Machine Learning Use Cases – 3 Projekte aus der Praxis

Maschinelles Lernen findet mehr und mehr Verbreitung im Alltag vieler Unternehmen und beweist täglich, welch großes Potential in der Data-Science-Methode steckt. Da wir in zahlreichen Projekten für unsere Kunden auf Maschinelles Lernen setzen, stellen wir in diesem Blog-Artikel 3 Machine Learning Use Cases aus der Praxis vor.

Maschinelles Lernen ist eine der Methoden aus dem Umfeld der Künstlichen Intelligenz, die sich inzwischen als ein Standard etabliert haben. Der zunehmende Einsatz ist mit Hinblick auf die Wettbewerbsfähigkeit einfach erklärt. Wirtschaftliche und strategische Vorteile, die die Machine Learning Algorithmen ermöglichen, sprechen für sich.

Linktipp: Lesen Sie auch unseren Blog-Beitrag, in dem wir vier Anwendungsfälle für Machine Learning in der Industrie 4.0 vorstellen.

Welche Relevanz hat Maschinelles Lernen?

Wirft man einen Blick auf aktuelle Studien, so wird dieser Eindruck untermauert. Erst vor kurzem sprach eine von McKinsey durchgeführte Studie der Gesamtheit der Methoden aus dem Bereich Machine Learning ein größeres wirtschaftliches Potential als der Dampfmaschine zu.

In der gemeinsam mit uns durchgeführten Machine Learning Studie des IDG Research Services konnten wir feststellen, dass das Bewusstsein für die Bedeutung von Maschinellem Lernen bereits weit verbreitet ist. Wenn es um die konkrete Anwendung geht, herrscht jedoch gerade bei den kleineren und mittleren Unternehmen noch großer Nachholbedarf. Wir stellen deshalb 3 Machine Learning Use Cases vor, um einen Einblick in die praktischen Möglichkeiten zu geben.

Linktipp: Wenn Sie mehr über die Grundlagen von Machine Learning erfahren wollen und sich für eigene Machine Learning Use Cases inspirieren lassen möchten, empfehlen wir unseren Einführungsartikel über Machine Learning sowie unsere Artikel-Serie über Supervised Machine Learning, Unsupervised Machine Learning sowie über Clustering und Classification.

Machine Learning Use Case 1: ML ermöglicht Nachfrageprognose zur Lageroptimierung

Wie bereits angeführt, geht es oft um das Erzielen von wirtschaftlichen Vorteilen, die im Wettbewerb mit anderen Unternehmen helfen. Für einen Händler von Ersatzteilen für Baumaschinen sollten wir die Nachfragemenge für seine Produkte an seinen unterschiedlichen Standorten für einen Zeitraum von mehreren Monaten prognostizieren. Das Ziel war, die Lager bedarfsgerecht zu bestücken, um Kosten zu optimieren und gleichzeitig eine optimale Versorgung der Kunden sicherzustellen.

Als Datengrundlage in diesem Machine Learning Use Case dienten firmeninterne Daten wie Stammdaten zu den Produkten und Standorten sowie historische Nachfragemengen. Diese kombinierten wir mit externen Daten zu Wetter und Wirtschaftsdaten. Mit Hilfe von Maschinellem Lernen konnten wir die Nachfrage für alle Standorte in den kommenden 12 Monaten genau vorhersagen.

Im Ergebnis konnten wir nicht nur die Vorhersagegenauigkeit erhöhen, sondern die Teileverfügbarkeit verbessern, den Lagerumschlag besser steuern und damit die Höhe von entgangenen Umsätzen und die Hälfte reduzieren. Zu sehen war der Erfolg ganz deutlich: Leeren Lagerraum gab es nicht mehr.

Machine learning Use Case 2: Maschinelles Lernsystem zur Diagnose in Kraftwerken

Die Energie-Produktion und -Verteilung ist äußerst komplex. Eine permanente Herausforderung für Energieerzeuger besteht darin, alle Prozesse in Kraftwerken perfekt zu verstehen und steuern zu können. Bei der Dampfüberhitzung in Dampfkraftwerken lässt sich ein Phänomen beobachten, das letztlich zu Ruß- und Ascheablagerungen führt. Das Problem dabei: Die Wärmeübertragung wird dadurch beeinträchtigt.

Bei unserer Lösung bauten wir auf Maschinelles Lernen. Genauer gesagt, untersuchten wir mit Hilfe von zwei Lernalgorithmen die einzelnen Rußbläser und ihre Auswirkung auf die Überhitzungsstufen.

Am Ende diese Machine Learning Use Cases konnten wir nicht nur die Zusammenhänge zwischen der Aktivität der Rußbläser und ihre räumliche und zeitliche Auswirkung auf die Überhitzungsstufen interpretieren, sonderninstallierten zusätzlich ein intelligentes System zur automatischen Steuerung der Einspritzkühlung.

Linktipp: In unserem Blogartikel über „die größte jemals gebaute Maschine der Welt“ beschäftigen wir uns eingehend mit der Anwendung von Machine Learning in der Energiebranche.

Machine Learning Use Case 3: In der Versicherungsbranche nutzten wir ML zur Reduktion der Risikofragen bei Gebäudeversicherung um 78 Prozent

Die datengetriebene Digitalisierung der Geschäftsmodelle – beispielsweise durch Telematik-Tarife – ist in der Versicherungsbranche in vollem Gange. In diesem Zuge trat ein internationaler Versicherungskonzern auf uns mit dem Wunsch zu, eine online-fähige Gebäudeversicherung anzubieten. Um die Antragsstrecke zu reduzieren, sollten möglichst wenige Risikofragen gestellt werden. Damit Risikofragen aber auch weiterhin richtig bewertet werden konnten, sollten Risikofragen durch Daten von externen Anbietern ersetzt werden.

Bei der Lösung wertet ein Algorithmus einen Katalog von 1300 Merkmalen automatisch aus und wählt passende Kandidaten für den Ersatz von Risikofragen aus. Machine Learning wurde dazu eingesetzt, um die Risikofragen zu prüfen, zu bewerten und gegebenenfalls zu ersetzen. Dadurch gelang es uns, bei gleichbleibender Prognosegüte die Risikofragen um 78 Prozent zu reduzieren.

Handlungsbedarf erkennen und Chancen nutzen

Maschinelles Lernen ist eine Methode, die eine hohe Praxisrelevanz hat. Die hier dargestellten Machine Learning Use Cases zeigen deutlich, dass die Anwendungsmöglichkeiten zum Teil hochspezifisch und gleichzeitig universell sind. Es gibt keine Branche und kaum ein Unternehmen, in dem Maschinelles Lernen keine Vorteile bringen könnte.

In einzelnen Fällen fehlt es vielleicht noch am Bewusstsein für die schier unerschöpflichen Einsatzmöglichkeiten für Maschinelles Lernen. Gerade im internationalen Vergleich wird deutlich, dass Unternehmen im deutschsprachigen Raum immer noch zu selten die Chancen nutzen, die sich mit Data-Science-Methoden und KI verwirklichen lassen. Gerade in unseren Data Workshops erleben wir jedoch auch immer wieder die Begeisterung für die Vielfalt an Möglichkeiten und den Tatendrang, die eigene Data Journey zu starten.

Sie wollen Maschinelles Lernen ebenfalls für ihren Unternehmenserfolg nutzen?

Ich möchte Kontakt aufnehmen

Tags

top