Herausforderung
Unser Kunde ist ein Unternehmen im Bereich Infrastrukturautomatisierung, das sich auf die Entwicklung und Implementierung von hochmodernen Steuerungssystemen für kritische Infrastrukturen spezialisiert hat (Tunnelsysteme, Verkehrsregelung, Energiemanagement). In einem modernen Autobahntunnel sind hunderte Sensoren installiert, um Ereignisse wie langsame Fahrzeuge, stehende Fahrzeuge oder Unfälle zu erkennen. Das Ziel war es, mit Hilfe eines Machine Learning Modells die Zahl der falschen Meldungen von kritischen Ereignissen signifikant zu senken, ohne dabei die Zahl der korrekten Meldungen zu reduzieren. Dies erforderte die effektive Kombination von Sensordaten für präzisere Ereignismeldungen an die Tunnelzentrale.
Lösung
- Durchführung von Data-Thinking-Workshops zur Analyse der Prozesse und Daten
- Implementierung von Daten-Pipelines, um die rohen Sensordaten in ein geeignetes Zielformat für ein Machine Learning Modell zu bringen
- Testen unterschiedlichster ML Modelle zur Ermittlung der optimalen Konfiguration
- Entwicklung des User-Interface für die Mitarbeiter im Tunnelbetrieb
- Implementierung von APIs, um die ML Modelle für den produktiven Betrieb bereitzustellen
- Laufende Optimierung der Machine Learning Modelle (MLOps), Data Pipelines und Sensortechnologie
Geschäftsnutzen
- Falschmeldungen wurden um 80% reduziert
- Einsatzkosten des Autobahnbetreibers wurden drastisch reduziert
- KI Modell voll integriert in das backend (hochautomatisierte Prozesse) und ein anwenderfreundliches User Interface für die Mitarbeiter sorgen für eine hohe Akzeptanz der Lösung
