Kompensation von Fehlern in Signalisierungsdaten durch Bewertbar-Machung der Relevanz mit alterativer Messung (Google Wartezeiten). Aus der Not der Datenbeschaffung geboren wurde der Ansatz mit einfach Mitteln eine Datenbeschaffung für Common Data /Frequent Data Nutzung zu realisieren.

In diesem Beitrag stellen wir eine Künstliche Intelligenz Anwendung zum Thema Informationsextraktion unter dem Paradigma von geringen Trainingsdaten vor. Im konkreten Fall wurden Daten (Angebote, Dokumente, Fotos, eMails) aus der Immobilienbranche verarbeitet. Die vorgestellte Lösung lässt sich aber ebenso für beliebig andere Informationen aus völlig anderen Branchen mit geringem Aufwand anlernen und einsetzen.

Wir setzen Transfer Learning mit ULMFiT vor allem für unsere Informationsextraktionslösungen ein. Der wesentliche Vorteil ist die geringe Datenmenge, die zum Trainieren des Deep Learning Models notwendig ist. Transfer Learning ist heute eine der wichtigsten eingesetzten Techniken in Deep Learning Anwendungen. Es geht dabei um die Übertragung gelernten Wissens von einem allgemeinen zu einem spezialisierten AI Modell.

Ablegen eines Dokuments. Wir zeigen mit diesem Projekt, dass es möglich ist, Dokumente unterschiedlichster Herkunft und Type aus einem Ablagebestand in einem Sekretariat (Vorgabe zu Ablage) zu erlernen und auf neue Dokumente anzuwenden.

Koppelung zwischen SAP und BIM System. Wir schaffen jene Genauigkeit im DIN-Buchungsschlüssel im Bauinformations-System die es benötigt, ausgehend von einer Generalunternehmer-Rechnung.