Auf der sonnenverwöhnten Insel Mallorca nahe Campos fand im Mai der Implisense Hackathon 2017 statt. In einer idyllisch gelegenen Finca von Besitzern aus England haben wir uns eine Woche lang mit kreativem Coding beschäftigt, um einige der besten Ideen aus vergangenen Kundengesprächen einer technischen Machbarkeit zu unterziehen. Neben gemeinsamem Kochen, Hands-on-Go-Trainings angesichts des zweiten stattgefundenen AlphaGo-Turniers, morgendlichen Fitnesstrainings und Ausflügen an den nahen Strand von Es Trenc haben wir vier Challenges in Teams bearbeitet:

  • Automatisierte Prognosen
  • Proximity Geo-Analysis
  • Chatbots für komplexe Suchen
  • Image Annotation für Facial Keypoints

Abendliches Coden in den Teams

Automatisierte Prognosen

Die Erfassung von zeitpunktbezogenen Daten in hoher Auflösung hat einen großen Anteil am Phänomen Big Data. Gleichzeitig sind die Werkzeuge besser geworden, um mit umfangreichen Zeitreihen umzugehen. Wir wollten wissen, ob sich neue Open Source Werkzeuge dafür nutzen lassen, um eine temporale Abschätzung künftiger Managementveränderungen vorherzusagen. Diese Idee stammt aus Gesprächen mit Kunden, die immer dann ihre Infrastrukturprojekte platzieren konnten, wenn vor sechs Monaten ein Wechsel der Schlüsselpersonen im Management stattgefunden hatte. Wie gut lassen sich Zeitreihendaten von Managementveränderungen für Prognosen nutzen? Dabei zeigte, dass für ausgewählte Branchen sowohl der Monat, die Woche als auch das Volumen der erwarteten Managementveränderungen mit vertretbarem Schätzfehler vorhergesagt werden konnte. Das Team diskutierte darüber, wie man diese Vorhersagen pro Branche mit den jüngeren Entwicklungen pro Firma kombinieren kann, um Account spezifische Pre-Alerts zu liefern.
Weiterhin erprobte das Team, ob der Ansatz auch zur Vorhersage wahrscheinlich neu verfügbarer Contents von Webseiten geeignet ist. Damit könnten wir die Auslastung unserer IT optimieren und eine höhere Aktualität auf Kundenseite erzielen. Diese Entwicklungen integriert das Team Operations 2018 in das Produktivsystem. Verstärkung im Bereich Infrastructure ist hier erwünscht.

Proximity Geo-Analysis

Aus Gesprächen mit Anwendern wissen wir, dass viele Produktentscheidungen einen räumlichen Bezug haben, für die sich jedoch eine komplexe Geodatenanalyse nicht lohnen würde. Speditionen siedeln sich zumeist in der Nähe von Autobahnauffahrten, Häfen oder Flughäfen an. Unternehmensberater sitzen zumeist in der Innenstadt oder in der Nähe von Flughäfen bzw. ICE Bahnhöfen. Wenn die räumliche Nähe zu bestimmten Point of Interests (POIs) eine Rolle für die Umsetzung von Geschäftsmodellen spielt, wie können wir dann diese Merkmale in unsere Kundenempfehlungen integrieren? Ein Team hat eine Komponente entwickelt, um pro Firmenstandort die Routing-Distanzen zu ausgewählten Point of Interests aus Open Street Maps zu berechnen, etwa die Nähe zur nächsten Autobahnauffahrt oder die  Distanz zum nächsten Gewerbegebiet. Beispielhafte Analysen haben gezeigt, welche unerwarteten Herausforderungen bei der Integration von OSM Daten auftreten und welche Geodaten eher durch kommerzielle Anbieter bezogen werden sollten, um eine höhere Belastbarkeit in der Aussagekraft zu erreichen. Die neu entwickelten Geodaten fließen als weitere Datenpunkte in unseren Company Index ein. Die zuständigen KollegInnen im Team Data Analytics suchen für weitere Geodatenanalysen zusätzliche MitarbeiterInnen.

Chatbots für komplexe Suchen

Chatbots versprechen – nach dem fulminanten Einzug in den Privatkundenbereich über Siri, Alexa und Co – auch für professionelle Anwender natürliche Interaktionen abseits klassischer Oberflächen im Business-Bereich. Wir fragten uns, welche komplexen Suchen effizienter über Chatbots zu realisieren wären. Könnten wir auf Basis unserer API eigene Chatbots entwickeln, die sich in populäre Messenger-Systeme wie Whatsapp, Telegram oder Slack integrieren lassen? Diese Challenge haben gleich zwei Teams angenommen und bis zum Ende der Woche einen ersten Chatbot entwickelt, um Firmenselektionen mit Hilfe von facettierten Volltextsuchen zu ermöglichen. Diese Entwicklungen fließen in einen neuen Service ein, der 2018 mit Pilotkunden aus dem Enterprise Segment getestet wird.

Image Annotation für Facial Keypoints

Ein interessantes Randthema hat ein Team im Bereich Visual Analytics bearbeitet. Unser Open Source Tool Dalphi wurde zur Trainingsdatengenerierung für Prozesse des maschinellen Lernens entwickelt. Bislang haben wir dieses vor allem zur Analyse von Massentextdaten genutzt. Aus dem Feedback anderer Startups haben wir gelernt, dass auch zur automatisierten Analyse von Massenbilddaten die Generierung von Trainingsbeispielen aufwändig ist. Das Team hat sich für den Hackathon vorgenommen, ein entsprechendes Annotationsinterface zu entwickeln und dieses  zur Erkennung von Merkmalen in Gesichtern zu nutzen (Facial Keypoints). Als Backend-Service sollte ein Convolutional Neural Network (CNN) aus annotierten Bildern trainiert werden, um ein Modell zur Keypointerkennung zu erhalten. Am Ende des Hackathons wurden Modelle trainiert, um bestimmte Personen auf Fotos wieder zu erkennen. Diese neuen analytischen Fähigkeiten werden wir mit unseren Key Accounts diskutieren, um den besten praktischen Use Case dafür zu finden. Praktisch: Wir konnten sämtliche Fotos vom Mallorca Hackathon nach den erkennbaren Personen sortieren lassen, ohne Google oder Apple fragen zu müssen.

Morgens programmieren und dann zur Playa de Formentor

Fazit dieses Hackathons

Wir haben eine Woche lang auf Mallorca vier anspruchsvolle Ideen in Teams auf ihre technische Umsetzbarkeit hin untersucht, um die besten Hacks mit unseren Kunden zu diskutieren. Mallorca ist für derartige Unterfangen ein idealer Ort, insbesondere Anfang Mai. Mallorca ist aus Deutschland sehr gut zu erreichen. Es gibt günstige Objekte mit Tarifen der Nebensaison und die Orte und die Strände sind wenig besucht. Wir werden weitere Hackathons durchführen, der nächste ist bereits bereits geplant, in der Wüste Nordafrikas. Mitmachen? Stellenangebote gibt es hier: https://implisense.com/jobs/