Referenzen

Unten finden sie einen Auszug abgeschlossener Projekte.

SoundCloud

SoundCloud ist eines der führenden musikstreaming Anbieter weltweit. Das Unternehmen wird hierbei in einem Zuge mit Unternehmen wie Spotify oder YouTube erwähnt.

Für SoundCloud haben wir federführend für hunderte millionen von Nutzern AI Produkte wie automatische Playlisten, Musik Empfehlungssysteme, Anti-Spam Systeme und intelligente Suchsysteme konzipiert, implementiert und gewartet.

Von der Prozessierung von riesigen Datenmengen, über das trainieren von Modellen bis hin zum Betrieb. Dabei wurden die Modelle auf milliarden von Datenpunkten trainiert.

Zudem haben wir die Datenorganisation mit definiert, und wesentlich an dem Erfolg von SoundCloud mitgewirkt.

Wir haben ein Papier veröffentlicht, welches eines der von uns implementierte Modelle beschreibt.

case-study-image

BSDEX (Börse Stuttgart)

BSDEX ist ein digitaler Handelsplatz für Kryptowährungen der Deutschen Börse Stuttgart.

BSDEX hatte den Anspruch ein Datengetriebenes Unternehmen zu werden.

Hierzu führten wir einerseits moderne Technologien ein und migrierten existierende Lösungen in die AWS Cloud.

Andererseits definierten wir Prozesse und Strukturen der Datenorganisation.

Wir entschieden uns für hierbei für eine Lösung basierend auf Data Meshes.

Moderne Technologien gepaart mit den richtigen Prozessen erlaubte der BSDEX aus ihren Daten den größten Nutzen zu ziehen.

case-study-image

Deep Breath Intelligence

Deep Breath Intelligence (DBI) kombiniert KI Modelle mit hochauflösender Massenspektrometrie, um Atemprofile zu erstellen. Dies ermöglicht es zum Beispiel Krankheiten in echtzeit anhand von Atem zu diagnostizieren.

Für DBI haben wir in Matlab existierende Modelle in eine moderne Entwicklungsumgebung portiert. Unter anderem wurden hierzu Modelle mit Hilfe von Neuronalen Netzen neu trainiert und in eine hoch skalierbare Produktionzumgebung auf GCP überführt.

Zudem arbeiteten wir daran die Algorithmen zur Feature Extraktion aus Massenspektrometriedaten zu verbessern. Dies beschleunigte massiv den Trainingsprozess und verkürzte wiederum die Zeit um Modelle für neue Anwendungsfälle zu entwickeln.

case-study-image

Idagio

Idagio ist das führende Musikstreaming Unternehmen für klassische Musik.

Für Idagio haben wir ein Musik Empfehlungssystem von Grund auf konzipiert und Umgesetzt.

Das Modell basiert auf einem Deep Neural Network und ähnelt dem, das Google auf ihrer YouTube Plattform in Produktion nutzt.

Das Modell kombiniert dabei die Unterschiedlichen zur Verfügung stehenden Datenquellen wie Meta Information, Collaborative Filtering und die Audiodaten selbst.

Für die Produktion musste das System auf Millionen von Tracks skaliert werden.

case-study-image

Muru Music

Für Muru Music haben wir ein Audio Klassifizierungssystem gebaut. Dieses war in der Lage Musikstücke in ihr Haupt und unter Genres einzuteilen.

Das Modell bestand aus einem Deep Neural Network welches direkt auf den Audiodaten gelernt wurde. Es wurden keinerlei high level Features genutzt.

Das Modell wurde auf mehreren Produktionskatalogen von BMG, Sony und Warner Music gelernt. Insgesamt wurden 2 millionen Musikstücke zum trainieren des Modells genutzt.

Um diese grossen Datenmengen zu bewältigen haben wir eine moderne Datenplattform auf GCP aufgesetzt.

Dies ermöglichte uns Feature Extraction, Modelltraining, Vorhersage und Evaluation zu automatisieren und somit schnell auf dem Modell zu iterieren.

Google selber hat die Umsetzung in einem Artikel hervorgehoben.

case-study-image