI-basierten Möglichkeiten zur Generierung von Mehrwert aus Geschäftsdaten gesucht. Nun liegen die Ergebnisse vor.

Firmen zum Thema

Uniserv will mit KI-basierten Technologien Mehrwert aus Geschäftsdaten generieren.
Uniserv will mit KI-basierten Technologien Mehrwert aus Geschäftsdaten generieren.
(Bild: Pixabay / pexels.com)

Die beiden Start-ups recogn.ai und frosha.io entwickelten jeweils lernfähige maschinelle Lösungen. Sie können unstrukturierte und semistrukturierte Geschäftsdaten aus unterschiedlichen firmeninternen und externen Quellen zusammenführen und daraus einen Mehrwert generieren. Dabei verfolgen die Start-ups verschiedene Ansätze: recogn.ai setzt auf eine Kombination von verschiedenen neuronalen Netzwerken, die auf die Verarbeitung von Text und semistrukturierten Daten spezialisiert sind. Zusätzlich kommen Cloud- und Suchtechnologien für maschinelles Lernen, Data Ingestion und Datenexploration zum Einsatz. Durch Deep Learning kann die Maschine selbstständig Strukturen erkennen, evaluieren und sich optimieren. Zudem lernt das System auch durch Feedback von Mitarbeitern, die dazu keine Datenexperten sein müssen. Im Ergebnis werden selbst unstrukturierte Datensätze beispielsweise für Marketingmaßnahmen nutzbar. Die Lösung soll auch dem Data-Pitch-Projekt gemeinsam mit Univserv weiter ausgebaut werden.

Daten automatisiert zusammenführen

Von frosha.io kommt zudem ein KI-System, das unterschiedliche Daten aus einer Vielzahl von Unternehmenssystemen einfach und automatisiert zusammenführt. Es ermöglicht Unternehmen damit einen besseren Einblick in ihre Kunden, Prozesse, Geschäftsmodelle und mögliche Zukunftstrends. Möglich macht dies ein neuronales LSTM-Netz („Long/Short Term Memory“), das zeichenbasiert trainiert wird. Derartige Netze werden häufig bei der Verarbeitung menschlicher Sprache eingesetzt. Im konkreten Fall hilft das neuronale Netz dabei, der KI Kontext beizubringen. Trägt zum Beispiel eine Straße den Namen einer bekannten Persönlichkeit, verwirrt das die Künstliche Intelligenz bei der Erkennung, ob es sich um einen Straßennahmen oder eine Person handelt. Das LSTM-Netz steuert in solchen Fällen die nötige Kontextinformation bei.

„Wir haben der KI beigebracht, welche Daten-Arten und -Strukturen in Eingabefeldern auftauchen können. Konkret sollte die KI lernen, wie sie damit umgehen soll, wenn zum Beispiel bei der Bestellungsaufgabe in einem E-Commerce-Shop Daten falsch eingegeben werden. Klingt für uns Menschen vielleicht erstmal simpel, stellt aber eine große Herausforderung an die KI dar“, erklärt Roemer Classen, CEO und Gründer von frosha.io.

(ID:45734140)