Foto: Unsplash / Chris Liverani
Die Erhöhung des Informationsgehalts bei datengesteuerten Produkten ist ein interessantes Thema für Unternehmen. Daher greifen Unternehmen zunehmend auf mehrere komplementäre Datenquellen (Modalitäten) zu mit dem Ziel, Vorhersagemodelle zu trainieren, die in der Lage sind relevante Attribute zuverlässig vorherzusagen.
Um aktuellere und genauere Vorhersagen im Bereich der Predictive Analytics zu ermöglichen, werden neuartige automatisierte Datenanalysemethoden benötigt, die in der Lage sind, Informationen über verschiedene Datentypen wie Strukturdaten, Bilddaten, Textdaten usw. zu extrahieren. Technisch gesehen handelt es sich um ein Multimodal Retrieval Problem, bei dem heterogene Formen verschiedener Medientypen abstrahiert und vergleichbar gemacht werden müssen. Verschiedene Modalitäten weisen jedoch unterschiedliche statistische Verteilungen, interne Strukturen und Rauschen auf, was ihren Vergleich erschwert. Die Entwicklung von multimodalen Informationsextraktionsmethoden, die die komplementäre Natur von prozess- und geschäftsbezogenen Daten voll ausschöpfen, findet in der heutigen Zeit immer mehr Anwendung.
Die erfolgreiche Modellierung der komplementären Informationen über verschiedene Datenquellen (Modalitäten) hinweg ist der Schlüssel zur robusten Extraktion von Informationen und zur Erreichung einer hohen Datenqualität. Die Fachhochschule Kufstein berät im DIH-West, zusammen mit beteiligten Forschungseinrichtungen aus Westösterreich, Unternehmen im Rahmen mehrerer interdisziplinärer Arbeitsgruppen über neuartige innovative Wege zur Erschließung neuer Informationsquellen im Zusammenhang mit Industrie- und Geschäftsprozessen.
Informieren Sie sich hier über die Arbeitsgruppen:
Autoren
Prof (FH). Dr. Miroslav Despotovic
Unterrichtet Informationssysteme für Energie- & Immobilienmanagement sowie Machine Learning an der FH Kufstein, Tirol. Er verfügt über mehr als 20 Jahre Berufserfahrung in den Bereichen Data Science und Data Engineering.