Kundenreferenzen

DHL

DHL ist mit der Identifikation in der Filiale, an der Haustür aber auch online per Video der führende Anbieter für Ident-Lösung in Deutschland. Aber durch die massiven Verbesserungen im Bereich Computer Vision durch Deep Learning kann auch ein komplexer Prozess wie ein Identitätsabgleich vollständig automatisiert werden.

Hierzu haben wir für DHL das neue AutoIdent verfahren entwickelt, das den Geschäftskunden der DHL nun neben den bewährten Verfahren zur Verfügung steht. Hierbei wird eine umfassende Analyse des Ausweisdokumentes vorgenommen, bei der der Typ des Dokumentes und sämtliche Informationen extrahiert werden. Der Clou hierbei: das Verfahren wurde datensparsam entwickelt, so dass neue Dokumente durch ein einziges Beispielbild (z.B. den Musterausweis der Bundesdruckerei) und eine Konfigurationsdatei unterstützt werden können. Dies ist zum eine für eine vollautomatische Prüfung nützlich, kann aber auch einem Agenten bei einer händischen Prüfung wertvolle Bearbeitungszeit sparen.

In weiteren Schritten werden eine Reihe von Identitäts- und Sicherheitsmerkmalen überprüft. Insgesamt werden hierzu über 10 neuronale Netze eingesetzt. Diese wurden von uns ausgewählt und trainiert und in die DHL Infrastruktur integriert.

Der Clou dabei ist, dass es sich um eine vollwertige JAVA Enterprise Lösung handelt, der Betrieb des neuen Systems fügt sich daher nahtlos in die bestehende Infrastruktur, Code Guidelines und Qualitätsanforderungen ein.

Im Gegensatz zu Konkurrenzlösungen ist unsere Lösung für DHL echtzeitfähig, d.h. die künstlichen Intelligenz-Systeme arbeiten nicht ein fertig aufgenommenes Video ab sondern können mit dem Endnutzer interagieren, z.B. Anweisungen zum Prozess geben. Eine neue WebRTC Schnittstelle macht das System gerade im Zeitalter von generativer KI zukunftssicher und ermöglicht es langfristig, sämtliche Aufgaben eines menschlichen Agenten zu übernehmen.

onvista

Die onvista media ist der führende Anbieter für News im Retail-Wertpapiermarkt. Über das bekannte Portal onvista.de bietet sie neben Börsenkursen und harten Daten qualitativ hochwertige redaktionelle Inhalte. Aufgrund der Fülle an Informationen können aber selbst die Profis von onvista gerade im long-tail Bereich nicht alle Neuigkeiten abdecken.

Daher haben wir bereits lange vor dem Hype um ChatGPT eine Textgenerierung für onvista entwickelt, die auf Basis der Kurs- und Wertpapierdatenbank der onvista Textzusammenfassung für Wertpapiere generiert, die auf Grund Ihres geringen Handelsvolumens den Aufwand eines menschlichen Redakteurs nicht rechtfertigen. So kann auch für den umfangreichen long tail des Wertpapiermarktes content generiert werden, der für den interessierten Leser dennoch einen Mehrwert darstellt.

Dieses System umfasst neben einem selbst entwickelten Transformer für deutsche Sprachgenerierung ein automatisches Analysesystem für Finanzdaten, das den Input für die Textgenerierung deterministisch und nachvollziehbar generiert. Das Gesamtsystem ist über eine aufwendige Vue.JS Oberfläche konfigurierbar und kann hunderte Texte pro Sekunde generieren.

Goldschmidt

Die Goldschmidt Gruppe ist seit über 125 Jahren der Fachmann für Schieneninfrastruktur. Neben dem Thermit-Schweißen, 1895 von Hans Goldschmidt erfunden, ist Goldschmidt auch Experte für die Qualitätsprüfung von Schieneninfrastruktur.

Hierfür hat Goldschmidt ein Ultraschallverfahren entwickelt, das auf Prüfzügen die zerstörungsfreie Prüfung von Streckennetzen bei einer Geschwindigkeit von 70km/h ermöglicht. Dieses System ist unter anderem bei der Deutschen Bahn im Einsatz. Die Ergebnisse dieser Messungen werden bisher händisch von ausgebildeten Fachleuten ausgewertet, die dann notwendige weitere Kontrollen und Instandhaltungsmaßnahmen veranlassen.

Zusammen mit den Messtechnik- und Infrastrukturexperten von Goldschmidt und der Deutschen Bahn entwickeln wir ein Deep Learning Verfahren, das in Zukunft in Zusammenarbeit mit dem Menschen die Qualität der Auswertung weiter verbessert und dabei die Geschwindigkeit der Auswertung deutlich erhöht, so dass mehr Messfahrten in gleicher Zeit analysiert werden können - was zu einer deutlichen Qualitäts- und Effizienzsteigerung in der Schieneninstandhaltung führen wird.

Bei diesem Projekt kommen modernste Analysetechniken, überwachtes und unüberwachtes Lernen zum Einsatz. Das System wird speziell für die Messsysteme der Goldschmidt entwickelt und von Grund auf auf Terabytes von Daten neu trainiert.

Aus Sicherheitsgründen ist das fertige System direkt auf Infrastruktur beim Kunden lauffähig und nicht von außereuropäischen Cloud Providern abhängig.

REWE

REWE ist nicht nur einer der führenden Einzelhändler Deutschlands, sondern auch Vorreiter in der Digitalisierung und der technischen Innovation des Einzelhandels.

Für REWE haben wir erfolgreich ein anspruchsvolles Projekt im Bereich Computer Vision begleitet. Unser erfahrenes KI-Team unterstützte die internen Entwickler des Unternehmens dabei, ihre Kompetenzen im Bereich Deep Learning zu erweitern und ein maßgeschneidertes System zu implementieren, das die Effizienz interner Prozesse deutlich steigert.

In enger Zusammenarbeit mit dem engagierten Entwicklerteam des Kunden haben wir unser Fachwissen in den Bereichen Datenbeschaffung und -verwaltung, Aufbau einer leistungsfähigen Trainingsinfrastruktur sowie Entwicklung und Testung von optimierten Trainingsskripten eingebracht. Ein besonderer Fokus lag auf der nahtlosen Integration der Lösung in die bestehende On-Premise-Infrastruktur des Kunden, um einen sicheren und zuverlässigen Betrieb ohne Abhängigkeit von Internetverbindungen zu gewährleisten.

Durch unsere Beratung und Anleitung konnte das interne Team des Einzelhändlers seine Fähigkeiten im Bereich Deep Learning signifikant ausbauen und das Projekt eigenständig erfolgreich umsetzen. Wir sind stolz darauf, einen Beitrag dazu geleistet zu haben, das vorhandene Know-how zu erweitern und das Unternehmen auf seinem Weg zu einer zukunftsweisenden, KI-gestützten Lösung zu begleiten, die nachhaltige Wettbewerbsvorteile schafft.

Continental

Continental steht weltweit für innovative Reifen in höchster Qualität. Daher freuen wir uns, dort ein zukunftsweisendes Projekt im Bereich der zerstörungsfreien Materialprüfung zu begleiten. Unser Expertenteam unterstützte die Ingenieure des Unternehmens dabei, innovative Ansätze des semi-supervised und unsupervised Learning in ihre Prüfprozesse zu integrieren und so die Qualitätskontrolle auf ein neues Level zu heben.

In intensiven vor-Ort-Workshops arbeiteten unsere KI-Spezialisten eng mit den Fachleuten des Reifenherstellers zusammen, um maßgeschneiderte Lösungen zu entwickeln, die sich nahtlos in die bestehende Java-Infrastruktur des Unternehmens einfügen. Gemeinsam erarbeiteten wir Konzepte zur Datenerfassung, -aufbereitung und -analyse, die es ermöglichen, potenzielle Materialdefekte frühzeitig und zuverlässig zu erkennen, ohne die Produktionsabläufe zu beeinträchtigen.

Durch den Wissenstransfer und die praxisnahe Anleitung unseres Teams wurden die internen Experten des Reifenherstellers in die Lage versetzt, die neuartigen Prüfmethoden eigenständig weiterzuentwickeln und auf andere Anwendungsbereiche auszuweiten. Die erfolgreiche Implementierung der KI-gestützten Lösungen trägt dazu bei, die Produktqualität kontinuierlich zu verbessern, Ausschussraten zu minimieren und die Wettbewerbsfähigkeit des Unternehmens langfristig zu sichern.

Wir sind stolz darauf, unseren Beitrag dazu geleistet zu haben, das Know-how des Reifenherstellers im Bereich semi-supervised und unsupervised Learning zu erweitern und gemeinsam zukunftsweisende Lösungen zu entwickeln, die einen echten Mehrwert für das Unternehmen schaffen.

UNICEPTA

Die UNICEPTA ist einer der führenden Dienstleister für Media Intelligence, nicht nur in Deutschland, auch weltweit. Heute unterstützt sie Unternehmen und Organisationen in Europa, Nordamerika, Südamerika und dem asiatisch-pazifischen Raum. Neben einem Expertenteam für die Medienanalyse und -auswahl setzt die UNICEPTA auch zunehmend KI-Technologien für Ihre Arbeit ein.

In diesem Zusammenhang durften wir ein auf Embeddings basierendes Textklassifikation entwickeln, das in der Lage ist Pressespiegel automatisiert für jeden Kunden individuell auf Basis der bisherigen Auswahl von Menschen zu erstellen. Das bedeutet, dass nach einigen Beispielen von menschlichen Experten das System die relevanten Artikel für einen Kunden identifizieren kann und so die Erstellung neuer Pressespiegel massiv vereinfacht wird.

Auch hier kamen Transformer Modelle zum Einsatz. Die verwendeten Technologien sind dieselben, wie sie auch zur Entwicklung von RAG System genutzt werden.