LEISTUNG

Künstliche Intelligenz / Data Science

Sync AI to Business

LEISTUNG

Künstliche Intelligenz und Data Science

Sync AI to Business

Nehmen Sie Kontakt auf!

joerg_frank_066cd0e84b

Moritz von Münchhausen
freut sich über Ihre Nachricht.

Ungenutzte Potenziale Ihrer Daten entfalten

 

Profitieren Sie vom Paradigmenwechsel der IT und von der Verfügbarkeit von Open Source-Datensätzen und -Modellen. Skalieren Sie den Mehrwert Ihrer Daten über die Cloud. Lassen Sie kognitive Services für sich arbeiten und Sie bei datengetriebenen Entscheidungen unterstützen. Befähigen Sie Ihre Organisation zur Aneignung zukunftsrelevanter KI-Skills.

Werfen Sie zusammen mit uns einen Blick auf Data Science und Künstliche Intelligenz und lernen Sie die Einsatzmöglichkeiten und Vorteile kennen. Unser ganzheitlicher Beratungsansatz bietet einen für Ihr Unternehmen maßgeschneiderten Prozess – von der Machbarkeitsanalyse über Ihren ersten Prototyp bis zur vollständigen Umsetzung Ihres Data Science-Projektes.

Syncwork hat 20 Jahre Expertise im Data Warehousing, das die Basis für Lösungen der Data Science- und KI-Entwicklungen gelegt hat. Seit 2017 entwickeln wir für unsere Kunden Data Science-Projekte, von mittelständischen Unternehmen bis zu DAX-Konzernen.

Mehr erfahren

Illustration_digitale_Welten_entdecken_f017ce67ed

Ihre Vorteile

Herausforderung exponentiell wachsender Datenmengen meistern.

Den Wert Ihrer Daten mit einer erstklassigen KI-Lösung nutzen.

 

Aufbau zukunftskritischer Wettbewerbsvorteile

Verlässliche Standards rechtskonform und qualifiziert sicherstellen.

Unser Angebot

Von AI-Strategie über Implementierung bis hin zu verantwortungsvollen, skalierbaren Lösungen

Bewertungen von KI-Machbarkeit

Wir schaffen Entscheidungssicherheit für KI: mit vertraulicher Datenanalyse, realistischen Business-Value-Szenarien und einem konkreten Umsetzungsplan.

KI-Prototyp-Entwicklung

Von der Idee zum KI-Prototyp: Wir liefern lauffähige Dashboards oder Web-Apps mit offenem Quellcode – sicher umgesetzt im Syncwork Lab (Azure).

Minimal Viable Product (MVP)

Wir bringen eine produktive Lösung schnell live und schaffen mit einem klaren Backlog die Basis für die Weiterentwicklung.

Syncwork AI Lab

Nutzen Sie für das Aufsetzen Ihres ersten Prototyps unsere Syncwork-eigene Infrastruktur als Entwicklungsumgebung. Ressourcen werden flexibel in der Cloud aufgesetzt und ermöglichen einen Kickstart Ihrer Entwicklungen. Im Anschluss steht einer Migration auf Ihre On-Premise- oder Cloud-Infrastruktur nichts im Weg.

Die wesentlichen Säulen unserer Laborinfrastruktur bestehen aus:

  • Azure Cloud
  • Azure DevOps
  • Azure Cognitive Services
  • Machine Learning Studio

Referenz-Architektur: Nutzung eines Cognitive Services

Ablauf_Experiment_drawio_86292ad56d

Referenzarchitektur für den Aufbau einer Cloud-basierten Lösung zur Anbindung von externen öffentlichen Datenbanken und der Analyse von multivariaten Zeitreihen durch einen Cognitive Service.


AI_Labor_Sketch_sm_11171ec2b0Use Case: Inferenz Skill Matrix mit Vergabeunterlagen

Ausschreibungsdokumente werden mithilfe eines Cognitive Services automatisch analysiert. Zunächst werden die geforderten Skills extrahiert und im Anschluss mit denen einer Skill-Datenbank abgeglichen. Im Ergebnis wird ausgewiesen, inwiefern die geforderten Skills durch die abgeglichenen Profile abgedeckt werden.

Verwendete Technologien: Die Implementierung wurde als Jupyter Notebook in Python realisiert und nutzt verschiedene Libraries und Services, u.a. Pandas, Numpy, NLTK, PyMuPDF, transfer learning, Azure AI Text Analytics.

 Die Laborinfrastruktur und deren Komponenten können als Referenzarchitektur für die spätere Weiterentwicklung eingesetzt werden. Innerhalb unserer Labore sind wir in der Lage, jeden Prozessschritt eines Data Science-Projekts abzubilden.

Jörg Frank | Management Consultant / Vorstand

Über Jörg Frank
Portrait Jörg Frank

Natural Language Processing (NLP) am eigenen Beispiel erklärt

NLP verleiht unstrukturierten Daten durch Textanalyse Struktur.

KI-Validierung

 

Tauchen Sie ein in die Welt der KI-Validierung! Wir stellen sicher, dass Sie das volle Potenzial von KI ausschöpfen und dabei – unter Einhaltung der gesetzlichen Vorschriften – höchsten Qualitätsstandards entsprechen.

Mehr erfahren

bildwelt_event_pa_dad9463286

Unsere Referenzen

Ausgewählte Beispiele unserer NLP-Projekte

Natural Language Processing (NLP) im Bereich der Arzneimittelsicherheit

Analyse von Social Media-Posts für einen internationalen Pharmakonzern zur Ermittlung von Nebenwirkungen von Medikamenten durch Natural Language Processing. Dies beinhaltet die Erkennung der Bedeutung der Nebenwirkungsmeldungen und die Einordnung in positive und negative Meldungen.

KI-Validierung: Erkennung von Nebenwirkungen

Mithilfe von KI sollen Nebenwirkungen und Produktmängel aus Texten der Fachliteratur und Umgangssprache erkannt und markiert werden. Der Service kann über generische APIs von verschiedenen Systemen genutzt werden. Das Modell wurde durch manuelle Klassifizierung und Annotation definierter Kategorien trainiert und dessen Güte im Validierungszyklus ermittelt. Validiert wird der Prozess vom Texteingang bis zur Übermittlung des Ergebnisses.

Automated Document Intelligence (ADI)

Mit ADI (Automated Document Intelligence) werden Dokumente für einen internationalen Life Science-Konzern automatisiert eingelesen, analysiert, klassifiziert und im Dokumentenmanagementsystem bereitgestellt.

Online Predictive Maintenance

Online Predictive Maintenance umfasst die Implementierung einer vorausschauenden Instandhaltung eines Abgasreinigungssystems für die Produktionsstätten eines internationalen Life Science-Konzerns basierend auf einer Cloud-Infrastruktur.

Fraud Detection in klinischen Studien

Für die Durchführung von pharmazeutischen Studien eines internationalen Pharmakonzerns wurden Studiendaten aus verschiedenen Quellsystemen vereinigt und ein umfangreiches Reporting aufgesetzt. Model-Governance und Integration von Fraud Detection-Modellen ins DWH, mit dem Ziel, Betrugsfälle innerhalb von klinischen Studien frühzeitig zu erkennen und zu melden.

Proof of Concept: Risikomanagementsystem - P-i-T PD Modellierung

Dieses P-i-T-Modell (Point-in-Time) beinhaltet die Ermittlung und Darstellung von Risikoparametern, wie der Ausfallwahrscheinlichkeit, unter Einbeziehung und Abbildung wirtschaftlicher sowie struktureller Schwankungen. Konjunkturelle Aspekte fließen anhand von gesamtwirtschaftlichen Kennzahlen in die Modellierung ein.

Abstract zu wichtigen Aspekten von GxP-relevanter Validierung von Machine Learning-Modellen

 

 Eine erfolgreiche und langjährige Zusammenarbeit zwischen der Bayer AG und Syncwork erreicht ihren Höhepunkt mit dieser Veröffentlichung von Jürgen Dietrich von Bayer und Dr. Philipp Kazzer. Die Arbeit untersucht wichtige Aspekte von GxP-relevanter Validierung von Machine Learning-Modellen. 

Mehr erfahren

springer_veroeffentlichung_kazzer_8b2168f494

Sie haben Fragen? 

Wir geben Antworten.

Portrait Philipp Kazzer

Dr. Philipp Kazzer

Franklinstraße 26a
10587 Berlin

Gern tauschen wir uns mit Ihnen aus.

Wir kommen schnell zum Punkt und zeigen Ihnen, wie wir gemeinsam eine tragfähige Lösung realisieren. Nehmen Sie Kontakt mit uns auf!