Slides zum Vortrag am Mobile Media Forum Wiesbaden 2019: Beispiele für Machine Learning im B2B-Services; Anwendungen von Public Cloud ML Services (Google ML Kit, Amazon Rekognition, MS Cognitive Services.

1. Die echte Herausforderung in
KI-Projekten sind Daten
Christian Sauter
Mobile Media Forum
Wiesbaden, 2019

3. Almato is part of DATAGROUP
AI for Mobile and Robotics
150 Experts
Barcelona, Duisburg, Stuttgart, Reutlingen

4. Herausforderungen in KI-Projekten
Datenverfügbarkeit, Datenqualität, Datensilos 71%
Data-Science-Know-How 59%
Kultur 44%
Organisation 44%
Budget 42%
Rechtliche Hürden 41%
IT-Infrastruktur 38%
Quelle: Lünendonk (2019)

5. Percentage of Time Allocated to
Machine Learning Project Tasks
ML Operationalization2%
ML Model Tuning5%
Data Augmentation15%
ML Model Training10%
Data Labeling25%
ML Algorithm Dev.3%
Data Identification5%
Data Aggregation10%
Data Cleansing25%
Quelle: Cognilytica

6. ML Workflow
Data Pre-
processingImages
Raw
Data
Training
Data
Iterate until
data is ready
Data
Labeling
etc.
Apply
ML
Model
ML Framework
incl. Pretrained
Models
Chosen
Model
3D-
Data
Iterate for
best model
API
On
device
?

7. Klassifizierung der KI Optionen
Aus Entwicklersicht
€€€€€€ €€
• beliebig trainierbar
• hoher Datenbedarf
Individuell wählbarer
Technologie-Stack
„As-is“-Technologie„As-is“-Technologie
• nicht trainierbar
• kein Datenbedarf
• anwendungsspezifisch trainierbar
• geringer Datenbedarf

8. „Erkennen“ von Produkten in Prospekten
Mobile Shopping
Google ML KIT
APIs für mobile
Anwendungsfälle
• Texterkennung
• Gesichtserkennung
• Eigenentwicklungen
Preisbeispiel
100.000
Aufrufe/Monat
= ca. $ 150
Mobiles SDK für
Machine Learning
(iOS u. Android)
Lesen von
Produktnummern
€

9. Identifizierung von unerwünschtem
Content: Erkennen von nicht
jugendfreien und freizügigen Inhalten
Upload Filter
Microsoft Cognitive
Services - Computer
Vision API
Preisbeispiel
1000 analysierte
Bilder = ca. $ 1.2
€

10. Automatisierte Auszeichnung von
Immobilienfotos
Immobilienportal
Preisbeispiel
1000 analysierte
Bilder = ca. $ 1.2
API liefert Konfidenzwert
für erkannte Sachverhalte.
Amazon Rekognition
Image ist ein mit Deep
Learning ausgestatteter
Bilderkennungsservice,
der u.a. Objekte, Szenen,
Gesichter, Text, bekannte
Persönlichkeiten und
unangemessene
Bildinhalte erkennt.
€

11. Analyse eingehender Dokumente
Robotic Process
Automation
Almato
Robots-as-a-Service
Identifikation von
Formulartypen
Almato Prepackaged
Bot „Customs“
€€
„Intelligentes“ OCR

12. Klassifikation eingehender Tickets
IT Helpdesk
Automation
€€
Proprietäre
ML-Lösung
TensorFlow

13. Erkennung von Objekten im 3D-Raum
Mobile App für
Objekterkennung
ML Model:
Object Detection
(vgl. Gluon Model Zoo)
ML Framework Gluon
€€€€€ (€€)
Datengenerierung
proprietär (Python-
Anwendung)
Labeling (Dienstleister)
SSD Single Shot
Detection

14. Quelle: Wikipedia
„Object detection is a computer technology related to computer vision
and image processing that deals with detecting instances of semantic
objects of a certain class (such as humans, buildings, or cars) in digital
images and videos.“

15. Anwendungsfall Objekterkennung
Hersteller von
Armaturen
• +1000 verschiedene
Produkte
• Servicetechniker kann
mit App Produkt
identifizieren
Vortrainierte Modelle
vielversprechend Ansatz
• Herausforderungen
Spiegelungen im
Produkt
• Für Modelltraining
mehrere 10.000 Bilder
je Produkt
• Echtdatengenerierung
mit Labeling
• Daten synthetisch
generieren (hier 3D-Modelle)
• Daten augmentieren
(während Model Training)

16. Object Detection
Quelle: IBM Watson, Machine Learning

17. Datenmanagement
• Amazon
• Appen
• Clickworker
• Defined Crowd
• Figureeight
• Labelbox
Quelle: Defined Crowd

18. Spezifität
Anwendung
Zusammenfassung: KI Szenarien
Aufwand
Text Recognition
Image Analytics
Domain-specific
Object Detection

19. christian.sauter@almato.com
+49 171 1454917