Fakten zum Projekt

Problem

Um das Patientenmanagement zu erleichtern, sortieren Krankenhäuser und Altenheime in Deutschland für gewöhnlich die Tablettenrationen in wöchentliche Behälter, die die richtige Tablette für jeden Wochentag und jede Tageszeit enthalten. Dies ist seit jeher ein händischer Prozess. Tabletten werden aus der Originalverpackung genommen und in die Blister-Boxen der Patienten sortiert. Das ist nicht nur zeitaufwendig, sondern auch fehleranfällig und stellt dadurch ein erhebliches Gesundheitsrisiko dar.

Kohlpharma entwickelte eine zukunftsweisende Lösung, um unterschiedlichste Pillen in Echtzeit vollautomatisiert in individualisierte Blister-Boxen zu verpacken. Diese sollen die wöchentliche Patientenration der Tabletten enthalten, welche nach Tag und Tageszeitpunkt sortiert sind. Jede Box wird präzise und mit minimalem Zeitaufwand und minimierter Fehlerquote aus einer Auswahl von 1000 verschiedenen Tabletten gefüllt. 

Lösung

KIANA führte bei kohlpharma die Nahinfrarot-Spektroskopie in der Produktionsstraße ein, um eine Hochgeschwindigkeitsaufnahme von Informationen über die chemische Zusammensetzung jeder Tablette zu erhalten. Dabei erfassen die installierten Kameras 256 Messpunkte, die Aufschluss über die Geometrie und Nahinfrarot-Eigenschaften eines Medikaments geben. Diese werden in einem Zuordnungsalgorithmus kombiniert, um den Tablettentyp innerhalb von 3 msec, basierend auf der linearen Fisher Diskriminante, zu ermitteln. Dieser Prozess funktioniert mit absoluter Präzision und macht es möglich, zuverlässig zwischen Medikamenten mit sehr ähnlicher Zusammensetzung zu unterscheiden. Diese Unterscheidung ist sogar bei schwankenden Mengen der Hilfsstoffe möglich. Weiterhin ist es dem System möglich seine eigene Kompetenz zu beurteilen. Im Resultat konnte auch der Fehler während des Prozesses um fünf Dimensionen von ungefähr 10^-1 in der manuellen Sortierung auf 10^-6 bei der vollautomatisierten KIANA Lösung reduziert werden.  

Die Folge

Kohlpharma wurde die erste deutsche pharmazeutische Firma, der es gelang, Tablettenblister automatisiert und völlig individualisiert zu liefern. Dadurch wurde das Unternehmen zu einem bevorzugten Partner vieler medizinischer Einrichtungen und Altenheimen.
Die Lösung wurde seitdem durch KIANA auch bei einer anderen pharmazeutischen Firmen realisiert. Hier werden die Messungen bei bereits verpackten Tabletten durch die Kunststofffolie hindurch vorgenommen.

 

Fakten zum Projekt

Problem

2010 berief die NASA eine Pressekonferenz ein, um eine der größten Ankündigungen in der Geschichte der Wissenschaft zu machen: Eine NASA Wissenschaftlerin gab an, eine neue Lebensform entdeckt zu haben. Es handele sich um ein Bakterium, welches allein mit Arsen überleben kann. Das Bakterium im arsenreichen Mono Lake verlange nach einer Neudefinition der Lebensbausteine, da es Arsen an Stelle von Phosphor (eines der sechs Elemente, welches für Leben erforderlich ist) in seine DNA und Zellmembran integrieren könne. Während Arsen und Phosphor sich chemisch ähnlich sind, ist Arsen normalerweise giftig für alle lebenden Organismen. Der Mono Lake, aus dem die Proben entnommen wurden, ist mit seinem ungewöhnlich salzigem Wasser und dem hohen Aufkommen an Arsen und Mineralien bekannt dafür, Bedingungen widerzuspiegeln unter denen sich frühes Leben auf der Erde entwickelt hat. Die Entdeckung ging durch alle bedeutenden Medien weltweit. Allerdings musste die Originalstudie zunächst bestätigt werden, um als echte Entdeckung anerkannt zu werden. Jede Einrichtung, die sich an den Tests beteiligte musste schnell und mit mächtigen integrativen Analyseinstrumenten arbeiten, um sich auf die wissenschaftliche Arbeit zu konzentrieren, die Jahre dauern könnte.   

Ohne die in Saarbrücken entwickelte Software wäre eine derart zielgerichtete und schnelle Datenauswertung nicht möglich gewesen
— Dr. Patrick Kiefer | ETH Zürich

Lösung

Die ETH Zürich für Molekularbiologie hatte seit langem mit einem Set verschiedenster Tools und Methoden gearbeitet. Durch die Brüche zwischen den verschiedenen Systemkomponenten mussten Messungen in verschiedenen Formaten aufwendig von einem System exportiert und ins Nächste importiert werden. Jegliche andere am Markt verfügbare Softwarealternative konnte den Anforderungen an die Anpassungs- und Weiterentwicklungsfähigkeit eines Idealsystems durch die Forscher selbst nicht entsprechen.  Anfang 2012 realisierte das Forscherteam, dass es vorerst die IT Herausforderung lösen sollte, bevor es sich effektiv dem NASA Fall widmen können würde. Die ETH Zürich fragte KIANA an:

Um die Anforderungen an ein einfaches aber leistungsfähiges System zu erfüllen, welches den Ansprüchen der Forscher gerecht wird, entwickelte KIANA eine maßgeschneiderte Lösung, welche auf Python basiert. Das System namens emzed macht das Experimentieren mit neuen Analysestrategien für LMCS Daten so einfach wie möglich. Alle Schritte können in einem geschlossenen System durchgeführt werden, welches eine hohe Flexibilität für den Endanwender eingeschlossen neuer Analysemethoden und Visualisierungstechniken bietet. Die Programmiersprache Python wurde speziell für diesen Zweck gewählt, weil die Sprache leicht verständlich ist und von Mathematikern benutzt wird. Heute ist das System als Open Source Framework frei verfügbar. 

 

Die Folge

Die ETH Zürich und das Forscherteam um Julia Vorholt und Patrick Kiefer konnten die NASA Studie im Sommer 2012 widerlegen, indem sie zeigten, dass das Bakterium trotz seiner Arsenresistenz immer noch abhängig von Phosphor war. Das emzed System kam seitdem weiterhin bei zahlreichen komplexen Studien erfolgreich zum Einsatz und wird durch die Forscher hoch geschätzt und eigenständig weiterentwickelt. Auch KIANA entwickelte das Ursprungssystem derart weiter, dass es heute auch in der Chemie, im pharmazeutischen Umfeld und sogar in völlig anderen Branchen, wie im Versicherungsumfeld angewandt werden kann.

 

Fakten zum Projekt

 

PROBLEM

Mit 13.000 Schiffsbewertungen pro Jahr, gehört Weselmann zu den führenden Schiffsbewertern der Welt. Während die detaillierte Schätzung eines Schiffes eine Expertenleistung ist, die mehrere Tage in Anspruch nehmen kann, wollte das Unternehmen eine praktische und schnellere Alternative entwickeln, um auf Banken, Versicherungen und potentielle Käufer mit sehr dringenden Anfragen eingehen zu können. Weselmann fragte bei KIANA an, ob der Aufbau einer solchen Lösung mithilfe der umfassenden Datenvorräte möglich wäre.

 

Lösung

KIANA fügte die Daten aus 20 Jahren mit insgesamt 30.000 Schiffen aus vielen verschiedenen Kategorien wie z.B. Containerschiffe, Massengutfrachter und Tankschiffen zusammen, um eine alternative Echtzeit-Bewertung zu entwickeln. Nach der Reinigung und Aufbereitung der Daten für eine saubere Analyse, konnten die Schiffe mit ihren Bewertungen mithilfe ihrer statischen Eigenschaften im Zeitablauf auf einer Zeitreihe platziert werden. Sodann konnte die Timeline in Bereiche unterteilt werden, die die Bewertung eines Schiffes anhand einer klaren Peer Group ermöglichen. So kann jedes Schiff auf Basis der umfangreichen Datenbank geschätzt werden, die mit der Zeit anwächst und damit immer zuverlässiger wird. Die verschiedenen Schiffsklassen werden dabei auf Basis verschiedener Funktionen bewertet, da sich der Wert eines Tankers aus ganz anderen Eigenschaften bemisst als der eines Containerschiffs. Als Spezialist in der Analyse von Zeitreihen mit sehr wenig Elementen, optimierte KIANA die gesamte Zielfunktion. Da die Bewertung der Schiffe auch über den Zeitverlauf getrackt wird, kann sogar die Preiswirkung äußerer Veränderungen wie z.B. bei Gesetzesänderungen im Modell berücksichtigt werden. Des Weiteren ist das System in der Lage, sich selbst in seiner Präzision zu beurteilen. Es gibt für jede durchgeführte Bewertung Indizien für die Exaktheit der Preisschätzung. 

 

Die Folge

Weselmann hat erfolgreich eine schnelle Bewertungsalternative eingeführt, um auf die Bedürfnisse von Partnern mit dringenden Anfragen einzugehen. Die Alternative wurde sehr gut vom Markt angenommen. Inzwischen wurde das System durch KIANA so weiterentwickelt, dass die automatisierte Bewertung von komplex strukturierten Objekte auch vielen weiteren Anwendungsbereichen ohne großen Aufwand umgesetzt werden kann.

Aktuell führt KIANA Tests zur schnellen und präzisen daten-basierten Bewertung von Automobilen durch. 

 

Fakten zum Projekt

 

PROBLEM

Ein führendes Versicherungsunternehmen verzeichnete hohe Kundenabwanderungsraten von 30% und mehr über alle seine Sparten hinweg. Ohne eine Transparenz über die Kündigungsgründe und mögliche Zusammenhänge zwischen den Sparten, fiel es schwer, einen zielorientierten Ansatz zu finden, um potentielle Kündiger aufzuhalten und Unzufriedenheiten vorzubeugen. Ohne eine klare Segmentierung bliebe nur die Ansprache des gesamten Kundenstamms - eine kostspielige und ineffektive Angelegenheit mit großem Schadenpotenzial. Das Versicherungsunternehmen wandte sich an KIANA, um nach einer Lösung innerhalb seiner Daten zu suchen.

 

Lösung

KIANA sammelte die internen Kundendaten über alle Sparten hinweg in einem zentralen System und fügte externe mikrogeographische Daten hinzu, um die finanzielle Situation der Kunden und andere nützliche Informationen in den Analyseprozess mit einzubeziehen. In enger Zusammenarbeit mit der Marketingabteilung des Kunden wurde ein Entscheidungsbaum entwickelt, der Kundensegmente mit auffälligen Daten-Mustern zu Tage zu fördert - mit klarem Ergebnis: Die Unterschiede im Kundenverhalten und in den Kontoverläufen unterschieden sich deutlich zwischen loyalen Kunden und Abwanderern. XL Kunden mit mehreren Versicherungsverträgen, für deren Schäden nicht aufgegekommen war, wiesen z.B. eine Kündigungsrate von 90% und mehr auf. Diese Kunden wurden über alle Sparten hinweg identifiziert und können heute zuverlässig mit zugeschnittenen Kundenbindungsmaßnahmen angesprochen werden. Das Wissen über die Muster im Verhalten erlaubte eine völlig neue und viel klarere Ausrichtung der Marketing- und Kundenbindungskampagnen.

 

Die Folge

Das Versicherungsunternehmen erreichte über 90% der potenziellen Abwanderer, indem es nur 30% seines gesamten Kundestammes anstatt der Grundgesamtheit mit gezielten Kundenbindungsmaßnahmen ansprach. Gemeinsam mit der langfristigen Implementierung präventiver Maßnahmen, konnte die Kundenabwanderungsrate nachhaltig über alle Sparten um ganze 50% reduziert werden. Die Analyse von Kundensegmenten durch das Sammeln wichtiger innerbetrieblicher Daten und deren Anreicherung mit weiteren externen Quellen bietet eine leistungsstarke Basis für die Kundenbindung, aber auch für die cross- und up-selling Maßnahmen in jeder Branche.