Veröffentlichungen

Data-Pitch-Initiative: Maschineller Lernerfolg

Nutzen ziehen aus großen Mengen unstrukturierter oder semistrukturierter Kundendaten

Quelle: E-3 Magazin, Information und Bildungsarbeit von und für die SAP®-Community, Februar 2018, Autorin Dr. Simone Braun (Uniserv), © B4Bmedia.net AG. Alle Rechte vorbehalten. http://www.b4bmedia.net/

Dr. Simone Braun  
Head of Business Development
Uniserv GmbH

Diese Herausforderung stellte Uniserv im Rahmen der diesjährigen Data-Pitch-Initiative. Die Initiative ist ein europäisches Innovationsprogramm für Startups und KMUs. Ein vielversprechender Lösungsansatz, um Kundendaten etwa für das Marketing zu optimieren, ist Deep Learning, ein Teilgebiet des maschinellen Lernens (ML).Mit den Startups Frosha.io und Recogn.ai wird Uniserv diese Technologie gemeinsam vorantreiben.

Machine Learning gemeinsam weiterentwickeln

Frosha.io und Recogn.ai konnten sich im Herbst 2017 unter 142 Bewerbern durchsetzen – und haben sich anschließend Ende Oktober erfolgreich den kritischen Fragen der Uniserv-Jury, der EU-Kommission und Vertretern der Data-Pitch-Initiative in London gestellt, um in das EU-geförderte Inkubatoren-Programm aufgenommen zu werden. Ab 1. Februar 2018 bleiben ihnen nun sechs Monate Zeit für die Umsetzung ihrer Lösungsidee gemeinsam mit Uniserv. 

Fehlerbehaftete Kundendatenbestände verwässern Marketingmaßnahmen

Im Data Pitch hat Uniserv Startups eingeladen, eine lernfähige maschinelle Lösung zu erarbeiten, die Daten aus verschiedenen internen sowie externen Quellen wie zum Beispiel Internetseiten, Open Data, Social-Media-Profilen oder E-Mails zusammenfügt. Diese Quellen sind extrem heterogen. Mängel in bestehenden Datensätzen sollten automatisch korrigiert und Kundendatenbestände so optimiert werden. Gerade bei Stammdaten wie Name und Adresse schleichen sich häufig Fehler ein. 

Mangelhafte Strukturen in Datenbeständen mittels Deep Learning erkennen

Besonders überzeugten die Ansätze von Frosha.io und Recogn.ai. Frosha.io setzt sogenannte rekurrente neuronale Netze (Recurrent Neural Networks) ein. Recogn.ai gewann mit dem Ansatz, Wissensgrafen und Deep Learning für die maschinelle Verarbeitung natürlicher Sprache (Natural Language Processing) zu kombinieren. Unter Verwendung der neuronalen Netze des Deep Learnings versetzt sich eine Maschine selbst in die Lage, Strukturen zu erkennen, zu evaluieren und sich in mehreren Durchläufen selbständig zu verbessern. Auf diese Weise gelingt es der Technologie, selbst unstrukturierte Kundendatensätze unter anderem für Marketingmaßnahmen nutzbar zu machen. 

Data-Pitch-Initiative als Chance für Startups und Unternehmen

Data Pitch ist ein von der Europäischen Union gefördertes Inkubatoren-Programm, das Unternehmen und öffentliche Einrichtungen mit Startups aus ganz Europa vernetzt.

Im Rahmen der Initiative wurde im Sommer und Herbst 2017 ein Wettbewerb veranstaltet. Bei diesem konnten Unternehmen, die sich mit der Analyse von Daten befassen, Aufgabenstellungen an Startups und KMUs vergeben. Die Initiative fördert insgesamt 18 Startups aus 10 Ländern durch finanzielle Unterstützung, teilnehmende Unternehmen wiederum profitieren von neuen Ideen.


Lesen Sie hier den vollständigen Artikel aus dem E-3 Magazin, Februar 2018, Autorin Dr. Simone Braun, © B4Bmedia.net AG