Menschen lernen maschinelles Lernen
Machine Learning entwickelt sich zu einem immer zentraleren Thema für Unternehmen, da die Auswertung und Analyse von großen Datenmengen immer komplexer wird. Durch Machine Learning erhofft man sich in Zukunft vereinfachte und optimierte Prozesse – in allen Bereichen. Ziel des ML²-Projekts ist es, Studierende und Mitarbeiter im Bereich des maschinellen Lernens zu qualifizieren.
Was ist Machine Learning?
Unter Machine Learning (zu Deutsch maschinelles Lernen) versteht man ein Teilgebiet der künstlichen Intelligenz. Die IT-Systeme lernen, durch das wiederholte Erkennen von Mustern in vorliegenden Datenbeständen, eigenständig Lösungen zu finden. Weit gefasst wird künstliches Wissen durch Erfahrung generiert. Doch damit die Systeme lernen und Lösungen finden können, bedarf es vorherigen Handelns von Menschen. Neben dem bereitstellen der zugrunde liegenden Datenmengen müssen Regeln für die Analyse aufgestellt werden.
Sind die Voraussetzungen getroffen, so können die Systeme mit maschinellem Lernen folgende Aufgaben erfüllen:
Relevante Daten finden, extrahieren und zusammenfassen,
Vorhersagen auf Basis der analysierten Daten treffen,
Wahrscheinlichkeiten für bestimmte Ereignisse berechnen,
sich an Entwicklungen eigenständig anpassen und
Prozesse auf Basis erkannter Muster optimieren
Das Projekt: ML²
Machine Learning gehört zu den wichtigsten Zukunftstechnologien der Digitalisierung und bietet ungeahnte Möglichkeiten in den unterschiedlichsten Branchen. Es setzt aber interdisziplinäres Know-How voraus, das bisher kaum vorhanden ist. Unternehmen und Anwender haben aber noch wenig Wissen über Nutzen und Einsatz von ML.
Mit einem neuartigen Konzept bringt das Projekt \“Menschen Lernen Maschinelles Lernen\“ (ML²) Studierende verschiedener Master Studiengänge und Praktiker aus den Unternehmen zum Thema Machine Learning zusammen und macht sie fit für die digitale Zukunft. ML² wird dabei als Qualifizierungsmaßnahme vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms \“IKT 2020 – Forschung für Innovationen\“ gefördert.
Das Projekt selbst wird in zwei Phasen unterteilt und sowohl von den Studierenden der Hochschule Offenburg als auch von den teilnehmenden Mitarbeitern der Unternehmen absolviert:
Phase 1: Machine Learning für die Praxis:Grundlagenschaffung durch Vorlesungen und Inverted Classroom Einheiten
Phase 2: Machine Learning in der Praxis:Gemischte Teams aus Studierenden und Mitarbeitern, welche gemeinsam ein ML-Projekt erarbeiten und umsetzen
Die Erwartungen
Wir sehen großes Potential in diesem Projekt. Gerade für schrempp edv, mit unserem eigenen ERP-System, sowie für unsere Kunden ist Machine Learning besonders interessant. Deshalb stellen wir nicht nur Projekte und Praxisplätze zur Verfügung, sondern ermöglichen unseren Mitarbeitern die Teilnahme am Projekt.
Tobias Lachmann, Leiter Forschung und Entwicklung, sieht besonders das berufsbegleitende Lernen positiv: „Berufsbegleitend zu lernen und sich mit neuen Technologien zu befassen ist ein zentrales Element in der IT. Die ML²-Weiterbildung der HS Offenburg zum Thema Machine Learning ist für uns optimal. Hier werden theoretische Grundlagen mit praktischer Anwendung vermittelt – das passt perfekt“. Daraus lassen sich für schrempp edv neue Synergien entwickeln und das gewonnene Know-How direkt in die Entwicklung des ERP-Systems einbinden. Dadurch profitieren alle beteiligten.
Doch nicht nur für uns als Unternehmen ist dieses Projekt besonders sinnvoll. Carmen Schmider, Studentin AI an der HS Offenburg, absolviert bei uns im Unternehmen die Praxisphase. „Für die Teilnahme am Projekt habe ich mich entschieden, weil ich die Kombination aus Vorlesung und praktischer Anwendung in einem Unternehmensprojekt besonders interessant finde. So kann die Theorie direkt in der Praxis angewendet werden. Jetzt freue ich mich darauf, bei schrempp edv das neu gewonnene Wissen anwenden zu können.“, so die Studentin.
Dank der engen Zusammenarbeit zwischen den Studenten und unseren Mitarbeitern erhoffen wir uns bereits in naher Zukunft konkrete Lösungen, welche wir in unseren ERP-Systemen SIVAS.ERP und ten.ERP einfließen lassen können. Bereits jetzt lassen sich erste Erfolge verzeichnen.
Weitere Informationen erhalten Sie auf der Projektwebseite unter https://ml2.hs-offenburg.de/
