Forschung und Entwicklung
Die Leidenschaft für Technologie und Innovation sind unser Motor. Wir sind immer an vorderster Front, wenn es darum geht, neue Technologien zu testen und nach kreativen Lösungen zu suchen.
Die Forschung für uns
Unsere Kunden haben große Erwartungen, wenn sie sich an uns wenden, und unser Ziel ist es, ihre Bedürfnisse auch durch für sie „unvorstellbare“ Lösungen zu decken.
Um jedoch Lösungen anzubieten, die scheinbar nicht gewöhnlich sind, ist es notwendig, sie bereits studiert und erprobt zu haben.
Ein gewisser Aristoteles sagte: „Was wir lernen müssen, um es zu tun, lernen wir, indem wir es tun.“
Bei Alexide machen wir das: Wir experimentieren alles an uns selbst, um dann sichere Ergebnisse in die reale Welt zu bringen.
Auf dieser Seite finden Sie einige Beispiele für unsere Forschungen.
ein KI-basiertes BMS
Unser Standort wird von der Hausautomation dominiert, wo es keine physischen Schalter gibt. Der „beängstigende“ Teil ist, dass die Entscheidungen von der Künstlichen Intelligenz getroffen werden, die wir entwickelt haben.
Als Datenexperten sammeln wir alle Daten von über 300 Sensoren, die in unserem Gebäude vorhanden sind (Temperatur, CO2, Luftfeuchtigkeit, Helligkeit usw.). Anschließend füttern wir diese Daten einer neuronalen Netzwerk mit dem Ziel, etwas daraus zu lernen.
Dieses neuronale Netzwerk steuert die HLK-Anlage (Heizung, Lüftung und Klimaanlage). Zum Beispiel entscheidet es mitten im Winter, wann die Heizung eingeschaltet werden soll, um um 9 Uhr morgens 22 °C zu erreichen (in der Saison 2022/2023 trainieren wir sie wahrscheinlich auf 20 °C). Es tut dies basierend auf Zeitreihen, der aktuellen Situation, Wettervorhersagen usw. Das Netzwerk hat verstanden, dass wir am Wochenende geschlossen sind und die Heizung nicht laufen muss, dass wir am Montag etwas früher einschalten müssen, da an den beiden Tagen zuvor alles ausgeschaltet war, und dass bei hoher Luftfeuchtigkeit die Heizung etwas früher eingeschaltet werden muss usw.
Machine learning
Ein weiteres neuronales Netzwerk mit einer einfacheren Aufgabe bestimmt das ideale Licht für jede Person. Tatsächlich benötigt ein jüngerer Mensch weniger Licht als ein älterer, und es gibt auch unterschiedliche Gewohnheiten. Das Netzwerk erkennt, dass nach 18 Uhr und nach dem unvermeidlichen Tischfußballspiel ein Ereignis stattfindet, das alle Lichter ausschaltet (aus Sicherheitsgründen halten wir uns den Typ des Ereignisses vorenthalten).
Dies sind einige Beispiele für die Anwendung von Maschinellem Lernen in unserem Alltag. Wir gestehen, dass die Künstliche Intelligenz manchmal noch einige Fehler macht, aber wir haben einen Plan B. Da wir keine Masochisten sind, können wir immer entscheiden, ob wir zum manuellen, „old school“-Modell zurückkehren wollen!
Personenerkennung durch neuronale Netzwerke
Wir haben beschlossen, uns zu zählen, um zu wissen, wie viele Personen sich in einem Raum, in einem Schulungsraum, im Open Space und im Entspannungsbereich befinden... und das über anonymisierte Daten, die von den Kameras gesammelt werden.
Durch den Einsatz von mittlerweile gängigen Maschinelles Lernen-Techniken (TensorFlow sei Dank) haben wir uns gezählt, und das System funktioniert auch gut.
Wozu das dient? Nun, bald werden Sie es herausfinden, denn auch diese Technik wird einen Platz innerhalb von SolidRules finden.
Objekterkennung und Augmented Reality
Es ist ein Thema, zu dem wir viele Experimente durchgeführt haben. Einige gingen in die Richtung, 3D-Objekte in einem Video anzuzeigen, das mit einem normalen Smartphone aufgenommen wurde. Man kann sagen, dass wir das lange bevor es durch Spiele wie Pokémon populär wurde, gemacht haben.
Aber unser Ziel ist es, all das ohne die Nutzung einer App zu erreichen und direkt im Browser zu machen, wobei die Webtechnologie dafür noch nicht bereit ist für unsere „Visionen“.
Wir haben dann weitere Erfahrungen mit neuronalen Netzwerken und Objekterkennung gesammelt. Wir haben festgestellt, dass es einfach ist, eine Person von einer Katze zu unterscheiden, und darin hatten wir große Erfolge. Es ist jedoch viel schwieriger, eine Schraube M10x16 von einer M10x25 zu unterscheiden, aber wir geben nicht auf!
Erkennung zur Findung ähnlicher Elemente
Die Suche nach ähnlichen Objekten ist ein faszinierendes und strategisches Thema für uns (aber nicht nur für uns). Man kann es durch Geometrie, durch Beschreibungen, durch Merkmale usw. erreichen.
Hier sind zwei Fälle, an denen wir arbeiten:
- Wenn eine Meldung von einem Kunden eintrifft, ist es möglich, sie basierend auf dem Inhalt automatisch zu kategorisieren oder ihr eine Priorität zuzuweisen?
- Wenn eine Meldung eingeht, ist es möglich, bereits die Tickets anzuzeigen, die ähnliche Inhalte enthalten, um den Antwortprozess zu erleichtern?
Wenn Sie diese Funktionen noch nicht in SolidRules sehen, bedeutet das, dass wir den akzeptablen Level noch nicht erreicht haben, aber wir sind nicht weit davon entfernt!
Blockchain für Smart Contracts
„Blockchain“ ist ein Begriff, den man in einem Vorstellungsgespräch ähnlich wie „Machine Learning“ verwenden kann. Es klingt „cool“ und scheint die Probleme der Menschheit lösen zu können. Um herauszufinden, ob es nur heiße Luft ist, haben wir es studiert und versucht, es zur Verwaltung von Handelsverträgen zu nutzen.
Die Blockchain ist unveränderlich, und man kann nicht schummeln; man kann einen Fehler nicht „weisseln“ und kann auch nicht leugnen, dass er passiert ist. In bestimmten Fällen kann das wirklich nützlich sein, von Verträgen über Softwarelizenzen bis hin zu Genehmigungsworkflows.
Aber wir sind uns ziemlich sicher, dass sie nicht die Probleme der Menschheit lösen wird, und derzeit ist sie zu langsam und energieintensiv. Zwei Dinge, die heutzutage nicht besonders gut funktionieren.
Fragen? Wir sind für Sie da.
Füllen Sie das Formular aus oder senden Sie uns eine E-Mail an info@alexide.com. Wir kontaktieren Sie, um Ihnen alle Lösungen anzubieten.