Electrolux zählt mit 51.000 Beschäftigten und einem Umsatz von umgerechnet rund zwölf Milliarden Euro zu den weltweit größten Herstellern von Haushaltsgeräten. Das Unternehmen setzt bereits seit etlichen Jahren KI- und Machine-Learning-Algorithmen ein. Der Grund: "Wir verkaufen jedes Jahr etwa 60 Millionen Haushaltsprodukte. Electrolux ist stets bestrebt, seinen Kunden die besten Erfahrungen zu bieten", erläutert Daniel Edsgärd, Head of Data Science bei Electrolux.

Smarte Appe fürs Kochen

Ein Beispiel ist die Smartphone-App Camcook. Sie gibt Nutzern von "smarten" Backöfen von Electrolux Tipps, mit welchem Programm sie ein Gericht am besten garen und backen können. Dazu analysiert die App mit Unterstützung von künstlicher Intelligenz Fotos der Zutaten in einer Pfanne oder Auflaufform.

Auch bei der Optimierung interner Prozesse setzt Electrolux diese Techniken ein, etwa im Rahmen von Robotic Process Automation (RPA). KI und ML dienen außerdem dazu, durch die Analyse von Daten verwertbare Erkenntnisse zu gewinnen.

Schneller durch Model Serving

Nun verläuft die Entwicklung von KI- und ML-basierten Anwendungen bei Electrolux noch schneller. Denn Databricks, der Anbieter des Cloud-basierten Lakehouse-Systems, das der Hersteller nutzt, hat in die Plattform eine Model-Serving-Funktion integriert.

Durch die Einbindung in das Lakehouse (Kombination von Data Lake und Data Warehouse) lassen sich der Datenabgleich und die Überwachung während des gesamten Lebenszyklus von Daten und Modellen automatisieren, vom Training bis zum Produktiveinsatz.

"Model Serving beschleunigt den Weg in die Produktion, indem es die Implementierung vereinfacht, den Overhead reduziert und eine vollständig integrierte Erfahrung direkt im Databricks Lakehouse bietet", betont Patrick Wendell, Mitbegründer und Vice President of Engineering bei Databricks.

Modelle in kürzerer Zeit bereitstellen

Dazu tragen Funktionen bei wie automatische Online-Lookups zur Vermeidung von Online-/Offline-Verzerrungen. Durch die Integration von MLflow wiederum müssen KI-Fachleute Features nur einmal während des Modelltrainings definieren. Databricks ruft diese künftig automatisch ab und verknüpft sie.

Der Effekt: "Indem wir Databricks Model Serving auf derselben Plattform betreiben, auf der unsere Daten liegen und auf der wir unsere Modelle trainieren, konnten wir die Bereitstellung beschleunigen und den Wartungsaufwand reduzieren", so Daniel Edsgärd. "Wir haben beispielsweise unsere Inferenzlatenz um das 10-fache reduziert. Das hilft uns dabei, relevante und genaue Vorhersagen schneller zu liefern."

Electrolux | Machine Learning
Branche: IndustrieIndustrie
Use Case: Entwicklung von KI- und Machine-Learning-Anwendungen
Lösung: Nutzung von Lakehouse mit Model Serving von Databricks
Partner: Databricks Top-Firmen der Branche Industrie