ONTEC Leistungen und
„Artificial Intelligence“ (AI)



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
- To Navigate AI Readiness
- 6th Applied AI Meetup Vienna am 25.04.2019
- 8th International Conference on Data Science, Technology and Applications Prague, Czech Republic am 28.07.2019
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
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

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
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein:
- Akkustische Fehlersuche (Deutsche Bahn)
- Sprachsynthese (Google, IBM, Amazon)
- Text zu Sprache
- Sprache zu Text
- Musikgenerierung (Google)
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)
Diese Unternehmen/Organisationen setzen AI bereits erfolgreich ein:
- Produktvorschläge generieren (Netflix, Amazon, Ikea)
- Kursentwicklungen vorhersagen (div. Banken)
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.
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.
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