Data Science

IT-PS bietet Beratung, Umsetzung und Wissenstransfer in Sachen Data Science.

Mit Data Science gelingt es Ihnen, aus großen Datenmengen wichtige Informationen zu ziehen, die Ihrem Unternehmen zum entscheidenden Vorteil gegenüber Mitbewerbern verhelfen können. Erfahrene Data Scientists leiten aus den in Ihrem Unternehmen vorhandenen Daten Handlungsempfehlungen ab, die Ihnen helfen, Ihr Unternehmen effizienter aufzustellen. Data Science hilft Ihnen zum Beispiel auch dabei, Maschinen und Anlagen proaktiv zu warten und Störungen zu vermeiden (Predictive Maintenance, vorausschauende Wartung). Mit Hilfe der so genannten Predictive Analytics (vorausschauende Analyse) ist es möglich, künftige Ereignisse aufgrund historischer Daten vorherzusagen.

Deep Learning, Machine Learning und Artificial Intelligence (AI) sind längst in der Realität angekommen und bilden das Herzstück jedes Unternehmens, das die Digitalisierung ernst nimmt und als Chance begreift. Neuronales Lernen findet nicht mehr nur im menschlichen Gehirn statt, sondern gehört als künstliches neuronales Lernen auch ins Erfolgskonzept eines datengesteuerten Unternehmens. Neuronale Netze und Künstliche Intelligenz (KI) sind zukunftsfähige, neue Ansätze für Ihre Unternehmensstrategie.

IT-PS berät und unterstützt Sie in jeglicher Phase Ihres Projekts: Wir analysieren das Data-Science-Potenzial Ihres Unternehmens, setzen das Projekt mit Ihnen um oder beraten Sie bei der Umsetzung. Und wir sind dabei, wenn es darum geht, das Know-how innerhalb Ihres Unternehmens zu etablieren. Als österreichisches IT-Systemhaus behalten wir dabei aber auch die strengen Regeln der europäischen Datenschutzgrundverordnung (DSGVO) im Auge und handeln stets im Einklang mit dieser.

Beratung

Strategieworkshop Data und AI

Unser Strategieworkshop Data & AI stellt den ersten Schritt für einen erfolgreichen Weg in die Welt der Daten, Machine Learning und AI für Ihr Unternehmen dar. Hier lernt das Management die wichtigsten Grundlagen von Data Science sowie die Möglichkeiten von Data & AI in ihrer Branche kennen.

Ebenso wird behandelt, wie Sie das Thema am besten organisatorisch verankern und so erfolgreich den Weg in Richtung datengetriebenes Unternehmen einschlagen können.

Fortschritt in dieser Phase:

  • Verankern Sie grundlegendes Know-How im Management
  • Entwickeln Sie eine Data- & AI-Strategie für Ihr Unternehmen
  • Planen Sie ihre ersten Schritte

Use-Case Roadmap Workshop

Der Use-Case Roadmap Workshop bildet einen wichtigen Baustein für eine erfolgreiche Data & AI-Strategie Ihres Unternehmens.

In diesem Workshop werden die Erkenntnisse aus den Strategieworkshop Data & AI auf eine operative Ebene übertragen und daraus eine priorisierte Liste von Projekten bzw. Use-Cases abgeleitet, die fortan als Roadmap für die unternehmenseigene Strategie dienen kann.

Hier erfahren Ihre Mitarbeiter, wie Data Science funktioniert und wie Sie Ihre Unternehmensdaten auf neue Weise nutzen können. Wir identifizieren mit Ihnen mögliche Anwendungsfälle, bewerten sie und helfen Ihnen bei der Entscheidung, welche Cases Priorität haben. Auf diese Weise halten Sie schon nach kurzer Zeit einen soliden Plan in der Hand, von dem aus Sie weitere sinnvolle Schritte setzen können.

Fortschritt in dieser Phase:

  • Ein strukturierter Kreativprozess, um Use Cases in Ihrem Unternehmen zu finden
  • Bewertung der gefundenen Use Cases nach praxiserprobten Kriterien
  • Erstellung eines Use Case Kataloges für Ihr Unternehmen
  • Roadmap mit priorisierten Use Cases

Kontaktieren Sie uns für ein unverbindliches Gespräch!

Wissenstransfer

Ausbildung

Am Arbeitsmarkt sind Data Scientisten sehr gefragt und oft schwer zu bekommen. Daher gehen Unternehmen den Weg, bestehendes Personal, zum Beispiel aus Controlling oder IT, auszubilden. Wir schulen Ihre Mitarbeiter*innen direkt an realen und relevanten Use Cases, die wir gemeinsam mit Ihren Mitarbeitern*innen umsetzen. So lernen Sie, wie konkrete und unternehmensrelevante Fragestellungen identifiziert, konzipiert, geplant und umgesetzt werden, und das Wissen geht in Ihr Unternehmen über.

Coaching und Peer Review

Wenn ihr Data Science Team bereits selbst Use Cases umsetzt, kann ihr Unternehmen von Coaching und Peer Review profitieren.

Coaching ist die punktuelle Begleitung von bestehenden Projektteams, um dem eigenen Data Science Team einen fachlichen Austausch mit externen Experten zu bieten. Das Forum des Coachings bietet die Möglichkeit, bestehende Lösungen zu hinterfragen, neue Ideen und Lösungsansätze zu diskutieren, und spezifische Themen genauer zu beleuchten. Coaching ermöglicht es bestehenden Teams, über den Tellerrand hinauszuschauen und durch fachlichen Austausch neue, innovative und erfolgsversprechende Ansätze im Bereich Data Science, Machine Learning und AI zu finden.

Peer Review ist speziell dafür konzipiert, laufende Projekte mit externen Fachexperten zu prüfen. Das Instrument ist aus der Wissenschaft bekannt und wird in Journalen zur Qualitätssicherung eingesetzt. Doch anders als in der Wissenschaft, ist unser Fokus darauf, gemeinsam, informell und in freundlicher Atmosphäre eine Analyse oder Teilschritte daraus zu besprechen und Feedback und Anregungen zu geben.

Coaching und Peer Review sind Formate, von denen sowohl Berufseinsteigende als auch erfahrene Personen profitieren können. Zusätzlich gibt es auch Vorteile für das Management, denn Coaching und Peer Review dienen der Qualitätssicherung von AI Projekten.

Projektumsetzung

Data Science,  Machine Learning und AI Projekte unterscheiden sich von anderen Projekten erheblich: Lösungen müssen iterativ erarbeitet werden, und zwar in enger Abstimmung mit dem Kunden und Endanwender. Dafür bieten wir ein dreistufiges Modell an.

Das Bild zeigt die drei Implementationsphasen: Konzept, Prototyp und Data product.

Konzept

Bei größeren oder komplexeren Vorhaben ist es sinnvoll, vor dem eigentlichen Start eine dedizierte Konzeptphase einzulegen.

Wir erstellen mit Ihnen in diesem Schritt ein Lösungskonzept für einen ausgewählten Use Case, in dem wir ein oder mehrere mögliche Lösungsszenarien, deren Voraussetzungen sowie die zu erwartenden Kosten, Risiken und Erfolgschancen näher beschreiben. Dabei wird auch auf mögliche organisatorische Implikationen im Unternehmen eingegangen.

Eine Definition messbarer Erfolgskriterien runden das Konzept ab und ermöglichen im Anschluss eine zielgerichtete Umsetzung eines Prototyps.

In dieser Phase...

  • entwickeln Sie ein tiefes Verständnis für den Use Case
  • erarbeiten wir die genauen Anforderungen an den einzelnen Case
  • werden mögliche Lösungsansätze mit Aufwänden, Risiken und Erfolgschancen beschrieben
  • besprechen wir datenschutzrechtliche Aspekte
  • stellen Erfolgskriterien und KPIs auf

Prototyp

Bevor eine finale Produktiv-Version umgesetzt wird, ist es sinnvoll, eine prototypische Lösung zu entwickeln, um die Eignung der Daten zur Lösung des Anwendungsfalles mit Machine Learning zu prüfen.

Nicht nur wird die notwendige Datenqualität für die Erreichung der festgelegten Erfolgskriterien in einem Prototyp überprüft, sondern es wird auch schon Rücksicht auf die architektonischen Anforderungen einer finalen Produktivumsetzung genommen.

Bereits der Prototyp wird durchgehend mit Container-Technologien umgesetzt, um später auf allen Plattformen — sei es on-premises oder in der Cloud — lauffähig zu sein.

Fortschritt in dieser Phase:

  • Datenbereinigung und -aufbereitung, Feature Engineering
  • Auswahl und Verprobung der Machine Learning Algorithmen
  • Training und Überprüfung der Modelle
  • Prototypische Visualisierung der Ergebnisse

Produkt

Nach der Umsetzung des Prototyps kann Sie IT-PS Data Science bei der Portierung der Lösung in eine produktive Umgebung unterstützen.

Fortschritt in dieser Phase:

  • Refactoring für den produktiven Einsatz
  • Deployment in skalierbare Container-Umgebungen in der Cloud und on-premises
  • Anbindung an produktive Datenquellen und Zielsysteme
  • Scheduling von Trainings- und Inferenz-Zyklen oder Streaming-Anbindung
  • Einbindung in den Sicherheits- und Compliance-Kontext des Unternehmens
  • Fertigstellung und Produktiv-Deployments von User-Interfaces und Visualisierungen

Rufen Sie uns uns! Wir beantworten gerne all Ihre Fragen!

IBM Power-Plattform

In Sachen Infrastruktur setzt unser Data-Science-Team neben den klassischen x86-Systemen seinen Fokus auf die IBM Power-Plattform sowohl unter Linux als auch AIX und IBM i. Unsere enge Zusammenarbeit mit den IBM-Labors ist einzigartig und ermöglicht es uns, die neuesten Technologien in den Bereichen Machine Learning und Deep Learning auf diesen Plattformen anzuwenden. Gemeinsam nutzen wir dabei die Synergieeffekte Ihrer bestehenden Infrastrukturen. So halten wir besonders zu Beginn Ihres Weges zum digitalen Unternehmen die Investitionskosten gering.

IT-PS Data Lab

Das IT-PS Data-Science-Team setzt seine Projekte üblicherweise mit dem IT-PS Data Lab um. Das Lab stellt für alle Plattformen* eine einheitliche Projektumgebung mit allen wichtigen Open Source Frameworks für Python und R zur Verfügung. Durch konsequenten Einsatz von Docker-Containertechnologie kann das IT-PS Data Lab sehr rasch in Kundenumgebungen on Premise oder in der Cloud aufgebaut oder im IT-PS Data Center eingesetzt werden.

Das IT-PS Data Lab integriert unterschiedliche Entwicklungsumgebungen wie RStudio Server, Jupyter Notebooks/JupyterLab und Theia IDE, was die Zusammenarbeit von Data Scientisten und Data Engineers vereinfacht. Die dabei verwendete Docker-Container-Infrastruktur bildet eine solide Ausgangsbasis, um die Datenprodukte anschließend zu produktionalisieren.

* IBM Power on Premise und in der Cloud, x86 on Premise und in der Cloud

The R logo is © 2016 The R Foundation.

You can distribute the logo under the terms of the Creative Commons Attribution-ShareAlike 4.0 International license (CC-BY-SA 4.0) or (at your option) the GNU General Public License version 2 (GPL‑2).