ONTEC Leistungen und

„Artificial Intelligence“ (AI)

Tobias Eljasik-Swoboda MSc: Warum sollen Unternehmen besser heute als morgen auf AI setzen? “Artificial Intelligence ermöglicht neue Geschäftsmodelle. Durch sie können auch Aufgabenbereiche übernommen werden, für die Mitarbeiter fehlen. Mit AI schaffen sich Unternehmen einen Wettbewerbsvorteil und sind am Puls der Zeit.”
1. Step: Use Case Discovery Wir identifizieren im ersten Schritt Use Cases im Bereich Artificial Intelligence in Ihrem Unternehmen. Durch unsere jahrelange Erfahrung in der Software-Entwicklung und unserem Branchen Know-how, zeigen wir Ihnen auf, wie Sie von AI profitieren können. Mit unserem AI Readiness Navigator haben wir eine Methode entwickelt, mit der sehr rasch der AI-Status festgestellt werden kann – auch der AI-Fortschritt Ihres Unternehmens.
2. Step: Prototyping Anhand der Daten, die in Ihrem Unternehmen vorhanden sind, testen wir in einem Proof of Concept, welche Ergebnisse mittels moderner AI-Methoden mit den vorhandenen Daten erzielt werden können. Die nächsten Schritte können Richtung AI gesetzt werden.
3. Step: Professional Development Wir entwickeln auf Basis des AI Prototypen eine professionelle Business Software und integrieren diese in bereits bestehende IT-Landschaften. Wir sind „alte Hasen“ im Schreiben von businesskritischer Software und in der Integration komplexer Systeme in IT-Landschaften – wir haben über 18 Jahre Erfahrung. 
4. Step: Professional Operation Wir bieten IT-Dienstleistungen und funktionierende Sever an und arbeiten mit Ihren Daten. Wir betreuen auch AI Lösungen – Ihre Daten können dafür auch in Ihrem Unternehmen bleiben. 

ONTEC AI-Aktivitäten 2019

ONTEC tritt der AI Austria (Österreichische Gesellschaft für Künstliche Intelligenz) bei und ist Teil der AI Landscape.

Vorträge im Bereich AI

AI-Case Study „LAMaLearner AI für SCHOELLER“

 

Entwicklung einer Log Analysis Machine Learner (LAMaLearner) AI für SCHOELLER. Im Auftrag der SCHOELLER network control Datenverarbeitung GmbH hat ONTEC die Log Analysis Machine Learner (LAMaLearner) AI entwickelt.

Diese automatisiert personalintensiven Arbeitsschritte in Log Management und Security Information and Event Management Projekten. Konkret kann der Aufwand für Normalisierungsarbeiten in diesen Projekten massiv durch diese AI reduziert werden. Dies schafft einen Überblick über unübersichtliche Log Daten und erhöht die Sicherheit von IT Umgebungen.

LAMaLearner ist robust gegenüber möglichen Formatänderungen allfälliger Log Files und LAMaLearner ist für die Interaktion mit SCHOELLER network control’s MAD2 Software ausgelegt, kann aber auch mit anderen Log Management Systemen integriert werden. mehr Information  

Forschungsarbeiten

Eljasik-Swoboda, T., Rathgeber, C., Hasenauer, R.: Assessing Technology Readiness for Artificial Intelligence and Machine Learning based Innovations. Jede Innovation beginnt mit einer Idee. Um aus dieser Idee einen Erfolg zu machen, müssen Innovationsprojekte nach zwei primären Aspekten gemanagt werden: Market Readiness misst wie bereit ein Markt für ein innovatives Produkt ist. Technology Readiness misst, wie bereit die Technik ist um das Produkt herzustellen. Der READINESSnavigator ist ein “State of the Art”-Software-Tool zur Messung von Market Readiness und Technology Readiness. Technology Readiness fokussiert sehr auf die Herstellung von physischen Produkten.
In dieser Arbeit erforschen wir Readiness Maßstäbe für Daten basierende Produkte wie diese die auf AI und Machine Learning basieren. preprint

Kontakt

Tobias Eljasik-Swoboda, MSc

ONTEC AG

+43 664 80757516
tobias.eljasik-swoboda@ontec.at

 

Kundenorientierung heißt für mich, den Kunden in die AI-Welt zu begleiten. Wir identifizieren in ersten Schritt Use Cases und analysieren im nächsten Schritt existierende Daten, bevor wir in bestehende IT-Landschaften die AI-Welt integrieren.

Eljasik-Swoboda, T., Rathgeber, C., Hasenauer, R.: Artificial Intelligence for Innovation Readiness Assessment. Eine Innovation ist dann erfolgreich, wenn zwei Aspekte vorhanden sind: Der Zielmarkt muss bereit sein, die Innovation zu kaufen. Und die Technologie muss dazu in der Lage sein, die Innovation zu produzieren. Beides wird durch den READINESSnavigator gemessen.
In dieser Arbeit erforschen wir, wie künstliche Intelligenz genutzt werden kann um die Messung zu vereinfachen und einen automatischen Innovations-Coach zu erschaffen. preprint

 

Eljasik-Swoboda, T., Demuth, W.: Leveraging Clustering and Natural Language Processing to Overcome Variety Issues in Log Management. Bei der Einführung von Log Management oder Security Information and Event Management (SIEM) Umgebungen stehen Unternehmen regelmäßig vor Gartner’s 3 Vs Problemen von Big Data:
1. Volume: Es müssen sehr viele Daten verarbeitet werden.
2. Velocity: Die Daten werden schnell erzeugt.
Die ersten beiden Probleme lassen sich gut durch aktuelle Scale-Out Architekturen lösen.
Das 3. V steht für Variety: Es gibt kein normiertes Format für Log files und alle Komponenten schreiben unterschiedlich. Diese Forschungsarbeit beschreibt den LAMaLearner. Eine künstliche Intelligenz, die dabei hilft Variety Probleme in Log Management Projekten zu lösen.
preprint

 

Mit welchen Daten arbeitet „Artificial Intelligence”?

   

Audio (Ton & Musik)
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein:

  • Akkustische Fehlersuche (Deutsche Bahn)
  • Sprachsynthese (Google, IBM, Amazon)
    • Text zu Sprache
    • Sprache zu Text
  • Musikgenerierung (Google)
Video
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein:

  • Bildgebende Verfahren in der Geophysik (Total Oil)
  • Maschinenteile für Wartungstechniker erkennen (Siemens)
  • Natürliche Öl Laken erkennen (ExxonMobil)
Structured Data
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein: 

  • Produktvorschläge generieren (Netflix, Amazon, Ikea)
  • Kursentwicklungen vorhersagen (div. Banken)
Multimodal – Kombination aller Modalitäten
Bei der Kombination aller Modalitäten können mehrere Systeme kombiniert und kaskadiert werden. Ein Beispiel: ein Audio-Signal wird in einen Text umgewandelt und dann als Natural Language Processing eingesetzt.
Natural Language (Text)
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein:

  • Chat Bots (Apple, Amazon)
  • Verkaufsassistenten (Shell)
  • Materialforschung (Katalysatoren für Energy2Gas Prozesse)

 

Wir beraten Sie – wir finden gemeinsam die bestmögliche Lösung für Ihr Unternehmen.

Jetzt Kontakt aufnehmen!

Warum können Unternehmen von „Natural Language Processing“ profitieren?

Tobias Eljasik-Swoboda MSc setzt sich in seiner Dissertation mit dem Thema im Speziellen auseinander und gibt einen Einblick in diese Materie: Text Categorization (TC), das automatische Zuordnen von beliebig langen Texten zu vordefinierten Kategorien ist eine wichtige Säule des Natural Language Processings (NLP). Natural Language Processing ist eine der wichtigsten Modalitäten für den praktischen Einsatz von AI in Unternehmen, da jedes Unternehmen auf die eine oder andere Art mit Texten arbeitet.

Tobias Eljasik-Swoboda MSc: “In meiner Dissertation erforsche ich Lösungen für praktische Probleme bei der Einführung von TC Applikationen. Diese umfassen den technischen Integrationsaufwand, der Mangel an vorliegenden annotierten Beispieldaten, die durch die DSGVO geforderte Erklärbarkeit von Algorithmen und der Veränderung der Bedeutung von Wörtern über die Zeit.”

Erfolgreiche AI-Umsetzungen:

  • AI-Bibliothekar für Online Bibliotheken
    • ordnet Medien Themen zu
    • findet neue, relevante Themen in Medien
    • kann Wissensorganisationssysteme erweitern
  • Argument Stance Recognizer: AI erkennt Pro- und Kontra-Argumente
  • Hate Speech Detektor: AI erkennt beleidigende Sprache