LEISTUNG
Künstliche Intelligenz / Data Science
Sync AI to Business
LEISTUNG
Künstliche Intelligenz und Data Science
Sync AI to Business
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.
Ihre Vorteile
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
Referenzarchitektur für den Aufbau einer Cloud-basierten Lösung zur Anbindung von externen öffentlichen Datenbanken und der Analyse von multivariaten Zeitreihen durch einen Cognitive Service.
Use 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
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.
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.
Unsere Leistungen zum Nachlesen
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.