Freitag, September 24, 2021
Follow Us
eAward 2021: Die Nominierten der Kategorie "Machine Learning und künstliche Intelligenz"

Bilder: iStock, beigestellt

Die Nominees der Kategorie „Machine Learning und künstliche Intelligenz“ der Ausschreibung des IT-Wirtschaftspreises „eAward 2021“. Die Gewinner*innen werden im Herbst 2021 bekannt gegeben.





Nagarro GmbH, Technikum Wien
Projekt: AI4T – Advanced Intelligence for Testing

In der Softwareentwicklung ist es entscheidend, rasch hohe Softwarequalität zu gewährleisten. Dazu müssen Prozesse über den gesamten Test-Lifecycle automatisiert werden. Nagarro entwickelte dazu Advanced Intelligence for Testing (AI4T), gefördert von der österreichischen Forschungsförderungsgesellschaft. Durch die Verwendung von intelligenten Lösungen wie maschinelles Lernen werden QA-Prozesse schneller, kompakter und skalierbar. Durch Automatisierung von allen Testaktivitäten können langweilige und wiederkehrende Aufgaben für Software Tester reduziert werden. Die Reduktion des manuellen Aufwandes beschränkt sich nicht auf die klassische Testdurchführung, sondern wird auch in den Bereichen Testautomatisierungspflege, Refactoring, Analyse der Ergebnisse und anderen angewandt. Dadurch verkürzen sich Test-Cycles drastisch, ohne Abstriche bei der Qualität in Kauf nehmen zu müssen. Zudem gewinnt die Rolle des Software Testers an Attraktivität.

www.nagarro.com/AI4T und Video




IoT40 Systems, Weiße Flotte
Projekt: Digitales, prozessgesteuertes und KI-basiertes Fährensystem

IoT40 Systems entwickelte gemeinsam mit dem deutschen Fährunternehmen Weiße Flotte ein digitales, prozessgesteuertes Zugangs- und Controlling-System für Fähren. Dabei werden sämtliche Fahrzeuge bereits während der Auffahrt über ein KI-basiertes System erfasst, kategorisiert und in den entsprechenden Kategorien gezählt. Über intelligente Konnektoren sind die Steuerungsanlage der Schranken, die GPS-Systeme, die KI-Edge-Devices, das Verrechnungssystem und das Monitoring-System sowie die Hafen-IT mit Caberra, einem wissensbasiertem Cloudserver, verbunden. Kapitän, Bordmannschaft und Controlling haben entsprechend verschiedene Monitoring-Möglichkeiten – so weiß der Kapitän über dieses System zu jeden Zeitpunkt wie viele Fahrzeuge sich an Bord befinden und wie viele Fahrzeuge noch nicht verrechnet worden sind. Dieses System wird nicht nur von der Weißen Flotte im 24/7-Einsatz betrieben, sondern demnächst auch von deren Mutter FRS Gruppe eingesetzt.

www.iot40systems.com , www.weisse-flotte.de und Video




Conbrain Solutions GmbH
Projekt: EARLY BIRD

Mit dem Risikomanagement-System EARLY BIRD können Projektkrisen mit Hilfe von künstlicher Intelligenz bereits bei ihrer Entstehung erkannt werden. Das gibt dem Projektmanagement die Gelegenheit, rechtzeitig einzugreifen und Gegensteuerungsmaßnahmen einzuleiten. Denn je früher eingegriffen wird, desto geringer sind die Auswirkungen auf das Projekt. Das „digitale Rauschen“ bei Projekten sind heutzutage alle Dokumente, die mittels einer Projektplattform oder -server ausgetauscht werden, wie Pläne, E-Mails, Aufträge, Angebote, Protokolle, AGBs und vieles mehr. Das System erkennt in diesem digitalen Rauschen von Projekten mittels Annotatoren und der künstlichen Intelligenz das frühe Entstehen von Projektkrisen. Das Ergebnis sind acht Risikocluster, die bereits bei Einzelereignissen eine Risikobewertung durchführen. Durch einfachste Navigation werden die relevanten Dokumente und Datensätze angezeigt und stehen zur Beurteilung den Projektverantwortlichen zur Verfügung.

www.conbrain.solutions und Video




ELOQAI GmbH, Diagnosezentrum Meidling
Projekt: ELOQAI – Künstliche Intelligenz ermöglicht Terminbuchung beim Arzt

ELOQAI entwickelt mittels künstlicher Intelligenz ein Anmeldeportal im medizinischen Bereich. Mit der Lösung ist es erstmals möglich, vollautomatisiert Arzttermine zu vereinbaren („Hallo ich brauche einen Termin für ein MRT der Schulter“, sie zu stornieren oder umzubuchen. Die Kommunikation erfolgt über „ELOQAI Telefonie“ oder „ELOQAI Webchat“ via Homepage. ELOQAI wurde erstmals für das Fach Radiologie entwickelt, ist aber in allen medizinischen Fachgebieten nach entsprechender Adaptierung einsetzbar.  Die Radiologie hat mit mehreren hundert verschiedenen Terminarten ein komplexes Terminmanagement. Die Terminarten sind eine Kombination des Geräts – Röntgen, Ultraschall, Computertomographie und Magnetresonanztomographie – und andererseits der Körperregion, die untersucht wird. Mit der Lösung wird die korrekte Terminart erkannt, ein Termin gefunden, das passende Gerät eingeplant und den Patient*innen alle nötigen Informationen übermittelt.

www.eloqai.com


VRVis Zentrum für Virtual Reality und Visualisierung Forschungs-GmbH, GFA Healthcare
Projekt: Interpretierende Künstliche Intelligenz stärkt Vertrauen in computergestützte Diagnosen           

Die Radiologie des 21.Jahrhunderts greift immer mehr auf digitale Werkzeuge zurück, um Workflows in Krankenhäusern zu beschleunigen und Ärzt*innen durch den Einsatz maschineller Methoden zur Aus- und Bewertung von Bildaufnahmen in ihrem medizinischen Alltag zu unterstützen. Eine Herausforderung war hier bislang die fehlende Nachvollziehbarkeit der Entscheidungsprozesse von eingesetzten KI-Systemen, das sogenannte Black-Box-Problem, was gerade in der Medizin einen Risikofaktor darstellt. Um einen Blick in die Entscheidungsfindung der KI-Modelle zu gewähren und diese für den Menschen transparent zu machen, beschäftigt sich das COMET-Kompetenzzentrum VRVis mit interpretierbarer künstlicher Intelligenz („Explainable AI“). VRVis entwickelte eine Lösung für ein besseres Verständnis von bildverarbeitenden KI-Systemen der Medizin. Die VRVis-Methode ist generell anwendbar auf alle aktuellen KI-Algorithmen zur Klassifikation medizinischer Bilder und macht KI-Entscheidungen nicht nur sicht- und nachvollziehbar, sondern auch präziser und effizienter.

www.vrvis.at/news-events/news/interpretierende-kuenstliche-intelligenz-staerkt-vertrauen-in-computergestuetzte-diagnosen




Bild: Projektmanagerin Raphaela Huber und Machine-Learning-Spezialist Andreas Mitterecker sind bei Humanomed IT Solutions federführend an der Umsetzung des KI-Agenten Netwon beteiligt.

Humanomed IT Solutions GmbH, Privatklinik Maria Hilf GmbH
Projekt: KI Agent Newton

Das Personal im modernen Gesundheitswesen ist im Arbeitsalltag mit einem hohen bürokratischen Aufwand sowie mit ineffizienten Arbeitsabläufen konfrontiert. Die Folge davon sind häufig Überlastung, Unzufriedenheit und weniger direkter Patientenkontakt. Künstliche Intelligenz kann hier einen wichtigen Beitrag für die Verbesserung dieser Situation leisten. Aus diesem Grund wurde der KI Agent Newton für das moderne Krankenhausinformationssystem „ebody“ ins Leben gerufen. Die Entwicklung und der Vertrieb der Software finden innerhalb der Humanomed-Gruppe statt, welche auch zwei Krankenhäuser umfasst. Aufgrund dessen steht das Softwarehaus im ständigen und engen Kontakt mit dem medizinischen Personal und kann somit direkt auf deren Wünsche und Bedürfnisse eingehen. Im Rahmen dieses Projektes wurde unter anderem ein Vorhersagemodell für die Aufenthaltsdauer entwickelt, Anamnesebögen klassifiziert und in ein klinisches Dashboard integriert.

www.ebody.at




Fabasoft International Services GmbH
Projekt: Künstliche Intelligenz im Vertragsmanagement

Als wesentliche Komponente wirtschaftlichen Erfolgs setzen zahlreiche Unternehmen auf die Digitalisierung ihrer Geschäftsprozesse. Dabei gilt es, hohe Standards bezüglich Transparenz, Risikomanagement und (Rechts-)Sicherheit umzusetzen. Besonders im Vertragsmanagement spielen zudem schnelle Entscheidungen, ein jederzeitiger Zugriff auf zentral gespeicherte Dokumente sowie ein kompakter Überblick eine bedeutende Rolle. Fabasoft Contracts erfüllt all diese Anforderungen. Die KI-basierte Vertragsmanagementsoftware ist eine Entwicklung von Fabasoft und ihrem Tochterunternehmen Mindbreeze, dem international führenden Anbieter von Appliances und Cloud-Services für Enterprise Search und angewandte künstliche Intelligenz. Neben flexibel definierbaren Prozessen gestalten intelligente Features wie das automatisierte Auslesen und Klassifizieren von Daten den gesamten Vertragslebenszyklus effizienter sowie transparenter und erhöhen die Wettbewerbsfähigkeit von Unternehmen signifikant.

www.fabasoft.com/de/produkte/fabasoft-contracts und Video




ONTEC AG
Projekt: LAMaLearner (Log Analysis Maschine Learner)

Die KI „LAMaLearner“ automatisiert personalintensive Arbeitsschritte für Log-Management und SIEM („Security Information and Event Management“). Sie analysiert und interpretiert von verschiedenen Netzwerk-Komponenten erzeugte Log-Files und wandelt sie in Datenbankeinträge um, aus denen sie Cluster erzeugt und Muster ableitet. Erkennt die Lösung Anomalien, wird Alarm ausgelöst. So können Vorfälle nachvollzogen und Fehler in Echtzeit am laufenden System erkannt werden. Der LAMaLearner entwickelt sich stetig weiter, indem sich die KI selbst testet und anpasst. Um diesen Prozess zusätzlich zu unterstützen, können die User Feedback geben. Da Log-Files aus vielen unterschiedlichen Quellen kommen, können diese heterogenen Daten nicht fehlerfrei durch klassische Software analysiert werden. Dieses Anwendungsgebiet ist daher für den Einsatz von KI besonders gut geeignet. Durch seine Ausführung als erklärbare KI ist es nachhaltig und zukunftssicher.

www.ontec.at/ai-projekte und Video




Bild: Markus Morasek, Günther Doppelbauer, Dana Jomar, IT-PS-Geschäftsführer Klaus Haderer, Ingo Nader, Clemens Zauchner und Sebastian Rom bilden das Projektteam "Trinity Performance Monitor".

IT-Power Services GmbH, STRABAG BRVZ GmbH, LKW WALTER Internationale Transportorganisation AG
Projekt: Trinity Performance Monitor Smart Alerts

Machine Learning hat inzwischen im IT-Alltag einen Platz gefunden. Ein gutes Beispiel ist der Trinity Performance Monitor, der mit End-to-End-Überwachung komplexer IT-Landschaften jeder Größe derzeit einzigartig am Markt ist. Denn bei der Überwachung von Infrastrukturen ist es entscheidend, den Normalzustand des Systems von problematischen Ereignissen, die möglicherweise Eingriffe erfordern, unterscheiden zu können. Je größer die betrachtete Systemlandschaft ist, desto wünschenswerter ist es, dabei einen hohen Automatisierungsgrad zu erreichen. In der neuesten Version hat IT-PS Machine Learning zur Anomalieerkennung als festen Bestandteil in den Trinity Performance Monitor integriert. Trinity sammelt und speichert eine Vielzahl von Metriken – vom externen Speicher über die SAN und Virtualisierungsumgebung, bis zum virtualisierten Server-Betriebssystem – und stellt die Werte in einer benutzerfreundlichen Weboberfläche grafisch dar.

www.it-ps.at/software

Log in or Sign up