Learning Machines GmbH, Freiburg im Breisgau

Einleitung / Überblick

Die Learning Machines GmbH ist ein Spin-Off der Universität Freiburg und konzentriert sich darauf, disruptive Potentiale der neuen Machine Learning Technologien in Projekten einzusetzen, die dem Menschen und ihrem Planeten förderlich sind. Das Unternehmen versteht sich als Data Science for Sustainability und unterstützt Unternehmen dabei, wertvolle Informationen aus Daten zu gewinnen und diese in ihre Prozesse zu integrieren

Tätigkeitsfelder

Die Learning Machines GmbH bietet Dienstleistungen in verschiedenen Bereichen der Data Science und Machine Learning. Dazu gehören:

• Sensordatenanalyse
• Computer Vision
• Geschäftsdatenanalyse
• Text Analytics
• Visualisierung
• Big Data Verarbeitung

Leistungen & Services

Die Leistungen der Learning Machines GmbH umfassen die Identifizierung attraktiver Use Cases für Daten und Prozesse, die Entwicklung maßgeschneiderter Applikationen und die Integration dieser Lösungen in die Softwarelandschaft der Kunden. Darüber hinaus bietet das Unternehmen Unterstützung bei der Implementierung und Schulung von Mitarbeitern. Konkret werden folgende Dienstleistungen angeboten:

• Automatisierte Produktkategorisierung
• Selektion von Kunden mit hoher Abschlusswahrscheinlichkeit
• Entwicklung von Use Cases für Kundenanalytik in der Bankenbranche
• Optimierung von Sonderangeboten zur Nachfragesteuerung
• Analyse von Abrechnungsdaten zur Identifikation von Optimierungspotenzialen

Produkte

Die Learning Machines GmbH bietet eine proprietäre Machine Learning Bibliothek namens "Learning Machines Engine". Diese Bibliothek aggregiert langjährige Erfahrung aus Forschung und kommerziellen Data Science Projekten und bietet eine modulare Toolbox mit aktuellen Technologien. Die Engine kann als Webservice oder Applikation für Desktop, Cloud oder Embedded Systems eingesetzt werden

Schwerpunkte & Besonderheiten

Die Learning Machines GmbH konzentriert sich insbesondere auf Nachhaltigkeitssektoren wie Erneuerbare Energien, Energieeffizienz und nachhaltiges Ressourcenmanagement, in denen das Unternehmen über Domain Knowledge verfügt. Eine Besonderheit ist der kollaborative Ansatz, bei dem das Unternehmen gemeinsam mit Kunden und Partnern interessante KI gestützte Business Cases entwickelt und Know How in Schulungen und Trainings weitergibt. Die Lösungen werden in vielfältigen Umgebungen eingesetzt, z.B. skalierend in der Cloud, On-Premise oder Embedded im Feld

Über uns / Über mich

Die Learning Machines GmbH besteht aus einem agilen Team von KI-Spezialisten aus Informatik, Natur- und Ingenieurswissenschaften mit breiter Praxiserfahrung. Zu den Managing Partnern zählen Jochen Sautter (Deep Learning Expert) und Dr. Boris Lau (Senior Data Scientist). Roman Besel ist ebenfalls als Data Scientist tätig. Das Unternehmen entstand im Sommer 2018 aus einem Gespräch zwischen Boris und Roman, basierend auf komplementären Erfahrungen und einem gemeinsamen Interesse am Nachhaltigkeitssektor

Methoden, Arbeitsweise & Technologien

Die Learning Machines GmbH setzt effiziente Verfahren aus aktueller Forschung der Universität Freiburg ein, um Modelle automatisiert zu optimieren. Das Training von Machine Learning Modellen erfordert oft viel Rechenleistung, während für die produktive Anwendung meistens ein einfacher Rechner ausreicht. Die Software kann in vielfältigen Umgebungen eingesetzt werden, z.B. skalierend in der Cloud, On-Premise oder Embedded im Feld. Die Technologie basiert auf Convolutional Neural Networks (CNNs) und vortrainierten Modellen

Zielgruppen & Anwendungsbereiche

Die Zielgruppen der Learning Machines GmbH sind Unternehmen in verschiedenen Branchen, insbesondere in den Nachhaltigkeitssektoren Erneuerbare Energien, Energieeffizienz und nachhaltiges Ressourcenmanagement. Mögliche Anwendungsbereiche sind beispielsweise die Automatisierte Produktkategorisierung, Kundenanalytik und Optimierung von Sonderangeboten

Adresse & Kontaktdaten

• Learning Machines GmbH
• Gerberau 9a
• D-79098 Freiburg
• Telefon: +49 761 1529078
• E-Mail: [email protected]