In den vergangenen Jahren haben künstliche Intelligenz (KI) und speziell das Maschinelle Lernen erheblichen Einfluss auf die Software- und Systementwicklung genommen. Durch Innovationen in der Computerinfrastruktur, beispielsweise durch Grafikprozessoren, die Berechnungen beschleunigen, sowie durch fortschrittliche Konzepte im Maschinellen Lernen, wie große Sprachmodelle (LLMs), können heutzutage Herausforderungen bewältigt werden, die noch vor Kurzem mit "klassischen" algorithmischen Ansätzen kaum lösbar waren. Dabei sind beispielsweise die Erkennung von Fußgängern, die Extraktion von Wissen aus Texten oder sogar die Generierung von Bildern basierend auf Textbeschreibungen nur einige Beispiele für Herausforderungen, bei denen die Entwicklung eines Algorithmus und die Implementierung eines Programms in C, C++, Java usw. an ihre Grenzen stoßen.
Der Entwurf und die Implementierung von Systemen, die auf Maschinellem Lernen basieren, erfordern tiefes Fachwissen, sowie die Beherrschung der entsprechenden Werkzeuge. Aspekte wie Datenerfassung, Datenmanagement, Datentechnik, Netzwerkdesign/Training/Validierung, Optimierung und Einsatz sowie Lebenszyklusmanagement und Betrieb (MLOps) stellen neue Herausforderungen dar, die die Zusammenarbeit mit erfahrenen Partnern unabdingbar machen.
Als erfahrener Partner unterstützen wir unsere Kunden vorrangig in den folgenden Bereichen:
Nutzen Sie die Leistungsfähigkeit von großen Sprachmodellen, neuronalen Netzen und natürlicher Sprachverarbeitung, um Ihre Software-/Systementwicklungsprozesse und -methoden zu verbessern, z. B. durch die Analyse Ihrer Anforderungen (Redundanz, Inhalt, Klassifizierung), Ihrer Rückverfolgbarkeit (fehlende Verbindungen, Analyse) oder die Erstellung von Modellen aus natürlicher Sprache.
Die Entwicklung eines auf Maschinellem Lernen basierenden Produkts erfordert zahlreiche Entscheidungen. Dazu gehören Überlegungen zur Netzwerkarchitektur, dem verwendeten Framework, der Infrastruktur für die Datenverwaltung, Schulung, Validierung, Simulation der Entwicklungsumgebung und zur Bereitstellung des Endprodukts.
Das Training eines Neuronalen Netzes auf einer High-End-GPU ist nur ein Teil der Wahrheit. Die Verlagerung der Inferenz von der Cloud zum Edge bietet verschiedene Vorteile, da diese näher an der Datenquelle liegt, was zu geringeren Latenzzeiten, verbessertem Datenschutz und erhöhter Robustheit führt. Wenn die KI auf eingeschränkten Geräten (z. B. in cyberphysischen Systemen) ausgeführt werden soll, sind zusätzliche Schritte erforderlich, um das Netzwerk für eine bestimmte Zielplattform zu optimieren (Quantisierung, hardwarespezifische Kompilierung usw.). Dies erfordert Kenntnisse über spezifische Tools und Frameworks, die speziell für diese Aufgabe entwickelt wurden.
Nachhaltigkeitsaspekte und die damit verbundene Reduzierung des CO2-Footprints sind in der heutigen Zeit wichtiger denn je. Gleichzeitig steigen die Energieverbräuche mit der zunehmenden Verbreitung des maschinellen Lernens zusätzlich weiter an. Es liegt daher in unserer Verantwortung gleichermaßen effektive, wie auch präzise ML-Workflows zu designen. Mögliche Ansatzpunkte dafür existieren dabei im gesamten Workflow (Datenvorverarbeitung, Training, Inferenz usw.). Die Überwachung des Energieverbrauchs und der CO2-Emissionen über den gesamten ML-Lebenszyklus bildet dabei eine wesentliche Besonderheit.
Wie bei der Softwareentwicklung ist auch bei ML-basierten Produkten ein effizientes Produkt-Lebenszyklusmanagement mit hoher Automatisierung entscheidend. Es gibt eine Vielzahl von Werkzeugen und Systemen mit unterschiedlichen Funktionen und Interoperabilität. Als erfahrener Partner unterstützen wir sie bei der Auswahl der für Sie richtigen Lösung.
Ein sehr bekanntes Sprichwort sagt, dass "Daten das neue Öl sind". Nicht zuletzt aus diesem Grund ist der sichere Austausch von Daten und Diensten innerhalb von Datenräumen das Ziel verschiedener Initiativen. Um auch diesem Trend gerecht zu werden engagieren wir uns zum Beispiel als Partner in einem GAIA-X-Leuchtturmprojekt. Damit leisten wir unseren aktiven Beitrag zur Gestaltung von Datenräumen und – Diensten, die den regulatorischen Rahmenbedingungen entsprechen und Vertrauen schaffen.
Von einzelnen Experten, die bei der Lösung der schwierigsten Probleme am Arbeitsplatz helfen, bis hin zu eingespielten Teams, die als verlängerte Werkbank dienen, bieten wir die Unterstützung, die am besten zu Ihren Bedürfnissen passt.
Maschinelles Lernen ist ein sich schnell entwickelnder Bereich mit einer unglaublich hohen Innovationsrate. Nicht zuletzt deswegen ist es von besonderer Bedeutung, die neuesten Entwicklungen und Veröffentlichungen zu verfolgen, um nicht eine Lösung zu entwickeln, die bald schon wieder veraltet ist. "Transformers" und "Large Language Models" sind bekannte Fachbegriffe, aber haben Sie schon einmal von Begriffen wie „Bayesian Neural Networks“, „Liquid Neural Networks“ oder dem „Forward Forward Algorithm“ gehört? Wir engagieren uns maßgeblich sowohl in nationalen als auch in EU-geförderten Forschungsprojekten, bei denen wir in Konsortien mit großen Konzernen wie z. B. Bosch, Infineon und Mercedes-Benz sowie mit Universitäten und kleinen spezialisierten Unternehmen zusammenarbeiten, um die neuesten Technologien zu erforschen, weiterzuentwickeln und für den kommerziellen Einsatz vorzubereiten. Zusätzlich pflegen wir enge Kooperationen mit renommierten Universitäten und betreuen eine Vielzahl von Masterarbeiten. Dabei setzen wir nicht nur auf den Wissensaustausch und die Fortentwicklung aktueller Technologien, sondern fördern aktiv vielversprechende Talente, um sie für unser Team zu gewinnen.