Internet-of-Things-Beispielanwendung: Connected Flipper

Internet-of-Things-Beispielanwendung: Connected Flipper

Internet-of-Things-Beispielanwendung: Connected Flipper

Experte: Michael Scharpf

Branche: Other

Bereich: Marketing & Sales

Ein Flipperautomat aus den 80ern wird zum vernetzten Hightech-Gerät: Erfahren Sie, wie unser Connected Flipper dank Internet of Things und Machine Learning zu einem einzigartigen Beispielprojekt wurde.

UNSERE KI UND DATA SCIENCE Case-Studies:
ERFAHRUNG AUS ÜBER 2.000 KUNDENPROJEKTEN

[Herausforderung]

In unserem internen Projekt, hatten wir eine besondere Herausforderung: ein altes, uranaloges Produkt, einen Flipperautomaten aus dem Jahr 1987, mit moderner Technologie vernetzen und somit das Konzept des Internet of Things (IoT) greifbar machen. Ziel war es, Daten zu erheben und prädiktive Modelle für das Spiel zu entwickeln.

[Lösung]

Um die Herausforderung zu meistern, haben wir uns für eine Lösung entschieden, die auf der Verwendung von Raspberry Pis, Kamera und Machine Learning Algorithmen basierte. Durch den Einsatz von zwei Raspberry Pis konnte der Flipper mit verschiedenen Sensoren und Aktoren vernetzt werden, um Daten in Echtzeit zu erfassen. Eine Kamera wurde hinzugefügt, um unstrukturierte Bilddaten aufzunehmen, die den aktuellen Spielstand anzeigen. Anschließend wurde Machine Learning eingesetzt, um prädiktive Modelle zu entwickeln und maßgeschneiderte D3-Visualisierungen zu erstellen, die die Spielverläufe analysieren und darstellen.

[Ergebnis]

Das Ergebnis war beeindruckend: Das Spiel am Flipper wurde in Echtzeit auf zwei Monitoren visualisiert und eine Mustererkennung identifizierte den aktuellen Spielstand auf Basis der aufgenommenen Bilddaten. Das Team erhielt somit eine neue Möglichkeit, um mit moderner Technologie das Internet of Things zu erforschen und Datenanalyse-Methoden anzuwenden. Das Projekt veranschaulicht, wie Künstliche Intelligenz und Machine Learning eingesetzt werden können, um auch auf vermeintlich altmodischen Geräten innovative Anwendungen zu entwickeln.

Um das Projekt umzusetzen, haben wir Python als Programmiersprache und TensorFlow als Machine Learning Framework eingesetzt. Die Kombination aus diesen Technologien ermöglichte es uns, die Daten des Flipperautomaten effektiv zu verarbeiten und prädiktive Modelle zu entwickeln.

Insgesamt zeigt das Projekt, wie innovative Technologien wie IoT und Künstliche Intelligenz genutzt werden können, um neue Möglichkeiten der Datenanalyse zu erschließen und Unternehmen in ihrem Wachstum zu unterstützen.

Dieses Beispiel zeigt, wie das Konzept des Internet of Things durch die Zusammenarbeit mit unserem Unternehmen greifbar gemacht werden kann. Die Kombination aus Raspberry Pis, Machine Learning Algorithmen und D3-Visualisierungen ermöglichte es uns, prädiktive Modelle zu entwickeln und Daten in Echtzeit zu erfassen. Das Ergebnis ist eine innovative Anwendung, die zeigt, wie Künstliche Intelligenz und Machine Learning auch auf alten Geräten wie einem Flipperautomaten eingesetzt werden können.

Neugierig geworden? Lassen Sie uns zeigen, was uns von anderen Unternehmen unterscheidet und wie wir Ihnen helfen können, Ihre Ziele zu erreichen.

Michael Scharpf - Key Account Manager

Ihr Experte

Michael Scharpf | Sr. Principal Key Account Manager | Alexander Thamm GmbH

Visualisierung von Immobilen in einer GeoMap-Applikation

Visualisierung von Immobilen in einer GeoMap-Applikation

Visualisierung von Immobilen in einer GeoMap-Applikation

Expertin: Linh Nguyen

Branche: Other

Bereich: Finance & Controlling

Erleben Sie Ihre Immobilien in einer neuen Dimension: Entdecken Sie die Vorteile der Visualisierung von Immobilien in unserer innovativen GeoMap-Applikation.

UNSERE KI UND DATA SCIENCE Case-Studies:
ERFAHRUNG AUS ÜBER 2.000 KUNDENPROJEKTEN

[Herausforderung]

Eine große Immobilienfirma hatte eine Herausforderung bei der Analyse von Standorten und Kennzahlen ihrer Objekte. Der Prozess war manuell und zeitaufwändig, da die Daten nur im Reporting verfügbar waren und keine Vergleichsanalysen durchgeführt werden konnten. Außerdem waren die Daten nur beschränkt mobil verfügbar, was die Effizienz der Immobilienmakler beeinträchtigte.

[Lösung]

Unser Unternehmen bot eine Lösung für diese Herausforderung, indem es Geodaten in SAP BO implementierte. Alle für eine Immobilie relevanten Informationen und Kennzahlen wurden auf der Karte angezeigt und es gab die Möglichkeit, nach verschiedenen Kriterien zu filtern. Die mobile Version des Tools beinhaltete GeoMaps, die eine optimale Darstellung der Daten auf mobilen Geräten ermöglichten.

Unser Team nutzte seine Fachkenntnisse in den Bereichen Datenanalyse und Künstliche Intelligenz, um eine auf den Kundenbedürfnissen zugeschnittene Lösung zu entwickeln. Wir integrierten die Daten in SAP BO, um eine nahtlose Interaktion zwischen den verschiedenen Kennzahlen und der Karte zu ermöglichen. Dies ermöglichte es den Immobilienmaklern, die Daten schnell und einfach zu analysieren und Entscheidungen auf der Grundlage von Daten zu treffen.

[Ergebnis]

Die interaktive GeoMap-Applikation für das iPad, die unser Unternehmen entwickelte, bot den Immobilienmaklern eine einfache und schnelle Möglichkeit, auf die wichtigsten Kennzahlen zuzugreifen, die mit den betreuten Immobilienobjekten verbunden waren. Unsere Lösung erhöhte die Effizienz und Genauigkeit der Datenanalyse erheblich und trug dazu bei, dass die Immobilienmakler fundiertere Entscheidungen treffen konnten.

Dank der von uns entwickelten Lösung konnte das Unternehmen Vergleichsanalysen durchführen, was zu einer verbesserten Entscheidungsfindung beitrug. Die Daten waren mobil verfügbar, was die Arbeit der Immobilienmakler erleichterte und die Effizienz des Unternehmens erhöhte.

Durch die Implementierung der interaktiven GeoMap-Applikation konnte das Unternehmen eine höhere Kundenzufriedenheit erreichen und seinen Umsatz steigern. Unsere Lösung trug dazu bei, dass das Unternehmen wettbewerbsfähig blieb und seine Marktpräsenz ausbauen konnte.

Zusätzlich zu den bereits genannten Vorteilen ist es wichtig zu erwähnen, dass die Visualisierung der Daten in der interaktiven GeoMap-Applikation sehr ansprechend und leicht verständlich ist. Die Darstellung der Immobilienstandorte und Kennzahlen auf der Karte bietet einen schnellen Überblick über die wichtigsten Informationen, was die Entscheidungsfindung erleichtert.

Als Experten in den Bereichen Datenanalyse und Künstliche Intelligenz sind wir stets bemüht, unseren Kunden innovative und maßgeschneiderte Lösungen zu bieten. Wir sind überzeugt davon, dass wir Unternehmen dabei unterstützen können, ihre Daten optimal zu nutzen und fundierte Entscheidungen zu treffen. Wenn Sie auf der Suche nach einer ähnlichen Lösung sind, kontaktieren Sie uns gerne, um zu erfahren, wie wir Sie unterstützen können.

Neugierig geworden? Lassen Sie uns zeigen, was uns von anderen Unternehmen unterscheidet und wie wir Ihnen helfen können, Ihre Ziele zu erreichen.

Linh Nguyen - Key Account Manager

Ihre Expertin

Linh Nguyen | Principal Key Account Manager | Alexander Thamm GmbH

Customer-Journey-Analyse und Visualisierung

Customer-Journey-Analyse und Visualisierung

Customer-Journey-Analyse und Visualisierung

Experte: Michael Scharpf

Branche: Other

Bereich: Marketing & Sales

Erleben Sie den Unterschied in Ihrer Kundenreise. Nutzen Sie unsere Customer-Journey-Analyse und Visualisierung für eine optimale Datenauswertung.

UNSERE KI UND DATA SCIENCE Case-Studies:
ERFAHRUNG AUS ÜBER 2.000 KUNDENPROJEKTEN

[Herausforderung]

Unser Telekommunikationskunde hatte Schwierigkeiten bei der Identifizierung von User Journeys und Fehlerquellen im Registrierungsprozess. Zudem war es ihm wichtig, Kennzahlen aus dem Registrierungsprozess zu berechnen und zu visualisieren. Der Kunde benötigte ein umfassendes Datenanalyse-Tool, das ihm helfen konnte, den Registrierungsprozess zu optimieren und zukünftige Projekte selbstständig durchzuführen.

[Lösung]

Wir haben dem Kunden eine umfassende Lösung angeboten, indem wir ein Datenmodell für die Extraktion der Logdaten aus der Hadoop Infrastruktur entwickelt haben. Wir haben Hive verwendet, um den ETL-Prozess umzusetzen. Zudem haben wir die Kennzahlen und User Journeys dargestellt und ein Pair-Programming im Team mit einem Mitarbeiter des Kunden durchgeführt. Darüber hinaus haben wir einen Mitarbeiter des Kunden im Rahmen des Data Science Projekts gecoacht, damit er in Zukunft ähnliche Projekte selbstständig durchführen kann.

[Ergebnis]

Das Ergebnis war ein Tableau-Dashboard, das die Kennzahlen und User Journeys visualisiert und für eine detaillierte Analyse zur Verfügung steht. Der Kunde konnte damit seine Customer Journey Analyse optimieren und zukünftige Projekte besser planen. Durch die Schulung des Mitarbeiters konnte der Kunde zudem selbständig ähnliche Projekte durchführen und wertvolle Erkenntnisse aus seinen Daten gewinnen. Das Projekt war ein voller Erfolg und hat unserem Kunden geholfen, sein Unternehmen auf die nächste Stufe zu heben.

Wir als Datenanalyse-Experten sind stolz darauf, unserem Kunden geholfen zu haben, seine Datenanalyse-Anforderungen erfolgreich zu erfüllen. Wir sind spezialisiert auf die Umsetzung von Datenanalyse-Projekten und setzen auf modernste Technologien wie Hadoop, Hive und Tableau. Wenn auch Sie eine erfolgreiche Customer Journey Analyse durchführen möchten, zögern Sie nicht, uns als Partner für Ihr nächstes Projekt zu wählen. Wir sind der richtige Partner für Sie und bieten Ihnen umfassende Lösungen, die auf Ihre individuellen Anforderungen zugeschnitten sind. Kontaktieren Sie uns noch heute, um mehr zu erfahren!

Neugierig geworden? Lassen Sie uns zeigen, was uns von anderen Unternehmen unterscheidet und wie wir Ihnen helfen können, Ihre Ziele zu erreichen.

Michael Scharpf - Key Account Manager

Ihr Experte

Michael Scharpf | Sr. Principal Key Account Manager | Alexander Thamm GmbH

Erarbeitung eines Predictive Maintenance Use Case bei einer Bundesbehörde

Erarbeitung eines Predictive Maintenance Use Case bei einer Bundesbehörde

Erarbeitung eines Predictive Maintenance Use Case bei einer Bundesbehörde

Die Möglichkeit, Ersatzteilebedarfe für Fahrzeuge im Außeneinsatz, soll analysiert werden in Hinblick auf Optimierung der Lagerhaltung.

Bewertung der verfügbaren Datengrundlage in Hinblick auf Predictive-Maintenance-Projekten​

Empfehlungen bzgl. Datenverfügbarkeit, um Predictive-Maintenance-Projekten erfolgreich umzusetzen

Herausforderung

Eine Bundesbehörde erlebt eine große Diskrepanz zwischen tatsächlichem Bedarf und dem Vorrat an Ersatz-teilen für ihre Fahrzeuge in dezentralisierten Ersatzteilelagern. Durch eine Machbarkeitsanalyse soll eruiert werden, ob der Ersatzteilebedarf durch Einsatz von Predictive Maintenance vorhergesagt und die Lagerhaltung dadurch optimiert werden kann.

Lösung

Erarbeitung eines Datenmodells der verfügbaren Datenquellen in enger Abstimmung mit Fachexperten.Einbindung externer Datenquellen wie Wetter- und Landnutzungsdaten, und Interpolation dieser, um sie auf die Geopositionen der Fahrzeuge übertragen zu können.Entwicklung einfacher statistische Modelle auf PoC-Basis, um Teileausfälle vorherzusagen.

Ergebnis

In der Bundesbehörde wurde eine Sensibilisierung für die Anforderung an Datenbeständen und deren Verfügbarkeit für die Durchführung von Data-Science-Projekten erreicht.Beispielhafte Ergebnisse der statistischen Modelle können verwendet werden, um den Use Case intern weiter voran-zutreiben.

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.

Unsere Case Studies

- Erhalten Sie noch detailliertere Einblicke in unsere Kundenprojekte -

Smart Kochen mit Thermomix

Smart Kochen mit dem Thermomix

Download
Case Studie KI bei Munich Re

Data Operations bei der Munich Re

Download

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.

Smart-Factory-Beratung im Maschinenbau

Smart-Factory-Beratung im Maschinenbau

Smart-Factory-Beratung im Maschinenbau

Im Projekt wurde für einen mittelständischen Maschienenbauer eine Vision & Mission zu Industrie 4.0 erarbeitet, konkrete Anwendungspotentiale identifiziert und eine strategische Roadmap zum Aufbau einer Smart Factory erstellt.
/
Klares Verständnis der Erfolgsfaktoren einer Smart Factory
Involvierung und Information aller relevanten Stakeholder (inkl. Vorstand) sowie Benennung der zentralen Verantwortlichkeiten auf dem Weg zur Smart Factory
+
Identifikation von konkreten Potentialen in Form von Smart Factory Use Cases
w

Agiles Projektvorgehen im Rahmen von Interviews und verschiedenen Workshopformaten unter Verwendung von Design Thinking Methoden

Herausforderung

  • Fehlende Vision zur erfolgreichen Umsetzung der Industrie 4.0 in der Produktion eines mittelständischen Herstellers für elektrische Stellantriebe
  • Stakeholder Management in mittelständischen Unternehmen bedarf strategisches Gespür
  • Auf dem Weg zu einer Smart Factory müssen grundsätzliche organisatorische Entscheidungen getroffen und Weichen gestellt werden

Lösung

  • Entwicklung eines Grundverständnisses für die Smart Factory und ihre Bausteine mit den wichtigsten Stakeholdern / Kernteam
  • Assessment über die gesamte Prozesslandschaft der Produktion aufgeteilt auf die Bereiche Logistik, Zerspanung, Montage und Prüfstände
  • Potentialanalyse in den Dimensionen Organisationsstruktur, Prozesse, Rollen, Governance und Systemlandschaft
  • Erstellung eines gemeinsamen Zielbilds und Definition der Roadmap zur  Implementierung einer Smart Factory

Ergebnis

  • Darstellung der strategischen Vision in einem Smart Factory Zielbild
  • Definierte Roadmap zur Erreichung des Zielbilds ausgehend von priorisierten Use Cases

Haben Sie Interesse an eigenen Use Cases?

Herausforderung

Ein Automobilunternehmen möchte verschiedene marktspezifische Daten visualisieren, um eine Wettbewerbsanalyse für den US-Markt zu ermöglichen.

Lösung

Es wird eine interaktive und flexible Anwendung, einschließlich verschiedener Karten mit zwei verschiedenen Ansichten implementiert.

Ergebnis

Relevante Märkte werden identifiziert, analysiert und visualisiert. Der Händler oder der jeweilige Vertrieb haben die Möglichkeit den direkten Wettbewerb mit dem eigenen Produkt zu vergleichen und die relevanten Daten zu visualisieren.