hamburg-ai-gathering-4

Am 28.03.2018 versammelte sich die Hamburger A.I. Community zum ihrem vierten Gathering im Mindspace. Wie gewohnt begrüßte Host Steve Emecz (CCO bei collectAI) die Teilnehmer mit ein paar einleitenden Worten, bevor die Speaker des Abends zur Tat schritten:

Vortrag #1 – „Experiences as an Early Etage Investor in AI“

Speaker: Stephan Uhrenbacher, Founder & CEO bei FLIO

Nachdem er Unternehmen wie Qype, 9flats.com und avocadostore.de gründete, agiert Stephan Uhrenbacher mittlerweile u.a. als Investor. In den letzten Jahren hat er nach eigenen Angaben 200 Startups aus dem Bereich der künstlichen Intelligenz besucht und lediglich in einen Bruchteil davon investiert. Seit Mitte 2016 fokussiert er seine Investments ebenfalls auf KI-Startups und richtet dabei ein besonderes Augenmerk auf den Kanadischen Markt (inbesondere auf Toronto).

In seinem Vortrag berichtete er von aufgerufenen Bewertungen in astronomischer Höhe, ging auf den Hype Cycle von 2017 ein und beleuchtete die Kanadische KI-Szene aus der Investment-Perspektive:

  • Viele Machine Learning Algorithmen wurden vor 20 Jahren an der University of Waterloo entwickelt (Geoffrey Hinton)
  • Lebhafte Startup-Szene in Waterloo, Toronto und Montreal
  • Ansässiges Creative Destruction Lab
  • Geringer aber wachsender Wettbewerb
  • Niedrige Bewertungen (noch)
  • Intakte Exit-Kanäle in die USA

Uhrenbacher vergleicht die derzeitige Kanadische Startup-Szene mit der Deutschen Szene vor den Samwer-Brüdern. Am Ende stellte er zudem einige seiner Investments vor:

  • Kyndi – KI-Services mit nachvollziehbaren Entscheidungen
  • Plantiga – Intelligente Schuh-Einlagen für Sportler und Therapie-Zwecke
  • Knote – Textanalyse-KI, die auch aus komplexen Texten Informationen extrahiert
  • ELUCID LABS – Hautkrebs- und Hautkrankheiten-Erkennung per digitaler Biopsie
  • GBatteries – Innovative Ladetechnik für Elektroautos
  • Wondereur – Price-Prediction für Kunstwerke
  • Ingu Solutions – Inspektions-Sensoren für Öl- und Gas-Pipelines
  • DarwinAI – Automatische Generierung hoch optimierter neuronaler Netzwerke und erklärbares Deep Learning

Vortrag #2 – „Managing Uncertainty in Time Series Forecasts using Probabilistic Programming“

Speaker: Florian Müller, Data Scientist bei Tchibo

Zeitreihenprognosen spielen eine wichtige Rolle in vielen Bereichen eines Unternehmens. Sie werden beispielsweise zur Vorhersage von Order-Volumen im E-Commerce genutzt. Florian Müller sprach in diesem Vortrag darüber, wie man mit Unsicherheiten umgehen kann, die eine solche Prognose unvorhersehbar beeinflussen können.

In diesem Zuge wird auch Prophet vorgestellt. Dabei handelt es sich um ein Verfahren zur Vorhersage von Zeitreihendaten. Es basiert auf einem additiven Modell, in dem nichtlineare Trends mit der jährlichen und wöchentlichen Saisonalität und Ferien kombiniert werden. Es funktioniert am besten mit täglichen Periodizitätsdaten mit historischen Daten von mindestens einem Jahr. Prophet ist widerstandsfähig gegenüber fehlenden Daten, Trendverschiebungen und großen Ausreißern.

Vortrag #3 – „Understanding Consumer Journeys with RNNs“

Speaker: Matthias Rettenmeier, Chief Data Scientist bei Zalando adtech lab

Wie können die Nutzer des Zalando-Webshops besser mit den darauf vorhandenen Marken verbunden werden? Die Frage bildet die Ausgangsbasis für den Vortrag des CDS des Zalando adtech lab Matthias Rettenmeier. Sein Lösungsansatz besteht aus einem Konstrukt von Recurrent Neural Networks (Rekurrente Netze). Diese werden in Phase 1 zunächst in einem „Basic-Model“ arrangiert und verbinden Nutzer-Aktionen mit Brand-Sales einer einzelnen Marke.

Um eine ganzheitliche Betrachtung der Zalando-Platform zu gewähren, reicht das Basic Model jedoch nicht aus, weshalb es in Phase 2 zu einem Multi Brand Model erweitert wurde. Da es jedoch auch Warenkörbe mit mehreren Brands gibt, musste in Phase 3 ein Cross Brand Model entwickelt werden, dass diesen Case abbilden kann.

Zugehöriges Paper mit einer detaillierter Beschreibung der Herangehensweise: Understanding Consumer Behavior with Recurrent Neural Networks – Tobias Lang, Matthias Rettenmeier (PDF)

AI-Challenge – „Contract Information Extraction“

Speaker: Jan Erik Herrmann, Machine Learning Engineer bei Lufthansa Global Business Services

Beim vierten Hamburg AI Gathering wurde erstmals ein neues Format – die „AI Challenge“ – eingeführt. Die Idee: eine konkrete Problemstellung aus dem Geschäftsalltag wird dem Publikum in einer kurzen Präsentation vorgestellt, um im Anschluss von ebendiesem Lösungsansätze zu erhalten.

Die erste Herausforderung stellte Jan-Erik Herrmann: Die Lufthansa Global Business Services steht vor dem Problem, Strafregeln aus 2.300 eingescannten Verträgen mit Zulieferern extrahieren zu müssen. Die Besonderheit besteht darin, dass die Formulierungen nicht einheitlich sind und teilweise ähnliche Formulierungen auch verwendet werden, obwohl es sich nicht um eine Strafregel handelt.


Das nächste Hamburg AI Gathering findet am 27.06.2018 statt – Details dazu findest du auf unserer KI-Eventübersicht.