Roundtable

Die Zurich Gruppe Deutschland hat in den letzten Jahren stark in Big Data, Cloud und AI Technologien investiert. Was mit einer Migration eines DB2 DWHs begann, ist in einem Cloud basierten Data Lake mit angebundener ML Plattform aufgegangen. Die Big Data Grasnabeninitiative ist mittlerweile die erfolgreiche Grundlage für eine skalierbare KI bei der Zurich.
Im Vortrag gehen die Sprecher auf die Datenstrategie der Zurich Deutschland ein, zeigen den Weg in die Cloud und durch den Lake veränderte Arbeitsweisen. Konkrete Anwendungsbeispiele für aktuelle KI Anwendungen runden den Vortrag ab.

Referenten:
Dr. Nina Roth ist promovierte Physikerin und seit 2018 als Data Scientist bei Zurich. Im AI/ML Labor ist sie für die end-to-end Umsetzung von KI-Usecases zuständig.
Markus Hatterscheid ist Datenarchitekt im BI Competence Center der Zurich Versicherung Deutschland

Die intelligente Nutzung von Daten ist für den Geschäftserfolg in Handel und Marketing eine unabdingbare Notwendigkeit. Dabei stellt sich die Frage, ob dafür der Betrieb eines eigenes Rechenzentrum unablässig ist oder ob es nicht sinnvoller ist sich auf Kerngeschäft und Kernkompetenzen zu konzentrieren und die IT-Infrastruktur in die Cloud zu verschieben. Dies verspricht mehr Flexibilität und Transparenz.
Im vorgestellten Projekt wurde Cloud-Infrastruktur eingesetzt vornehmlich wegen der größeren Flexibilität und der geringeren Abhängigkeit von lokalen Ressourcen (sowohl bei Infrastruktur als auch beim Personal). Ziel war dabei nicht die komplette Migration der bestehenden BI- und Marketing-Landschaft, sondern konkrete Use Cases, bei denen sich ein konkreter Nutzen der Cloud für das Projekt ergibt. Ich zeige drei dieser Use Cases, die mit einer analytischen Cloud-Platform realisiert wurden.
Beim ersten Use Case geht es um die Integration von Daten aus Online-Quellen (Website und App) in das bestehende Data-Warehouse, die zunächst in einem Data-Lake in Azure gespeichert und in der Cloud zu passenden „Häppchen“ transformiert werden. Der zweite Fall dreht sich um analytische Daten, die rund um die Uhr in einer Applikation genutzt werden sollen und damit hohe Anforderungen an die Verfügbarkeit stellen. Auch in diesem Fall war die Nutzung der Cloud-Daten-Plattform sehr hilfreich vor allem, um ohne zusätzliche Einschränkungen für das lokale Rechenzentrum die Verfügbarkeit sicher zu stellen. Im letzten Fall war der Einsatz von Cloud-Ressourcen sinnvoll, weil mehrere Partner eine gemeinsame Datengrundlage schaffen und nutzen konnten ohne Hemmnisse durch Netzwerkkonfigurationen, Firewall-Regeln und Zugriffs-Steuerung.
Insgesamt ist die Erkenntnis aus dem Projekt: Vor allem die Flexibilität liefert Mehrwert, die Kosten bleiben im konkreten Fall bei sinnvoller Skalierung der Ressourcen etwa vergleichbar zu On-Premise. Die systemische Verwaltung der Cloud-Ressourcen ist essentiell (infrastructure as code) und der Hybrid-Ansatz hat sich insgesamt bewährt.

Als Physiker hat Dr. Klaus Schroer-Hölzer früh Erfahrung beim Umgang mit Big Data gesammelt. Er ist Head of Data Platform Development bei der Key-Work Consulting GmbH in Karlsruhe und schafft mit seinem Team seit fast 20 Jahren die Grundlagen für Business Intelligence, Data Mining und KI-Anwendungen. Aktuell stehen für ihn die technischen und ökomischen Aspekte von Cloud- und Hybrid-Infrastrukturen im Vordergrund. Hands-on Expertise bringt er mit zu Datenintegration und -analyse in Microsoft Azure und Google Cloud Platform, Container-Technologien und verschiedenen Open-Source Werkzeugen.

Wissen ist heute ein hochverfügbares und digitales Gut. Wir legen Dokumente auf Sharepoint ab, teilen unsere Meinungen in Foren und sozialen Medien und sind nur einen „Klick“ vom Wissen der anderen Erdhalbkugel entfernt. Das war aber nicht immer so. Viele Dinge sind älter als das Internet und moderne Medien. Eine große Herausforderung besteht heute darin, dieses Wissen nicht nur in staubigen Archiven zu haben, sondern wieder nutzbar zu machen.
Aus diesem Ansatz wurde das Forschungsprojekt geboren, aus dem ich Ihnen berichten werde. Ich werde Ihnen „Blueception“ zeigen: ein System, welches durch den Einsatz neuronaler Netze in der Lage, ist das Wissen auf alten technischen Zeichnungen wieder nutzbar zu machen. Sie werden sehen, wie Klassifizierung von Dokumenten, das Erkennen von Symbolen auf Zeichnungen und das Auffinden und Verarbeiten von textuellen Informationen funktioniert.

Dennis Maier ist seit sieben Jahren als Software Engineer & Data Scientist bei der CAIRO AG beschäftigt. Neben KI-Kundenprojekten ist er aktuell in einem Forschungsprojekt tätig, das sich tiefgreifend mit der Entwicklung von AI Modellen beschäftigt.
Sein Credo: AI Research. Let's make life smarter!
In einem Großkundenprojekt der CAIRO AG konnte er einen Klassifizierungs- und Detektionsservice erfolgreich zur Mustererkennung von Plänen einsetzen. Insbesondere wenn er hierzu berichtet, färbt seine Begeisterung schnell auf ein Auditorium ab. Mustererkennung, Texterkennung, Objekterkennung – wie diese drei Komponenten erfolgreich ineinandergreifen und Lösungen hervorbringen, kann er so plastisch schildern, dass die Zuhörer selbst erste Ansätze für eigenen Projekte erkennen. Authentische Vorträge mit komplexen Themen, spannend und inspirierend gehalten – das ist sein Ziel.

Auf dem Weg zur modernen Advanced-Analytics-Anwendung ist die Datenintegration ein notwendiger, aber auch aufwendiger Schritt. Da es sich dabei oft um repetitive Prozesse handelt, liegt es nahe, den manuellen Aufwand mittels Machine Learning zu reduzieren.
In diesem Vortrag stellt David Hipp ein praxiserprobtes Konzept vor, um die zeitaufwendige Integration tabellarischer Daten deutlich zu beschleunigen. Das Herzstück ist ein Python-Paket, das mithilfe eines XGBoost-Modells Tabellenspalten klassifiziert und damit die Grundlage für das eigentliche Schema Matching schafft. Der Vortrag behandelt neben dem analytischen Kern auch technische Aspekte und stellt die gemachten Projekterfahrungen heraus.

David Hipp ist Data Scientist und Projektleiter bei der HMS Analytical Software GmbH in Heidelberg. Während seiner Promotion in Mathematik forschte er an Werkzeugen, um die Güte von Wellensimulationen zu bestimmen und engagierte sich in der Wissenschaftskommunikation. Heute automatisiert er Datenintegration mit Hilfe von Machine Learning und entwickelt Advanced-Analytics-Plattformen.

Das neue Buch aus der TDWI-Reihe erscheint im d.punkt Verlag voraussichtlich im Mai 2019.

Wissen, was der Kunde will, bevor er seine Wünsche ausgesprochen hat – ist das möglich? Prädiktive Modellierung ermöglicht es Unternehmen, vorherzusagen welche Angebote für jeden einzelnen Kunden aktuell relevant sind. Entsprechend individuell abgestimmte Informationsangebote sind der Schlüssel zu mehr Vertragsabschlüssen.

Wie das in der Praxis gelingt, zeigen wir in diesem Vortrag zusammen mit Verivox, einem der größten Online-Verbraucherportale für Verträge rund um das Zuhause. Wir stellen die Realisierung verschiedener komplexer Vorhersagemodelle vor, die es Verivox unter anderem ermöglichen, die Affinität jedes Besuchers für die verschiedenen Produktkategorien zu bestimmen.

Arno Becker ist promovierter Physiker und Data Scientist bei der HMS Analytical Software GmbH in Heidelberg. Er entwickelt und operationalisiert mit großer Begeisterung unterschiedliche prädiktive Modelle in Projekten für Kunden aus verschiedenen Branchen. Sein technologischer Schwerpunkt liegt dabei auf R, RMarkdown und Shiny.

This presentation talks about the experience with around 20000 SAP DW instances worldwide and new trends that lead from the traditional, purely relational way of data warehousing to a new and modern form that accommodates a number of new opportunities from the big data space.

Die Folien sind zwar auf Englisch, aber der Vortrag wird auf Deutsch gehalten.

Wie kann ein mittelständisches Unternehmen mit hohen Wachstumsraten, komplexen Systemen und ständigem Wandel ein tragfähiges analytisches Data Warehouse aufbauen?
Wie gelingt dabei eine enge Abstimmung mit dem Fachbereich ohne technische Vorgaben außer Acht zu lassen? Wie lassen sich eine hohe Qualität und ein funktionierendes Life Cycle Management sicher stellen?
Dieser Vortrag zeigt auf, welche Antworten im Rahmen des Aufbaus eines Data Warehouses bei dem E-Commerce Unternehmen heidelpay gefunden wurden und welchen Beitrag ein DWH-Automatisierungs-Tool beim Aufbau bietet.

Mirjam Cohrs ist Data Warehouse Architektin für die heidelpay und verantwortlich für den Aufbau eines analytischen Data Warehouse und das Reporting.
Ihre Karriere begann als Analystin im CRM Umfeld, heute bringt sie mehrjährige Erfahrung in der Umsetzung von Reporting- und DWH-Projekten in der Finanzindustrie mit.