From the idea to an intelligent solution with Tallence

Im ersten Schritt analysieren wir den Status Quo. Wir schauen uns eure Prozesse im Detail an und identifizieren im Dialog mit euren Fachkräften Digitalisierungs- und Optimierungspotenziale. Die ermittelten Potenziale skizzieren wir in ersten Use Cases. Zudem prüfen wir eure Daten. Diese sind die Grundlage für Künstliche Intelligenz und entscheiden maßgeblich, wie gut der spätere Algorithmus seine Aufgaben erledigt. Daher ist es essenziell, eine eingehende Analyse aller Daten durchzuführen, die im Rahmen des Geschäftsalltags in eurem Unternehmen generiert werden. So können wir evaluieren, wie wir eure Daten in Zukunft noch effektiver zur intelligenten Automatisierung eurer Prozesse nutzen können. Neben den Daten analysieren wir ebenfalls die bestehende IT-Infrastruktur eures Unternehmens. Dies ist unabdingbar, da die zu entwickelnden Lösungen in die aktuellen Strukturen nahtlos integriert werden müssen, um den gewünschten Mehrwert zu generieren.

Die aus der Analysephase gewonnenen Erkenntnisse bilden die Grundlage für die Bewertung und Priorisierung der skizzierten Use Cases. In diesem Schritt evaluieren wir gemeinsam mit euch, an welchen Stellen eures Unternehmens Künstliche Intelligenz einen erheblichen Mehrwert leisten kann und quantifizieren den Impact möglicher Lösungen auf das laufende Geschäft. Hiermit wollen wir sicherstellen, dass Aufwand und Ertrag für die Umsetzung der KI-Lösung in einem gesunden Verhältnis stehen und der Business Value maximiert wird. Anschließend priorisieren wir die Use Cases im Hinblick auf ihr Potenzial und ihre Umsetzbarkeit. Am Ende dieser Phase steht eine Auswahl von priorisierten Use Cases fest, die für eine Umsetzung avisiert werden.

In the first step we analyse the status quo. We look at your processes in detail and identify digitalisation and optimisation potentials in close communication with your specialists. We outline the identified potentials in first use cases. We also check your data. It is the basis for Artificial Intelligence and largely determines how well the later algorithm performs its tasks. It is therefore essential to carry out an in-depth analysis of all data generated in the course of everyday business in your company. In this way, we can evaluate how we can use your data even more effectively in the future for the intelligent automation of your processes. In addition to the data, we also analyse the existing IT infrastructure of your company. This is necessary because the solutions to be developed must be seamlessly integrated into the current structures in order to generate the desired value.

The insights gained from the analysis phase form the basis for the evaluation and prioritisation of the outlined use cases. In this step, we evaluate together with you where in your company Artificial Intelligence can add significant value and quantify the impact of possible solutions on the current business. In this way, we want to ensure that the cost and return on investment for the implementation of the AI solution are in a healthy ratio and that the business value is maximised. We then prioritise the use cases in terms of their potential and feasibility. At the end of this phase, a selection of prioritised use cases is determined, which are then targeted for realisation.

Wurden im vorigen Schritt noch Use Cases skizziert, geht es nun darum, ein detailliertes Konzept für die Umsetzung der ausgewählten Lösungen auszuarbeiten. Am Anfang dieser Phase steht die Anforderungsaufnahme. Im Rahmen von Anforderungsworkshops mit den relevanten Stakeholdern ermitteln wir, welche Funktionen die neue Software bieten soll und welche Qualitätsmaßstäbe zugrunde gelegt werden. Die Anforderungen werden über die Workshops hinweg verfeinert, abgestimmt und münden in einer Spezifikation. Die Anforderungen geben ebenfalls Aufschluss darüber, welche Daten für das neue System von Relevanz sind und in welcher Form diese für eine optimale Nutzung vorliegen müssen. Ein erster Proof of Concept, den wir mit eurer Unterstützung erstellen, gibt hier bereits einen Ausblick auf die spätere Lösung. Wir testen hiermit im Allgemeinen die Umsetzbarkeit der avisierten Lösung, indem wir ausgewählte Anforderungen umsetzen und validieren. Die daraus gewonnenen Erkenntnisse dienen als Input für das Lösungskonzept, welches die Ausgangsbasis für die darauffolgende Aufbereitung der Datengrundlage und Umsetzung der Lösung bildet.

While use cases were outlined in the previous step, the task now is to work out a detailed concept for the realisation of the selected solutions. At the beginning of this phase stands the requirements analysis. In requirements workshops with the relevant stakeholders, we determine which functions the new software should offer and which quality standards are to be applied. The requirements are refined and reconciled over the course of the workshops and result in a specification. The requirements also provide information about which data is relevant for the new system and in what form it must be available for optimal use. An initial proof of concept, which we will develop with your support, already gives an outlook on the future solution. We hereby test the general feasibility of the envisaged solution by implementing and validating selected requirements. The knowledge gained from this serves as an input for the solution concept, which forms the starting point for the subsequent preparation of the data basis and development of the solution.

Auch wenn bereits viele Datentöpfe in eurem Unternehmen vorhanden sind, kann es sein, dass diese noch nicht die Form und Qualität haben, um die Use Cases optimal umzusetzen. So werden in dieser Phase u.a. verschiedene Quellen in ein einheitliches Format gebracht und fehlerhafte sowie inkonsistente Daten korrigiert. Hierbei werden ebenfalls notwendige Schnittstellen zu Bestandssystemen identifiziert. Natürlich unterstützen wir euch auch gerne dabei, eure Datenspeicher auf einen moderneren Stand zu bringen und diese zu optimieren bspw. durch die Anlage eines Data Lakes. Ein Konzept zur Auswahl und Generierung passender aktueller Trainings- und Testdaten gehört ebenfalls zu den Endprodukten dieser Phase. Dabei haben wir stets ein besonderes Augenmerk auf die Einhaltung der höchsten Datenschutzstandards.

Even if there are already many data pots in your company, it is possible that they do not yet have the form and quality to implement the use cases optimally. In this phase, among other things, different data sources are brought into a consistent format and incorrect or inconsistent data is corrected. This also involves identifying necessary interfaces to existing systems. Of course, we are also happy to support you in bringing your data storage systems up to a more modern standard and to optimise them, for example by creating a data lake. A concept for the selection and generation of suitable current training and test data is also one of the end products of this phase. In this process, we always pay special attention to compliance with the highest data protection standards.

Dieser Schritt besteht aus zwei eng miteinander verknüpften Phasen, die sich in einer Art Kreislauf bis zum fertigen Modell hin abwechseln. In der ersten Phase (5a) wird ein grundsätzliches Modell entwickelt oder ein bestehendes Modell verbessert. Im Anschluss wird in der nächsten Phase (5b) das Modell evaluiert und dessen Schwachstellen untersucht. Die gewonnenen Erkenntnisse führen dann zu einer Weiterführung der Phase 5a. Diese Feedbackschleife zwischen beiden Phasen läuft so lange, bis das Modell den Anforderungen genügende Ergebnisse liefert. Parallel wird auch die Trainingsdatengrundlage kontinuierlich optimiert, um den Prozess in der Feedbackschleife zu unterstützen.

a) Entwicklung und Optimierung der Modelle sowie Training

In diesem Schritt greifen wir in großem Maße auf unsere Vorarbeiten zurück und setzen auf unserem erstellten Proof of Concept sowie den aufbereiteten Daten auf. Ausgehend von den Konzepten werden die Machine Learning-Modelle passgenau und bereit für den Produktivbetrieb entwickelt. Im Gegensatz zu dem Proof of Concept stehen nun viel mehr die Performance und Qualität der Lösung im Vordergrund. Das initiale Training mit bereits vorhandenen Trainingsdaten ermöglicht die ersten Schritte auf dem Weg zur Lösung und eine Evaluierung der Modelle im Hinblick auf die Anforderungen des Use Cases (siehe Schritt 5b). Je nach Anwendungsfall gilt es, im Blick zu behalten, dass die Modelle auch mit tagesaktuellen Daten nachtrainiert oder sogar kontinuierlich verbessert werden können.

b) Evaluierung der Modelle

Zu der Evaluierung der Modelle gehört neben der Auswertung von verschiedenen Standardqualitätsmerkmalen (u.a. F1-Score, Accuracy, Datendurchsatz) auch die Prüfung auf typische Probleme aus dem Machine Learning-Kontext wie z.B. Overfitting (das trainierte Modell erklärt nur die Trainingsdaten aber keinen allgemeinen Fall) oder Bias (es gibt einen systematischen Fehler, der zu großen Abweichungen führt). Zusätzlich zu den Standardverfahren der Qualitätssicherung arbeiten wir Hand in Hand mit euren Experten, um die Plausibilität der Ergebnisse zu prüfen. Wir stellen euch die notwendigen Werkzeuge zur Verfügung, um auch Blackbox-Algorithmen besser zu durchleuchten. Auf diese Weise können wir die Interpretier- und Erklärbarkeit der Modelle steigern.

This step consists of two closely linked phases, which alternate in a cycle until the final model has been developed. In the first phase (5a), a basic model is developed, or an existing model is improved. Then, in the next phase (5b), the model is evaluated, and its weaknesses are examined. The insights gained then lead to a continuation of phase 5a. This feedback loop between the two phases runs until the model provides adequate results that meet the requirements. At the same time, the training data basis is continuously optimised to support the process in the feedback loop.

a) Development and optimisation of the models plus training

In this step, we build to a large extent on our preliminary work and use our proof of concept and the prepared data. Based on the concepts, the machine learning models are developed precisely and ready for productive operation. In contrast to the proof of concept, the focus is now much more on the performance and quality of the solution. The initial training with already existing training data enables the first steps on the way to the solution and an evaluation of the models with regard to the requirements of the use case (see step 5b). Depending on the use case, it is important to keep in mind that the models can also be retrained with daily updated data or even continuously improved.

b) Evaluation of the models

The evaluation of the models includes not only the evaluation of various standard quality features (e.g. F1 score, accuracy, data throughput), but also testing for typical problems from the machine learning context, such as overfitting (the trained model only explains the training data but not a general case) or bias (there is a systematic error that leads to large deviations). In addition to standard quality assurance procedures, we work hand in hand with your experts to check the plausibility of the results. We will provide you with the necessary tools to better investigate even black box algorithms. In this way we can increase the interpretability and explainability of the models.

After developing and evaluating the models, the new solution must be integrated into a productive system. It depends on the nature of the solution and the existing IT infrastructure how exactly this step is implemented.

We build independent solutions as well as modules that are deeply integrated into your system landscape and use new or existing interfaces. Our expertise in front- and back-end as well as app development allows us to provide you with optimal support in both scenarios and to ensure that the machine learning models can be used optimally for the respective application. If desired, we ensure that the models used can be continuously trained and improved with new data.

Especially when integrating into complex existing systems, both new and old components must be tested intensively with regard to their interaction.

In addition to classic integration tests, the performance of the system must also be ensured. Security aspects such as data protection and protection against DDoS attacks must be taken into account. If requested, our testing team will provide you with full support in all matters during this phase and will work out a suitable test concept with you. In cooperation with our developers and data scientists, the team will ensure that at the end of this phase you receive an optimally balanced system for productive operation.

Nach der Entwicklung und Evaluierung der Modelle muss die neue Lösung in ein Produktivsystem überführt werden. Dabei ist es abhängig von der Natur der Lösung sowie der bestehenden IT-Infrastruktur, wie genau dieser Schritt umgesetzt wird.

Wir bauen sowohl eigenständige Lösungen als auch tief in eure Systemlandschaft integrierte Module, die neu zu schaffende oder bestehende Schnittstellen nutzen. Unsere Expertise in der Front- und Back-End- sowie der App-Entwicklung erlaubt es uns, euch in beiden Szenarien optimal zu betreuen und sicherzustellen, dass die Machine Learning-Modelle optimal für den entsprechenden Anwendungsfall eingesetzt werden können. Sofern gewünscht, stellen wir sicher, dass die genutzten Modelle kontinuierlich mit neuen Daten trainiert und verbessert werden können.

Before the new solution is finally integrated into productive operations, we include a pilot phase in order to give a larger group of employees the opportunity to get to know the solution and to carry out final quality optimisations and error corrections on the basis of productive data. At the end of this phase, the final solution will be accepted by you, the customer. The solution is now ready for the Go-Live.

Gerade bei der Integration in komplexe bestehende Systeme müssen sowohl neue als auch alte Komponenten im Zusammenspiel intensiv getestet werden.

Neben klassischen Integrationstests muss ebenfalls die Performance des Systems sichergestellt werden. Dabei müssen u.a. Sicherheitsaspekte wie Datenschutz und Schutz gegen DDoS-Attacken berücksichtigt werden. Unser Testing-Team unterstützt euch in dieser Phase auf Wunsch vollumfänglich in allen Belangen und arbeitet mit euch ein passendes Testkonzept aus. Im Zusammenspiel mit unseren Entwicklern und Data Scientists sorgt das Team dafür, dass ihr am Ende dieser Phase ein optimal austariertes System für den Produktivbetrieb übergeben bekommt.

Bevor die neue Lösung endgültig in den Produktivbetrieb übernommen wird, planen wir eine Pilotierungsphase ein, um einem größeren Mitarbeiterkreis die Möglichkeit zu geben, die Lösung kennenzulernen und mit Produktivdaten letzte Qualitätsoptimierungen und Fehlerkorrekturen vorzunehmen. Am Ende dieser Phase erfolgt die Abnahme der finalen Lösung durch euch als Kunden. Einem Go-Live steht nun nichts mehr im Wege.

With the Go-Live, the solution is made available to all users and integrated into your productive business processes. Depending on your needs and the complexity of the system, we support you intensively during the first weeks of the Go-Live with tailored training courses on the new solution and are always available as a contact partner in case of problems.

Mit dem Go-Live wird die Lösung allen Nutzern zur Verfügung gestellt bzw. in eure produktiven Geschäftsabläufe eingebunden. Je nach Bedarf und Komplexität des Systems unterstützen wir euch während der ersten Wochen des Go-Lives intensiv mit speziell aufbereiten Schulungen zur neuen Lösung und stehen bei Problemen selbstverständlich als Ansprechpartner zur Verfügung.

Our support does not end with the implementation of the new software. Throughout the entire software life cycle, we continue to be available for you as a competent partner when it comes to operating, further developing and adapting the software to changing market or company conditions. We can also actively tackle the identification of further AI potential, the targeted development of solutions through to their realisation and integration with existing software in subsequent projects.

Parallel to the actual development and implementation of AI-based solutions, we support you with a change management programme tailored to your organisation. The path to Artificial Intelligence can cause uncertainty and fear on many levels of the company, as its implementation can bring about a number of changes and is often associated with the reduction of jobs. With a holistic approach, which we develop in close cooperation with you, we want to counter negative feelings in a systematic way. We rely on regular, cross-departmental communication that is tailored to the information needs of individual stakeholders. The basis for this is our well-founded expertise, which we have been able to build up during the implementation of numerous digitalisation projects in various industries. Our goal is to strengthen the acceptance of your employees towards Artificial Intelligence and to ensure a seamless integration of the developed solutions into everyday operations. In addition, we are happy to support you in adapting your existing processes, which are affected by the new technology, to future conditions and thus to fully exploit the potential created.

Unsere Unterstützung endet nicht mit der Implementierung der neuen Software. Über den gesamten Software Life Cycle hinweg stehen wir euch weiterhin als kompetenter Ansprechpartner zur Verfügung, wenn es darum geht, die Software zu betreiben, weiterzuentwickeln und an veränderte Markt- oder Unternehmensgegebenheiten anzupassen. Auch die Identifikation weiterer KI-Potenziale, die gezielte Entwicklung von Lösungen bis hin zu deren Realisierung und Integration mit bereits bestehender Software können wir gemeinsam mit euch in Folgeprojekten aktiv angehen.

Article by: Dr. Bastian Eggert, Timo Fuhrmann and Dr. Kai Matzutt

Parallel zur reinen Entwicklung und Implementierung KI-basierter Lösungen unterstützen wir euch mit einem auf eure Organisation zugeschnittenen Change Management-Programm. Der Weg zur Künstlichen Intelligenz kann auf vielen Ebenen des Unternehmens Unsicherheiten und Ängste auslösen, da ihre Einführung einige Veränderungen mit sich bringen kann und häufig mit der Reduktion von Arbeitsplätzen assoziiert wird. Mit einem ganzheitlichen Ansatz, den wir in enger Abstimmung mit euch erarbeiten, wollen wir negativen Gefühlen gezielt entgegenwirken. Wir setzen auf eine regelmäßige, abteilungsübergreifende und auf die Informationsbedürfnisse einzelner Stakeholder abgestimmte Kommunikation. Grundlage hierfür bildet unsere fundierte Expertise, die wir im Rahmen der Durchführung zahlreicher Digitalisierungsprojekte in diversen Branchen aufbauen konnten. Unser Ziel ist es, die Akzeptanz eurer Mitarbeiter gegenüber Künstlicher Intelligenz zu stärken und eine nahtlose Integration der entwickelten Lösungen in den Alltagsbetrieb sicherzustellen. Darüber hinaus unterstützen wir euch gerne dabei, eure bestehenden Prozesse, die von der neuen Technologie tangiert werden, auf die künftigen Gegebenheiten anzupassen und somit das geschaffene Potenzial vollständig auszunutzen.

Artikel von: Dr. Bastian Eggert, Timo Fuhrmann und Dr. Kai Matzutt