Wenn Gewinnmargen sinken, ist es wichtig, durch kleine Veränderungen an jeder Stelle Verbesserungen zu erzielen. Um Sie dabei zu unterstützen, nutzen wir neuste mathematische Methoden, um veränderbare Parameter zu optimieren. Dadurch entstehen Lösungen, die verfügbare Ressourcen bestmöglich ausschöpfen.

Beispiele für Parameter, die wir optimieren

• Menge benötigter Lebensmittel in einem Mitarbeiterrestaurant
  
• Anzahl benötigter Maschinen in einem Produktionsprozess
  
• Routenplanung einer Auslieferung

Jeder Mensch trifft viele Entscheidungen aufgrund von Erfahrungen. Hierbei nutzt unser Gehirn Daten aus der Vergangenheit, um eine möglichst gute Antwort auf eine Frage zu finden. Doch unser Gehirn ist niemals unvoreingenommen. Wir erstellen individualisierte mathematische Modelle, die Probleme objektivieren. Anschließend werten wir die Modelle aus, sodass Entscheidungsempfehlung gegeben werden können. Auf diese Weise helfen wir dabei, Vermutungen zu überprüfen und Entscheidungen transparenter darzustellen.

Beispiele für Fragestellungen, bei denen wir Entscheidungshilfen geben

• Nutzungskosten verschiedener Reiseportale
  
• Öffnungszeiten eines Mitarbeiterrestaurants
  
• Benötigte Bürofläche für ein Unternehmen

Es gibt Probleme, die so komplex sind, dass keine optimale Lösung im ursprünglichen Sinne existiert. Häufig liegt dies daran, dass Einflussfaktoren von Zufall geprägt sind. Für solche Fragestellungen bieten sich stochastische (auf Wahrscheinlichkeitsrechnung beruhende) Modelle an, die Zufallsfaktoren miteinbeziehen. Das Ergebnis ist ein Abbild der Realität, das nun durch verschiedene Simulationen analysiert werden kann. Entsprechende Simulationen können bei Bedarf von uns auch visualisiert werden.

Beispiele für Prozesse, die wir modellieren

• Entwicklung von Warteschlangen
  
• Nutzung der Aufzüge in einem Gebäude
  
• Entwicklung von Corona-Infektionszahlen

Vom Thema Machine Learning ist aktuell an vielen Stellen zu hören und manchmal scheint es, dass es die Lösung für fast alle Probleme bereithält. Wir sind der Meinung, dass ML Algorithmen besonders dort Fortschritte bringen können, wo es eine große Menge an Daten gibt. Allerdings gibt es auch Bereiche, in denen menschliche Expertise unersetzlich ist. Wir identifizieren gemeinsam mit Ihnen Bereiche, in denen Machine Learning signifikante Fortschritte für Sie bringen kann und entwickeln Lösungen, um diese Chancen zu nutzen.

Beispiele für Themen, in denen ML helfen kann:

• Vorraussagen von Verkaufszahlen
  
• Empfehlungdienste (Recommender Systems)
  
• Finden des optimalen Preises für ein Produkt
  

Unsere große Leidenschaft ist es, neue Methoden zu finden, um mit Hilfe der Mathematik komplexe Probleme zu lösen.
Schildern Sie uns gerne Ihre Situation und wir erarbeiten gemeinsam Möglichkeiten, wie Sie die Mathematik nutzen können.