Motivation
Viele Arbeitsschritte in Ingenieurbüros sind zunehmend standardisiert und können bald durch Algorithmen abgedeckt werden. Oft bieten nur zwei Prozent der gesamten Auftragsbearbeitung noch Raum für neue Lösungen und Prozesse. Potenziale bestehen vor allem in den großen Datenmengen, die im Rahmen diverser Projekte anfallen und auffindbar, verwertbar und wieder verwendbar bleiben müssen. Seecon sieht hier die Möglichkeit, das Leistungsangebot um branchenspezifische, datenbasierte Services zu erweitern.
Zielstellung
- Überführung großer und unstrukturierter Datenmengen in strukturierte Datencontainer
- Ableitung von Use Cases für mögliche Erweiterungen des Dienstleistungsportfolios von seecon in Bezug auf unterschiedliche Interessen-/Kundengruppen
Ergebnisse
- Analyse von geeigneten Verfahren des maschinellen Lernens, um unstrukturierte Datenmengen für eine gezielte Weiterverwertung und die Einbindung in neue Services zu strukturieren
- Entwicklung eines Prototyps auf Grundlage eines Datenausschnitts inkl. geeigneter Benutzeroberfläche mit intelligenten Such-/Filteroptionen
- Ableitung von geeigneten datenbasierten Angeboten für seecon zur Portfolioerweiterung
- Aufzeigen von Erweiterungsmöglichkeiten des seecon-Geschäftsmodells mit Blick auf die damit einhergehenden Wertschöpfungspotenziale
