Datenannotation für die Entwicklung von KI-basierten Assistenzsystemen
Datenannotation (auch Labeling) ist ein wesentlicher Prozess im Machine-Learning und in der Algorithmenentwicklung. Mit dem Anreichern von Informationen und Kategorien zu Rohdaten aus Kameras, Radar- oder Lidar-Sensoren 0Dkönnen die Daten für das Training von KI-Modellen oder zur Absicherung von Algorithmen genutzt werden.
Wir können großvolumige und hochqualitative Projekte zu attraktiven Konditionen durch koordinierte On- und Nearshore-Kapazitäten realisieren. Dabei setzen wir auf projektspezifische, eigens angepasste Tools, durch deren direkten Einsatz die Möglichkeit zu unmittelbarem Feedback und kurze Entwicklungsiterationen auf wesentliche Features gegeben ist.
Unser Qualitätsversprechen für Ihr Projekt:
1. Anforderungsmanagement
Wir stimmen gemeinsam mit Ihnen das Labeling-Handbuch ab, um sicherzustellen, dass alle Anforderungen präzise und effizient umgesetzt werden.
2. Abstimmung von Tooling und kundenspezifischen Schnittstellen
Wir gewährleisten eine nahtlose Integration der richtigen Werkzeuge und Schnittstellen, die speziell auf Ihre Bedürfnisse und die Gegebenheiten Ihres Projekts zugeschnitten sind.
3. Kundenspezifischer Datenaustausch
Wir kümmern uns um die Übertragung und Konvertierung Ihrer Daten, um einen reibungslosen und effizienten Austausch sicherzustellen.
4. Beginn der Annotation
Nach der sorgfältigen Vorbereitung starten wir mit der Annotation, um die Datenqualität von Anfang an zu garantieren.
5. Regelmäßige Reviews zur Qualitätssicherung
Durch regelmäßige Reviews stellen wir sicher, dass einerseits alle Projektanforderungen erfüllt werden und andererseits die Qualität während des gesamten Prozesses konstant hoch bleibt.
6. Projektspezifisches Reporting
Wir erstellen Ihnen maßgeschneiderte Berichte, die Ihnen in regelmäßigen Abständen einen Überblick über den Projektfortschritt und die Qualität der Arbeit geben.
7. Abschluss/Übergabe
Nach erfolgreichem Projektabschluss stellen wir sicher, dass alle Ergebnisse vollständig vorhanden sind und der Übergabeprozess reibungslos verläuft.
8. Retrospektiven und fortlaufende Prozessoptimierung
Wir führen Retrospektiven durch, um aus jedem Projekt zu lernen und den gesamten Prozess kontinuierlich zu optimieren, sodass künftige Projekte noch effizienter und erfolgreicher gestaltet werden können.
Einsatz von KI im Bahnumfeld
Seit Februar 2023 sind wir gemeinsam mit der FusionSystems GmbH in einem Projekt des deutschen Zentrums für Schienenverkehrs-forschung (DZSF) zum Einsatz von künstlicher Intelligenz beim automatisierten Fahren im Schienenverkehr. Ziel des Projekts ist es, allgemeine Vorgaben zur Aufbereitung von Daten für Training und Validierung von Algorithmen der künstlichen Intelligenz (KI) zur Objekterkennung und -klassifizierung zu entwickeln sowie KI-Daten für einen Teilbereich der relevanten Eingangsparameter aufzubereiten und nach Projektabschluss zu veröffentlichen. Die Projektergebnisse sollen die Forschung an und Entwicklung von Anwendungen zur Objekterkennung und -klassifizierung beim automatisierten Fahren im Eisenbahnbetrieb unterstützen.
Hier finden Sie eine detaillierte Beschreibung des Projekts:
