Projektziele: Zentraler Kern des Projekts FLEIS ist die Erkennung und proaktive Abwehr von digitalen Bedrohungen.

Aufgaben:

• Erstellung Antragskonzept und Anforderungsanalyse
• Teamführung des Data Science Teams
• interner Wissensaufbau
• Design und System-Architektur, Datenintegration
• ML Pipelines mit individuell designten KI-Modellen
• Machine Learning DevOps und CI/CD
• Aufbau KI-Stack und KI-Pipeline
• Explainable AI (Einflussgrößen und Prognose)
• Projektmanagement, Teamleitung
  

Kundennutzen: Einsatz des entwickelten Prognose-Systems in Supermärkten und Bürogebäuden zur Reduktion des Energieverbrauchs.

Projektziele: Entwicklung von individuellen Vertragsbestandteilen (Dynamic Pricing bei Krediten), Transparenz über Kündigungswahrscheinlichkeiten (Customer Churn), Steigerung von Produktionen bei gleichzeitiger Reduktion von verderblicher Ware (Produktionsprognose), Optimaler Zeitpunkt von Wartungszeiten (Laufzeitanalyse)

Aufgaben:

• Presales (Kampagnen, Veranstaltungen, Sales Calls,Workshops)
• Anforderungsanalyse und Use Case
• Design und System-Architektur
• Datenintegration und Datenqualität
• Aufbau KI-Stack und KI-Pipeline (Multicloud, hybrid)
• Machine Learning DevOps und CI/CD
• Design individueller KI-Modelle
• Explainable AI (Einflussgrößen und Qualitätsoptimierung)

Kundennutzen: Berechnung des Mehrwertes derKünstlichenIntelligenzmittels ROI und Erstellung eines Prototyps

Aufgaben:

• Angebotserstellung
• Anforderungsanalyse, Pflichten-und Lastenheft
• Projektmanagement
• Design, Architektur, Konzeption
• Datenintegration und Transformation
• Datenanaylsen und -auswertungen
• Kennzahlenmodellierung (BI)

Kundennutzen: Schaffung von mehr Transparenz durch Zusammenführung bestehender Systeme und Berechnung verschiedener Kennzahlen zur Unternehmenssteuerung.