DE
EN
03
Home Industries Services People & culture About Jobs News Kontakt
Senacor Coding

Smart Data & AI

Datenbestände effizient nutzbar machen!

Viele Unternehmen und Institutionen verfügen über riesige Datenmengen aber können diesen Wissensschatz einfach nicht nutzen. Senacor Smart Data macht vorhandene Daten nutzbar und verwertbar. Alte und schwerfällige Data Warehouses werden von uns zum modernen, agilen Data Mesh transformiert, das langfristig flexibel anpassbar bleibt. Auf diese Weise werden Daten auch für Machine-Learning Analysen und AI konsumierbar gemacht. Senacor Smart Data behält dabei stets Data Governance und Compliance im Blick – egal ob On-Premises oder Cloud Native.

Wir wissen

Daten sind das neue Gold. Wer Daten richtig zu nutzen weiß, schafft Effizienzgewinne, kreiert Mehrwert und sichert sich Wettbewerbsvorteile.

Wir liefern

Neuorganisation, neue Zugänglichkeit und neue Arten der Verwertung von Bestandsdaten durch Transformation hin zu Data Mesh und AI-Anwendungen.

Wir sind

Data, Machine Learning und Analytics Engineers, die strategisch denken und pragmatisch moderne Technologien einsetzen, um Daten effizient zu nutzen und zu verwerten.

Senacor Technologies
Senacor Tech
Senacor Workshop
Senacor Experience

Kompetenzen

Profitieren Sie von unseren Leistungen rund um Smart Data & AI – sehr gerne stehen wir Ihnen für ein persönliches Gespräch zur Verfügung.

Transformation und Aufbau von Data Mesh

Ein Data Mesh vernetzt effizient Daten und ermöglicht, von überall her auf sie zuzugreifen. Im Unterschied zu einem Data Warehouse ist ein Data Mesh modular aufgebaut, flexibel und jederzeit anpassbar. Senacor Smart Data begleitet seine Kunden lückenlos durch den gesamten Transformationsprozess hin zum Data Mesh – von der Konzeption über den Aufbau bis hin zum Betrieb. Egal ob Cloud Native oder On-Premises.

Aufbau von BI- und Reporting Plattformen

Unternehmen haben ihre Daten häufig schwer zugänglich abgelegt. So kann es Tage oder Wochen dauern, um auf vorhandenen Daten neue Ad-Hoc Analysen durchzuführen oder einen neuen Report aus ihnen zu generieren. Senacor Smart Data unterstützt Kunden beim Aufbau einer schnellen und flexiblen BI- und Reporting-Plattform, die Zugriffszeiten extrem verkürzt.

IT-Governance: Erprobte Blueprints

Senacor Smart Data Blueprints garantieren die Einhaltung höchster Qualitätsstandards bei der IT-Governance. Sie sind vielfach erprobt und bewährt, z.B. bei führenden Banken. Dabei geben wir der Unternehmensleitung und den Fachexperten Ihres Unternehmens die Transparenz und Kontrolle über Ihre Daten zurück, egal in welchem Sektor, welcher Sparte oder Branche.

AI und ML

Data Science, Machine Learning, Process Mining bieten neue Möglichkeiten, Daten zu nutzen. Machine-Learning-basierte Methoden ermöglichen es, mit Disziplinen wie Document Automation, Process Mining, Next-Best-Offer und Forecasting neue Ertragsquellen zu erschließen. Zudem lassen sich damit Risiken besser kontrollieren und datengetriebene Geschäftsmodelle aufbauen. Senacor Smart Data hilft seinen Kunden dabei, neue Technologien gewinnbringend einzusetzen – von der Idee bis zum Betrieb!

Projektreferenzen
01
#Dataintegration

Fachlich getriebene Datenintegration.

#Dataintegration
02
Data Mesh

Aufbau einer eventbasierte Datenplattform nach dem Data Mesh-Prinzip.

Data Mesh
03

Umsetzung von datengetriebenen Next-Best-Offer für Firmenkunden.

01
#Dataintegration

Fachlich getriebene Datenintegration.

#Dataintegration
02
Data Mesh

Aufbau einer eventbasierte Datenplattform nach dem Data Mesh-Prinzip.

Data Mesh
03

Umsetzung von datengetriebenen Next-Best-Offer für Firmenkunden.

01

PROBLEMSTELLUNG: Eine Bank erkannte mangelnde fachliche Transparenz während der Verarbeitung ihrer zentralen Datenprozesse. Das betraf auch die Steuerung regulatorischer IT-Governance Anforderungen. Senacor wurde mit dem Aufbau einer Bank-fachlich getriebenen Datenintegrationsplattform beauftragt.

 

UNSERE LÖSUNG/ERGEBNIS: Aufbau einer modularen Datenintegrationsplattform, in deren Zentrum die fachlichen Modelle der Bank stehen. Die technische Umsetzung wird aus den fachlichen Modellen selbst vollautomatisch generiert, so dass die Modelle von den Fachexperten selbst angepasst werden können, unter Wahrung der regulatorischen Anforderungen.

02

PROBLEMSTELLUNG: Bei einem Versicherer haben sich die Anforderungen der Kunden und Partner in den letzten Jahren stark verändert. Daten müssen überall und jederzeit zur Verfügung stehen und selbst zu Lastspitzen sollen die Systeme ohne jegliche Einschränkung nutzbar sein. Die Hoheit über die Daten und die Business-Logik soll dabei in Verantwortung der Teams in den einzelnen fachlichen Domänen liegen, um Lösungen schnell liefern zu können.

 

UNSERE LÖSUNG/ERGEBNIS: Aufbau einer Datenplattform, bei der die Datenänderung über „Events“ konsumiert, verarbeitet und nutzerfreundlich bereitgestellt wird, ausgehend von einem Bestandssystem. Die Plattform bietet Grundfunktionalitäten, die zentral zur Verfügung gestellt werden, und unterstützt die Fachdomänen, die von Fachteams in Eigenregie verwaltet werden können. Die Architektur basiert auf dem Prinzip des Domain-Driven Designs, das fachliche Unabhängigkeiten ermöglicht.

03

PROBLEMSTELLUNG: Eine große Bank möchte die Kundenbindung durch bessere, persönliche Betreuung verbessern und gleichzeitig ihre Kundenbetreuer entlasten. Datengetriebene Algorithmen sollen dafür clevere Produktvorschläge generieren – und dabei das persönliche Betreuungsmodell im Vertrieb unterstützen. Wichtig ist, dass die fachlichen Owner und die Kunden schrittweise Vertrauen in den Algorithmus fassen. Dazu muss jederzeit die Kontrolle über individuelle Vorschläge, abweichende Vorschläge gegeben sein.

 

UNSERE LÖSUNG/ERGEBNIS: Datengetriebene Algorithmen ermitteln auf Basis des aktuellen und historischen Kundenportfolios passende, personalisierte Produktvorschläge. Dabei wird eine Mischung aus regelbasierten Vorschlägen und Smart Analytics angewendet. Der Product Owner hat ein Analytics Cockpit, über das er die Akzeptanz und den Erfolg des Algorithmus ableiten kann. Kunde und Vertriebsmitarbeiter können eigenverantwortlich konfigurieren, welche Produktideen sie erhalten wollen.

News

06.12.2023
Der virtuelle Berater – Generative AI als nächster Schritt im Omnichannel
How to identify and implement Artificial Intelligence Business Cases
15.09.2022
How to identify and implement Artificial Intelligence Business Cases
24.03.2022
MLOps in Microsoft Azure – Wie eine KI unseren Blog zusammenfasst
29.09.2021
Wie sich Banken endlich an KI trauen können
01.07.2021
Mit DataRobot zur MLOps-Pipeline
26.01.2021
Effizienteres Machine Learning dank AutoML
18.01.2021
Raft als Fundament für stabilen Betrieb verteilter Systeme
31.07.2020
Machine Learning Cards von Senacor

Ansprechpartner

Rakesh Thadani
SVP & Partner, Business Development
j o b s
join us now
Join us now
Der virtuelle Berater – Generative AI als nächster Schritt im Omnichannel
Spätestens seit ChatGPT ist Generative AI im Mainstream angekommen. Ein Use Case für den Bereich Retail Banking könnte ein virtueller Berater sein. Ein solches System ist der logische nächste Schritt in einer Omnichannel-Strategie: Eine Bank wird kanalübergreifend zu jeder Uhrzeit für ihre Kunden ansprechbar. Lesen Sie hier mehr.
How to identify and implement Artificial Intelligence Business Cases
How to identify and implement Artificial Intelligence Business Cases
The idea of intelligent machines entices the mind and fuels imagination. The buzzword Artificial Intelligence repeatedly appears in media reports, company briefings, or start-up pitch decks. Artificial intelligence is also clearly on the rise when it comes to industrial adoption. It is expected that by 2030 70 percent of all companies will have adopted at least one of the artificial intelligence applications of robotic process automation, virtual assistants, natural language, computer vision, or machine learning. It is therefore all the more important that companies can leverage AI technoology. The following article examines how a company can identify a suitable AI Business Use Case and implement it. Zum Blog-Artikel
MLOps in Microsoft Azure – Wie eine KI unseren Blog zusammenfasst
Eine Künstliche Intelligenz, die Artikel unseres Senacor-Blogs eigenständig zusammenfasst? Unsere Kolleg:innen haben genau das entwickelt. In einem Innovationslabor zielten sie darauf, Machine Learning Modelle mit Hilfe von MLOps zu operationalisieren. In einer Azure-Umgebung wurde das Konzept auf die Probe gestellt und ein Text-Summarizer für Artikel des Senacor Blogs entwickelt. Dr. Richard Müller und Sven Upgang haben die Ergebnisse in einem Blog-Artikel aus Data Scientist-Sicht detailliert aufgeschrieben. Dabei gehen sie auch darauf ein, was MLOps überhaupt ist, wie sie in ihrem Team vorgegangen sind und welche Erkenntnisse sie dadurch gewonnen haben. Die Ergebnisse können sich wahrlich sehen lassen.
Wie sich Banken endlich an KI trauen können
Nur wer seine KI richtig trainiert, wird Nutzer:innen langfristig begeistern. Oder anders formuliert: Arbeitet eine KI nicht korrekt oder trifft falsche Entscheidungen, drohen Banken ihre Kund:innen zu verlieren. Christian Wolfangel schreibt in seinem Artikel für die BankingClub News, worauf Banken achten müssen, bevor sie ihre KI auf Kund:innen loslassen und welche Rolle eine MLOps-Kultur dabei spielt.
Mit DataRobot zur MLOps-Pipeline
Data Robot überzeugt durch eigens entwickelte Ideen und ermöglicht, die meisten Machine-Learning-Prozesse zu implementieren. In einem 48-Stunden-Sprint testeten Data Analyst Dr. Sven Upgang und Software Entwickler Victor Warno die AI Plattform DataRobot. Sie zielten darauf MLOps hands-on an einem Machine-Learning-Problem zu erleben. In ihrem Blogbeitrag zeigen sie, warum sich die Low-Code-Plattform für eine übersichtliche, weitgreifende Einführung in die Welt von MLOps eignet.
Effizienteres Machine Learning dank AutoML
Wie wir es zu einer Top 5-Platzierung in einer bekannten Machine Learning-Challenge mit 10.000 Teilnehmern gebracht haben? Unser interner Expertenkreis für Big Data und Advanced Analytics beschäftigt sich regelmäßig mit Themen wie Automated Machine Learning. Auf welchen Bereichen aktuell ihr Fokus liegt und wie sie bei der Challenge die Top-Platzierung erreichen konnten, berichtet euch Felix im Blogartikel.
Raft als Fundament für stabilen Betrieb verteilter Systeme
Insbesondere in Zeiten von Cloud-Anwendungen ist eine konsistente Datenhaltung essentiell. Konsens Algorithmen sind dabei ein wichtiger Bestandteil und hilfreich für einen stabilen Betrieb. Liv und Florian stellen hierfür in ihrem Blogbeitrag Raft vor und erklären, warum Raft zu Recht in vielen Projekten bereits im Einsatz ist. Darüber hinaus erfahrt ihr in Livs Talk, welche Vorteile der Algorithmus gegenüber anderen bietet.
Machine Learning Cards von Senacor
Kaum ein Unternehmen sieht sich nicht mit dem Thema Machine Learning konfrontiert. Als Leitfaden durch dieses komplexe Thema haben wir die Machine Learning Cards entwickelt, in die neun Kollegen ihre Erfahrung und Expertise eingebracht haben. Angefangen mit der Frage „Was ist Machine Learning?“ geht es auf 24 Karten nicht nur um die Grundlagen, sondern – klassisch Senacor – tief in die praktische Anwendung hinein. Hier gibt es sie zur kostenfreien Bestellung!