Unser Zugang ist “hands on” und praxisorientiert, wir glauben die richtige Mischung aus ausreichender Präzision und vorhandener Leistbarkeit der Dienstleistung anlegen zu können. Es haben sich mittlerweile mehrere Dienstleistungsprojekte mit für uns nicht typischen Kunden ergeben (Holzindustrie, Stahlindustrie, Entsorgungsbranche, Drahterzeugung, Betonindustrie), die wir ins Zeitalter des Deep Learning begleiten. Es geht im Grunde genommen zunächst um Prozesse, bei denen mittels Bilddatenvergleichen gleicher Szenerien vollautomatisiertes Qualitätsmonitoring betrieben werden könnte. Im Prinzip funktionieren die eingesetzten Architekturen aber auch mit vielen anderen Datensätzen. Auch damit beschäftigen wir uns nunmehr und sind über “RNN” (Recurrent Neural Networks) und “GAN” (Generative Adversarial Networks) genau in dieses Metier vorgestoßen. Dabei geht es um das Auslesen von Maschinen- und mannigfaltigen Sensordaten, um Anomaly Detection auf Datenbasis betreiben und letztlich Forecasts zu aufkommenden Fehlern abgeben zu können.