Dubai International Airport
Mit Data Analytics zum besten Flughafen der Welt
Scott Carey ist Redakteur bei unser IDG-Schwesterpublikation Computerworld in Großbritannien. Der IT-Journalist mit dem Schwerpunkt auf Unternehmensanwendungen moderiert auch Branchenveranstaltungen. Besonders interessieren ihn die großen IT-Player und Cloud-Service-Anbieter. Er hat ein Diplom in Journalistik an der Universität Cardiff in Wales erworben. In seiner Freizeit treibt er Sport, reist viel und beschäftigt sich intensiv mit der Medienlandschaft in Großbritannien.
Florian Maier beschäftigt sich mit diversen Themen rund um Technologie und Management.
Mit Machine Learning zu mehr Fluggepäck-Effizienz
Um die Gepäckbeförderungskapazität des Flughafens in den Vereinigten Arabischen Emiraten zu steigern, verlässt sich Ibbitson ebenfalls vor allem auf Daten: Auf den rund 15 Kilometer langen Beförderungsbändern sammelt der Flughafen pro Gepäckstück 200 Datenpunkte. Das ermöglicht der Belegschaft Einsichten, von deren Existenz sie vorher nicht einmal wusste. Zum Beispiel wurde so ein Bug entdeckt, der Gepäckstücke mit einem Timestamp aus dem Jahr 2047 ausstattete, so dass diese vom System unnötigerweise priorisiert wurden.
Nach Aussage von Ibbitson hatte das Beförderungssystem zuvor bereits mit 10.000 Gepäckstücken pro Stunde zu kämpfen. Nun seien 13.000 Gepäckstücke pro Stunde ohne Probleme möglich.
Für die Zukunft plant Ibbitson auch den Einsatz von Machine Learning, um zu jedem Zeitpunkt ganz genau bestimmen zu können, wo im System sich ein Gepäckstück gerade befindet. Und zwar schon zwölf bis 24 Stunden im Voraus. Das kühne Ziel: Eines Tages sollen die Kunden eine SMS mit der Information bekommen, wann und wo genau ihr Gepäck auf dem Band auftauchen wird.
- Bilderkennung ist wichtigstes Anwendungsgebiet für Machine Learning
Heute kommen Machine-Learning-Algorithmen vor allem im Bereich der Bildanalyse und -erkennung zum Einsatz. In Zukunft werden Spracherkennung und -verarbeitung wichtiger. - Machine Learning im Anwendungsbereich Customer Experience
Heute spielt Machine Learning im Bereich Customer Experience vor allem im Bereich der Kundensegmentierung eine Rolle (hellblau). In Zukunft wird die Spracherkennung wichtiger (dunkelblau). - Machine Learning in den Bereichen Produktion und Prozesse
Unternehmen erhoffen sich im Bereich Produktion/Prozesse heute und in Zukunft (hell-/dunkelblau) vor allem im Bereich Prozessoptimierung positive Effekte durch Machine Learning. - ML im Bereich Kundendienst und Support
Sentiment-Analysen werden eine Kerndisziplin für Machine Learning im Bereich Kundendienst und Support - Auch IT-Abteilungen profitieren
Schon heute wird Machine Learning für die E-Mail-Klassifizierung und Spam-Erkennung genutzt. In Zukunft (dunkelblau) werden Diagnosesysteme wichtiger. - Was Management, Finance und HR von Machine Learning erwarten
Heute und in Zukunft ist in diesem Bereich das Risikomanagement eine vorrangige ML-Disziplin. In Zukunft soll auch das Talent-Management beflügelt werden. - Massive Effekte für Einkauf und Supply Chain Management
Machine Learning wird sich auf verschiedenste Bereiche des Procurements und des Supply Managements auswirken (hellblau = heute; dunkelblau= in Zukunft) - Diese Lernstile sind bekannt
Beim bekanntesten Lernstil, dem Überwachten Lernen (Supervised Learning), werden Bildern oder Dokumenten von Hand eine gewisse Menge an Tags oder Labeln zugewiesen. So werden die ML-Algorithmen trainiert. - Diese Lernstile verwenden Branchen
Während Autobauer eher auf "Semi-supervised Learning" setzen, sammeln andere Branchen mit Supervised Learning Erfahrung. - Machine-Learning-Algorithmen
Die meisten Unternehmen setzen auf einen Mix von Verfahren, um ihre vielfältigen Aufgaben zu lösen. - Einsatz von Machine-Learning-Algorithmen nach Branchen
Neuronale-Netzwerk-Algorithmen finden vor allem im Automotive-Sektor Verwendung - und natürlich in der ITK-Branche selbst. - Diese Programmiersprachen und Frameworks kommen im ML-Umfeld zum Einsatz
Mit knapp 70 Prozent Einsatzgrad ist Java die führende Programmiersprache im Bereich ML. Allerdings holen speziellere Sprachen und Frameworks auf. - Deep-Learning- und Machine-Learning-Packages
DeepLearn Toolbox, Deeplearning4j, das Computational Network Toolkit und Gensim werden auf Dauer die führenden Pakete sein. - Zielinfrastruktur für ML-Workloads
Die Deployments von Machine Learning gehen zunehmend in die Breite und erreichen auch die Cloud und das Internet der Dinge. Auf die Unternehmen kommt mehr Komplexität zu. - Bedenken und Herausforderungen
Datenschutz und Compliance-Themen machen Anwender am meisten zu schaffen, geht es um den Einsatz von Machine Learning. Außerdem vermissen viele einen besseren Überblick über das Marktangebot. - Machine Learning ist Sache der BI- und Analytics-Spezialisten
Die organisatorische Einführung von ML obliegt meistens den BI- und IT-Profis. Viele Anwender holen sich aber auch externe Hilfe. - Wo Externe helfen
Datenexploration, Skill-Aufbau und Implementierung sind die Bereiche, in denen Machine-Learning-Anfänger am häufigsten externe Hilfe suchen.
Data Analytics in allen Airport-Bereichen
Nachdem die Verantwortlichen des Dubai International Airport ein wenig Recherche betrieben hatten, stellten sie schnell fest, dass das Thema Wifi am ehesten für Unzufriedenheit unter den Kunden sorgt. Der logische Schluss laut Ibbitson: "Wir wollen das beste, kostenlose Flughafen-WLAN anbieten."
Konkret heißt das: Kostenloses WLANWLAN in Streaming-Qualität auf dem gesamten Flughafengelände. Und weil die IT-Abteilung sowohl die Wifi-Nutzung als auch die -Performance in Echtzeit einsehen kann, sind kriminelle Hacker dabei schnell identifiziert und entsprechende Sicherheitslücken können gezielt beseitigt werden. Alles zu WLAN auf CIO.de
Zu guter Letzt hat Ibbitson am Flughafen Dubai auch noch das Projekt "Golden Bathroom" angestoßen, dessen Ziel eine Verbesserung der Toilettensauberkeit ist. "Um die Toiletten bestmöglich sauber halten zu können, muss man verstehen, wie sie genutzt werden", erklärt Ibbitson. "Es geht im Grunde darum, die ‚busy peaks‘ zu identifizieren und die Verträge mit der Reinigungsfirma auf diese Erkenntnisse hin anzupassen."
Dieser Artikel basiert auf einem Beitrag unserer UK-Schwesterpublikation Computerworld.