Machine Learning.

Machine Learning setzt dort an, wo sich eine Einschätzung nicht als Regel formulieren lässt, wohl aber aus der Historie lernen. Wir trainieren Modelle, die Muster in Ihren vergangenen Fällen erkennen und auf neue übertragen: Klassifikation und Bewertung, Erkennung von Anomalien und Ausschuss, Segmentierung, Ähnlichkeitssuche. Das gilt auch dann, wenn die Eingangsdaten nicht als saubere Tabelle vorliegen, etwa Geometrien und CAD-Dateien, Bilder, Sensorverläufe oder Freitext. Anders als bei Prediction geht es nicht um die Entwicklung einer Größe über die Zeit, sondern um die Frage, was für diesen einen konkreten Fall zu erwarten ist. Und weil ein Modell erst im Betrieb Wert schafft, gehört der Lebenszyklus dazu: Trainingsdaten, Validierung gegen die bisherige Praxis, Integration und Nachtrainieren.