Erkennung von Sonnenkollektoren
Für ein Unternehmen der Finanzindustrie hat Reply eine Lösung zur Erkennung von Sonnenkollektoren auf Hausdächern entwickelt.
#Convolutional Neuronal Networks
# Insurance Industry
# Class Activation Map
# Visualization
,allowExpansion)
Neuronale Netzwerke für Neugeschäft und Kundenbindung in Banken und Versicherungen
Für ein Unternehmen der Finanzindustrie hat Reply eine Lösung zur Erkennung von Sonnenkollektoren auf Hausdächern entwickelt. Die Lösung nutzt dazu Satellitenbilder, die mit Hilfe von Bilderkennungsverfahren und neuronalen Netzen ausgewertet werden. Ziel des Projekts war, Bestandskunden mit unzureichend versicherten Solaranlagen zu identifizieren und sie über eine bestmögliche Versicherung zum Schutz der wertvollen Anlagen zu informieren.
Die technische Umsetzung durch Reply erfolgte mit einem Deep Learning Modell, das Solaranlagen auf Luftbildern erkennt. Dazu wurden in einem ersten Schritt die Adressen der Versicherten in Koordinaten umgewandelt. Anschließend wurde ein Luftbild bei einem Dienstleister in einem kleinen Radius um diese Koordinate angefordert. Da dieser Vorgang vollautomatisch abläuft, ist ein hohes Maß an Genauigkeit gefordert. Es muss sichergestellt werden, dass zum Beispiel eine auf dem Nachbardach installierte Solaranlage nicht zu einem falschen Ergebnis führt.
Deep Learning und Künstliche Intelligenz für eindeutige Ergebnisse
Um ein gutes Deep Learning-Modell zu trainieren, wird zunächst eine große Menge an Trainingsdaten benötigt. Zu diesem Zweck wurden mehrere tausend Bilder von Häusern sortiert und in Bilder mit und ohne Solaranlage eingeteilt. Auf dieser Grundlage konnte das Modell lernen, Solaranlagen von anderen Strukturen zu unterscheiden. Aus der Luft betrachtet sehen zum Beispiel Wintergärten und die Holzbalken eines Carports einer Solaranlage sehr ähnlich.
Um solche schwierigen Strukturen zu erkennen, sind Visualisierungsmethoden aus dem Bereich der Künstlichen Intelligenz hilfreich. Verfolgt man den Weg eines Bildes durch das Modell, wird sichtbar, durch welche Bildbereiche das Modell zu seiner Entscheidung gekommen ist. Dadurch ist es möglich, Fehler zu identifizieren und durch die Erweiterung der Trainingsdaten gezielt zu korrigieren.
Stärkung der Kundenbindung
Reply konnte dem Versicherungsunternehmen ein Modell zur Verfügung stellen, das für jede beliebige Adresse in Deutschland anzeigt, ob das Haus über eine Solaranlage auf dem Dach verfügt. Das Modell wurde auf alle bestehenden Kunden des Versicherungsunternehmens angewandt, um diese proaktiv über einen unvollständigen Versicherungsschutz zu informieren und so die Kundenbindung zu stärken.
Das Projekt wurde von der Deutschen Bank im Rahmen eines Videos anlässlich des 150-jährigen Bestehens der Deutschen Bank vorgestellt. Die Reihe #Expeditiown150 widmet sich neuen Trends und Innovationen aus der Finanzindustrie.
)
Machine Learning Reply ist das Unternehmen der Reply-Gruppe, das sich auf Lösungen für Machine Learning, Cognitive Computing und künstliche Intelligenz basierend auf dem Google-Technologie-Stack spezialisiert hat. Auf der Grundlage neuester Entwicklungen in der künstlichen Intelligenz wendet Machine Learning Reply innovative Deep Learning-, Natural Language Processing- und Bild-/Videoerkennungstechniken auf verschiedene Anwendungsbereiche an, wie z. B. intelligente Automatisierung, prädiktive Engines, Empfehlungssysteme und Chat-Bots.