Wil je eerst prototypes en toepassingen met kunstmatige intelligentie (ook wel Artificiële Intelligentie of AI genoemd) uitproberen, maar beschik je niet over de benodigde capaciteit en expertise binnen je bedrijf? Heb je liever ook geen hoge investeringskosten? Dankzij onze kostenefficiënte public cloud-capaciteit is kunstmatige intelligentie betaalbaar geworden voor ieder bedrijf. Gebruik eenvoudig, flexibel en snel capaciteit uit onze Open Telekom Cloud en start je AI-project!
Of het nu gaat om digitale spraakassistenten, exacte voorspellingen van klantgedrag in marketing of preventief onderhoud van machines in Industrie 4.0 - de toepassingsmogelijkheden voor kunstmatige intelligentie zijn veelvuldig. Intelligente algoritmen beoordelen en verwerken extreem grote hoeveelheden data vanuit een grote variëteit aan bronnen door middel van machine learning of deep learning in neurale netwerken. Ze herkennen patronen en verbindingen die mensen vaak over het hoofd zien. Ze produceren accurate voorspellingen, zijn in staat te leren en ontwikkelen zelfstandig. Deze algoritmen vereisen een krachtige en schaalbare infrastructuur voor het trainen met grote hoeveelheden data. Dit is waar bedrijven profiteren van een slimme combinatie op locatie capaciteit, vraagafhankelijke extra (burst) capaciteit uit de public cloud en op processor niveau, op vraag gebaseerd gebruik van CPU, GPU, FPGA, enz.
Toepassingen voor kunstmatige intelligentie vereisen vaak realtime reacties met de laagst mogelijke vertraging, bijvoorbeeld online winkels die prijzen bijwerken, handelsplatformen die zo snel mogelijk moeten reageren op marktontwikkelingen of weersvoorspellingen op korte termijn voor stormwaarschuwingen. Als er geen tijd te verliezen is, zijn Field Programmable Gate Arrays (FPGA's) van onze Open Telekom Cloud de beste oplossing.
FPGA's zijn programmeerbare hardware-elementen of circuits. In tegenstelling tot processors zoals CPU's en GPU's staat de volgorde en het soort gebruik van de chip, RAM, netwerk etc. niet vast. De schakelingen zijn vrij configureerbaar en zeer flexibel door hun herprogrammeerbaarheid en worden onder meer gebruikt in de AI-context voor machine learning, fraudedetectie, spraakherkenning of trendanalyse.
De startup Xelera laat met haar suite zien hoe FPGA’s gebruikt kunnen worden om bedrijfstoepassingen te versnellen welke ze eenvoudig kon reserveren vanuit de Open Telekom Cloud. De Xelera Suite is een hardware-onafhankelijke interface naar FPGA-platforms in datacenters en in de cloud. Dit betekent dat processen en toepassingen in bedrijven in snelheid kunnen worden opgewaardeerd zonder specifieke technologische knowhow. Afhankelijk van de schaalvergroting zijn versnellingen met meer dan een factor 100 mogelijk
Dankzij de capaciteiten uit de Open Telekom Cloud hebben we de mogelijkheid om onze accelerator snel in de cloud te installeren en te configureren volgens het gebruiksscenario van de klant, bijvoorbeeld voor de versnelling van standaard databases zoals SAP.
Het benchmarkingbedrijf Cloud Spectator heeft gespecialiseerde virtuele machines (VM's) van verschillende cloud serviceproviders getest, waaronder machines van Amazon Web Services (AWS), Microsoft Azure, Google Compute Engine (GCE) en de Open Telekom Cloud, voor het “Western Europe Cloud Service Provider Analysis” benchmarkrapport.
Er werden drie standaard maten virtuele machines (VM) getest met 2, 4, of 8 vCPUs met een 1:4 vCPU naar RAM ratio om zo de CPU performance, Random Access Memory (RAM) en block storage van iedere provider zijn VM’s te benchmarken.
De conclusie: „De analyse van Cloud Spectator toonde aan dat het Open TelekomCloud-portfolio van T-Systems hoogwaardige oplossingen biedt die superieur zijn aan vergelijkbare hyperscaler-aanbiedingen. De geteste VM-typen van Telekom bieden grote voordelen ten opzichte van de concurrentie“, schrijft Cloud Spectator in een samenvatting van het onderzoek.
AI heeft alles wat nodig is om bedrijven van top tot teen te vernieuwen. Vrijwel alle industrieën en sectoren kunnen profiteren van toepassingen van kunstmatige intelligentie. Lees hier hoe je in de praktijk van AI kunt profiteren.
Gepersonaliseerde marketing in de detailhandel
Intelligente systemen op digitale schermen in verkoopruimten helpen bij het verwerken van beelden en het herkennen van patronen om reclame op maat te genereren. De reclame wordt specifiek op klanten afgestemd door gepersonaliseerde aanbiedingen te tonen. Om dit mogelijk te maken, evalueren de AI-systemen functies zoals lichaamshouding en kijkrichting op bepaalde displays. Als er meerdere apparaten in een netwerk worden gebruikt, leren ze van elkaar en verhogen ze de effectiviteit van AI.
Intelligente audiomarketing in winkels
De keuze van achtergrondmuziek beïnvloedt het koopgedrag van klanten. Met behulp van AI kan het aantal en de leeftijd van de personen in een winkel worden geïdentificeerd en worden gekoppeld aan bedrijfsgegevens zoals voorraden en externe invloeden zoals het weer en lokale evenementen. Op basis van deze analyse worden achtergrondmuziek en reclamespots aangepast zodat ze klanten een prettige aankoopbeleving bieden.
Van klantgegevens leren en klantgedrag voorspellen
Met gebruik van machine learning (ML) kunnen bestaande klantgegevens zo worden gelezen dat het mogelijk is om koopgedrag te voorspellen. Zo worden bijvoorbeeld de tijd die wordt doorgebracht op een website, het aantal en de prijzen van producten in winkelmandjes, de leeftijd van klanten en de bestelgeschiedenis geëvalueerd. Het ML-systeem kan hiermee zelfstandig patronen en voorspellingen afleiden - bijvoorbeeld dat goedkopere producten sneller worden gekocht, dat meerdere weergaven van een product de kans op bestellen vergroten of dat bepaalde producten vaak door klanten van een bepaalde leeftijdsgroep worden gekocht.
Trends en voorkeuren op sociale netwerken opsporen
Het inzetten van AI-processen zoals machine learning is niet beperkt tot de eigen gegevens van een bedrijf. Met AI kunnen ook berichten, posts en tweets op Facebook of Twitter geanalyseerd worden, onder andere op woordfrequenties en emotionele inhoud (sentiments), evenals het aantal hashtags en likes. Daarnaast kunnen de systemen bij hun analyses rekening houden met het weer en het nieuws en deze integreren in de prognoses van toekomstig klantgedrag. Dankzij machine learning kunnen AI-systemen zelfstandig relevante kenmerken en drempelwaarden herkennen en beoordelen. En kunstmatige intelligentie blijft nooit stilstaan - het leert en ontwikkelt zich voortdurend.
Kwaliteitsborging in de productie: Productcontrole
Zelflerende oppervlakte-inspectie zorgt ervoor dat oppervlaktedefecten, verontreinigingen en schommelingen in productpatronen betrouwbaar worden herkend. Hiervoor heeft Fraunhofer IPA een adaptieve, optische inspectieprocedure ontwikkeld. De procedure is gebaseerd op een zelfstandig leerproces waarbij het optische inspectiesysteem zich automatisch aanpast aan verschillende oppervlaktestructuren.
Kwaliteitsborging in de industrie: Recycling
Met behulp van zelflerende objectclassificatie kunnen oude apparaten zoals bijvoorbeeld katalysatoren beter geïdentificeerd worden. Deze zijn vaak in slechte staat door corrosie, vervorming of beschadiging. De apparaten worden driedimensionaal met een laserlijnsensor gedetecteerd en op basis van neurale netwerken op verschillende kenmerken geclassificeerd, zoals bijvoorbeeld op de contour en de kromming van het object. Fraunhofer-Forscher behaalt daarin een classificatiegraad van meer dan 90 procent.
Kwaliteitsborging in de farmaceutische sector: Visuele controle
In de farmaceutische sector en in de biologie zijn grote hoeveelheden bevruchte eieren van zebravissen nodig. Dankzij een geautomatiseerde visuele inspectie worden bevruchte eieren automatisch herkend en gescheiden van onbevruchte eieren. Hiervoor wordt van elk ei een foto gemaakt dat door een deep learning netwerk wordt geanalyseerd. Het detectiepercentage ligt rond de 99,8 procent.
Smart Wearables - Alles in één oogopslag met een databril
Draagbare, met sensoren uitgeruste AI-systemen die op het lichaam worden gedragen of in kleding worden geïntegreerd, bieden nuttige diensten. Databrillen helpen medewerkers bijvoorbeeld bij het voorbereiden van bestellingen door het scannen van rekken en magazijn- en artikelcodes. Gekleurde markeringen op de bril kunnen het eenvoudiger maken om de juiste plank te vinden of ze kunnen onderhoudsinstructies geven. Dit bespaart tijd en minimaliseert het foutpercentage.
Voertuigen besturen op meer dan 4.000 kilometer afstand
Samen met de Israëlische start-up Ottopia heeft T-Systems getoond hoe voertuigen op duizenden kilometers afstand kunnen worden bestuurd, verplaatst of als taxi gebruikt kunnen worden. Om ervoor te zorgen dat de reactietijd bij de overdracht van grote hoeveelheden data niet te lang wordt, gebruikt Ottopia een AI-toepassing die het gebruik van de radiocellen tijdig voorspelt. Hierdoor zijn ononderbroken diensten mogelijk, zelfs via openbare LTE-netwerken op afgelegen locaties.
Routeplanning met AI vermindert leegstand
Één op de drie vrachtwagens rijdt leeg door Duitsland. Een op AI gebaseerde routeplanning die rekening houdt met factoren als weer, evenementen en koopgedrag van klanten in verschillende periodes van het jaar, kan het aantal lege reizen en wachttijden verminderen. Het AI-systeem voorspelt de marktprijzen voor vrachtwagenroutes en bepaalt de prijzen voor beschikbare capaciteit. Zo kunnen vraag en aanbod snel en effectief aan elkaar worden gekoppeld - en transporten duurzamer worden.
AI sorteert de post – geautomatiseerde invoer van documenten
Brieven, e-mails, rekeningen en andere documenten kunnen met behulp van beeld- en objectherkenning van AI-oplossingen automatisch worden verwerkt en verdeeld. Omdat documenten vaak in verschillende formaten aan bedrijven worden bezorgd - vooral in internationale bedrijven - wordt aanbevolen om een zelflerende AI te gebruiken die tekst, cijfers en waarden op de juiste manier kan ordenen.
Teksten goed begrijpen – met text mining
Text mining is een door AI-ondersteund hulpmiddel voor lezen en begrijpen dat gebruik maakt van methoden zoals Natural Language Processing en Deep Learning. Het herkent en verwerkt verbanden tussen betekenissen in gestructureerde en ongestructureerde documenten. Talrijke processen profiteren hiervan: Zo kan de analyse van feedback van klanten in e-mails automatisch de juiste reactie van de klantenservice activeren. Text mining is ook zeer nuttig als het gaat om het analyseren van contractteksten en andere zakelijke documenten.
