Technologie 丨 Wie wir arbeiten

Image

"Wir bei Fact AI nutzen Technologie dazu, Künstliche Intelligenz als Werkzeuge für Menschen und Unternehmen nutzbar zu machen. So wie bei unserem selbstlernenden KI-Modul, dem digitalen und automatisierten Online-Berater Fact Advisor, der Web-Visitors inspiriert, ihnen bessere Vorschläge macht und ein höheres Sicherheitsgefühl vermittelt."

Arnold Keller, CTO Fact AI
Image

Fact Advisor: der KI-basierte Online-Berater

Image

Sie wollen mehr 


Zum Fact Advisor
fact ai advisor künstliche intelligenz ki monitor handshake

Fact Data Cleaner
Bessere Stammdaten – schnell & einfach



Unschlagbare Vorteile


Jetzt erleben


fact ai ki köpfe digital

Wir entwickeln Software as a Service (SaaS) im KI-Umfeld, also Artificial Intelligence as a Service (AIaaS). Wir helfen Unternehmen dabei, ihr Know-how und Expertenwissen in automatisierten Anwendungen verfügbar zu machen, ihren Digitalisierungsgrad zu erhöhen und ihr Potenzial voll auszuschöpfen, auch ohne AI-Experte zu sein.

Die digitale Transformation nimmt Fahrt auf, neue Geschäftsmodelle und Wertschöpfungsketten entstehen, Innovationszyklen werden beschleunigt. Das steigert den Umsatz, neue Marktanteile werden erobert. 

Unsere Lösungen beschleunigen den digitalen Wandel in Unternehmen und lassen sie agil, flexibel und proaktiv auf die disruptive Umwelt reagieren.

Wir legen Wert auf eine vertrauenswürdige KI und hohe DSGVO-Standards. Unser Hosting Provider und somit alle verwendeten Server befinden sich ausschließlich in Deutschland, womit die Daten in der EU bleiben.


fact ai ki kopf digital saas

KI-Lösung: Guided Selling


Image
Image

Setup ⟹


  • Matchmaking & Konzept: Wir nehmen uns die Zeit, ein Konzept auszuarbeiten, das Ihre Ansprüche voll und ganz erfüllt.
  • Data Aggregation: Auch wenn Daten in jedem Projekt anders aussehen: Wir holen aus Ihren Daten das volle Potenzial heraus, damit Ihre Guided Selling Solution ein Erfolg wird.
  • Interface: Wir entwickeln eine innovative und responsive Schnittstelle, die auf den neuesten Web-Technologien basiert. Dazu integrieren wir sie in jedes vorhandene Interface unter Verwendung der KI über eine REST-API (auch bekannt als RESTful API).

  • AI-Training: Die KI ist ein selbstlernendes System und wird mit Hilfe von historischen Daten, Trainingsbeispielen oder durch reinforcement learning (bestärkendes oder verstärkendes Lernen) trainiert. KI Vorhersagen bzw. Predictions werden oft mit Regeln oder Filtern kombiniert, z.B. Preisspanne.

⟹ Continuous ⟹


  • AI as a Service (AIaaS): Machen Sie sich keine Sorgen wegen zu hohen Kosten / Ressourcen oder einer zu hohen Komplexität. Unsere einfach zu implementierende und bedienende KI-Lösung ist sofort nutzbar und hoch skalierbar, passt sich flexibel an, lernt selbst dazu und arbeitet vollautomatisch.
  • Analyse Performance: Für jede Lösung zur Verkaufsoptimierung ist es sehr wichtig, eine intelligente Datenanalyse sicherzustellen, die KPIs zu messen und zu steuern sowie zukünftige Maßnahmen dementsprechend umzusetzen. Unsere Guided Selling Solution generiert zudem User Insights, die zu einer stärkeren Business Intelligence beitragen.

  • AI-Fine-Tuning: Basierend auf den Ergebnissen der Performance-Analyse wird die Künstliche Intelligenz optimiert und abgestimmt. Bestehende Ziele werden somit schneller erreicht oder sogar übertroffen, neue Ziele können definiert werden.



KI-Lösungen in der Produktion

Image
facr advisor einfach 2 zeilen code

Automatische Produktion


Losgröße 1. Nettes Ziel. Aber wie er­rei­chen? Künstliche In­tel­li­genz stellt ein ideales Binde­glied zwi­schen in­di­vi­duellen Kunden­pro­filen und ein­zig­ar­tigen Pro­dukten dar. Unsere Lö­sungen sind z.B. beim Ski-Her­stel­ler ORIGINAL+ im Ein­satz, um Pro­dukte zu er­zeu­gen, die genau an die bio­met­ri­schen De­tails der Nutzer an­ge­passt sind. Die KI übernimmt kom­plexe Be­rech­nu­ngen, um ein Pro­dukt in­di­vi­duell auf die Customer anzupassen -> die Pro­duk­tions­kosten sinken um mehr als die Hälf­te.

Kontaktieren Sie uns jetzt
fact advisor online berater

Lernende Produktion


Schnelle Reaktionen auf Änderungen sind eine Grund­voraus­setzung für eine ef­fi­zien­te Produktion. Erfahrene Mitarbeiter wissen, wie sie auf Än­de­ru­ngen rea­gie­ren müssen, welche Ein­stel­lu­ngen der Ma­schine gerade jetzt die besten Re­sul­ta­te bri­ngen und Feh­ler vermeiden. Die Künstliche Intelligenz lernt dies, indem Sensordaten, Ein­stel­lu­ngen der Ma­schi­nen und Er­geb­nisse der Qua­li­täts­kon­trolle ein­ge­speist werden. Die KI lernt von ihren Mit­ar­bei­tern und schlägt op­ti­male Ein­stellungen vor.


Jetzt anrufen oder schreiben
fact advisor startseite produktseite onlineshop

Predictive Maintenance


 Unmengen an Sen­sor­daten verkümmern in Logfiles, die sich keiner freiwillig anschaut? Produktionsstopps & Aus­fall­zei­ten sind nicht vorhersehbar? Warten auf Ser­vice­tech­niker? Unsere intelligenten Algo­rith­men bestimmen den op­ti­malen War­tungs­plan, fin­den automatisch Auf­fäl­lig­kei­ten in den Sensorda­ten und reagieren in Echt­zeit. Unsere KI lernt von historischen Daten und geht schnellst­mög­lich pro­duk­tiv. Jeder Daten­punkt trägt zur Qua­li­täts­si­che­rung un­se­rer selbst­ler­nen­den KI bei.


Wir freuen uns auf ein Gespräch

Angewandte KI-Methoden


Deep Learning

fact ai deep learning waterfallWir bei Fact AI lieben tiefe neuronale Netze / Deep Neural Networks (DNNs) und nutzen sie für Feature Generation und Classification. Unsere state-of-the-art DNNs erstellen während der Feature Generation angereicherte und kompakte Fingerprints von Produkten oder Services. Diese Fingerprints – quasi die DNA eines Produkts – werden anschließend für weitere Machine Learning Anwendungen benutzt, wie z.B. Segmentierung oder Klassifizierung. Eine Beispiel-Anwendung ist die Abgleichung von Produkt-Fingerprints mit Kundenwünschen. 


Anomalie-Erkennung
Outlier Detection

fact ai anomaly detection outlierMit Anomalieerkennung (Outlier Detection) oder auch Ausreißererkennung, z.B. durch Autoencoder oder Methoden wie one-class classification (OCC) können untypische und auffällige Datensätze oder Messwerte identifiziert werden, jenseits von konformem, erwartetem Verhalten. Dadurch sind Rückschlüsse auf Fehler oder Probleme möglich, z.B. bei einer industriellen Produktionsanlage. Wird eine riesige, fehlerfreie Datenmenge durch maschinelles Lernen analysiert, können essenzielle Charakteristiken extrahiert werden. Während der Produktion erkennt das Modell dann Auffälligkeiten bzw. anormale Muster und lernt diese während des Trainings eigenständig kennen. Darum entfallen vordefinierte Regeln.


Natural Language Processing (NLP)
Verarbeitung natürlicher Sprache

Unternehmen haben oft mit riesigen, unstrukturierten Mengen an Textdaten zu kämpfen, die von vielen unterschiedlichen Stakeholdern erstellt werden. Doch wie bewältigt man dieses Sammelsurium an quantitativen, unternehmensbezogenen Informationen? Zusammen mit der FH Salzburg University of Applied Sciences haben wir ein intelligentes Tool entwickelt, das state-of-the-art  Technologien, wie z.B. Recurrent Neural Networks (RNN), mit einer Natural Language Processing (NLP) Engine kombiniert. Es sammelt und speichert produktbezogene Onlinedaten z.B. mittels Information Retrieval (IR), extrahiert Metadaten und übernimmt die Aspect-based Sentiment Analysis (ABSA) sowie die Topic Analysis / Topic Detection. Dank unseres Fachwissens im NLP Feld und im Text Mining sind wir in der Lage, Textdaten jederzeit während der Feature Generation zu inkludieren. Damit stellen wir sicher, dass  wertvolle Informationen in unstrukturierten Formaten wie Fließtexten nicht verloren gehen.

Image

Kooperationen & Tech Stack

Als gut ausgerüstetes und wachsendes Unternehmen bringen wir ein Netzwerk von Experten und Partnerunternehmen mit in dein Projekt: Saltcreek, Seibl IT und König Engineering (Softwareentwicklung) sowie die FH Salzburg (Fachhochschule).


fact ai team emanuel schattauer arnold keller martin schnöll
fact ai team emanuel schattauer arnold keller martin schnöll

Technologisch verknüpfen wir z.B. beim Fact Advisor Feedforward Neural Networks, Autoencoder und Expertensysteme. Dies ergibt ein Deep Learning System mit einem sehr generischen Einsatz ohne viel nachträglicher Hyperparameter-Optimierungen. So kann das System rasch für individuelle Beratungslösungen trainiert werden. Wir setzen weitgehend auf Open Source Software, wie Deeplearning4j, Spring Framework und OpenJDK, und nutzen offene Standards.