Customer Experience Data Strategy

Machine Learning für mehr Sicherheit im selbstständigen Wohnen im Alter

Zühlke unterstützt Siima Solution GmbH (entstanden aus einem Innovationsprojekt der ewb) in der Entwicklung einer Lösung, welche Muster in den Stromverbrauchsdaten von älteren Menschen in ihrem Zuhause erkennt und bei Unregelmässigkeiten Angehörige automatisch alarmiert.

zwei ältere Menschen, die beim Kochen und Essen auf einen Laptop schauen
  • Umfassende Unterstützung durch ein interdisziplinäres Team von Zühlke
  • Entwicklung eines massgeschneiderten Machine-Learning-Algorithmus
  • Entwicklung und Operationalisierung der Machine-Learning-Lösung in nur drei Monaten

Sicherheit im selbstständigen Wohnen im Alter

Siima Solution GmbH möchte basierend auf Stromverbrauchsdaten ein System entwickeln, welches älteren Menschen ermöglicht, unabhängig im Zuhause ihrer Wahl zu leben und Sicherheit im Falle eines Notfalls bietet. Die Applikation namens Siima soll Mehrwert auf einen Blick unsichtbar und ohne Mitwirkung der Bewohner funktionieren, Notfälle automatisch erkennen und Angehörige oder eine Notrufzentrale benachrichtigen.

Dominik Hanisch, CEO und Co-Founder Siima Solutions GmbH
„ Dank Zühlke konnten wir nicht nur ein marktfähiges und zuverlässiges Assistenzsystem entwickeln. Es wurde der Grundstein für unser Startup gelegt. “
Dominik Hanisch
CEO und Co-Founder, Siima Solution GmbH

Interdisziplinäres Team

Zühlke unterstützt Siima im gesamten Innovationsprozess: Von der initalen Vision, über die Entwicklung und Evaluation eines geeigneten Machine-Learning-Algorithmus, bis zur technischen Umsetzung der gesamten Applikation. Mit einem interdisziplinären Team aus Data Scientists, Data Engineers, Software-Entwicklern und UX-Designern wird agil und in enger Zusammenarbeit mit dem Kunden eine massgeschneiderte Lösung geschaffen. Der entwickelte Algorithmus detektiert Zeitfenster mit wiederkehrenden Verhaltensmustern automatisch und legt geeignete Schwellwerte für diese Muster fest. Im Betrieb müssen diese Schwellwerte in den jeweiligen Zeitfenstern überschritten werden, damit ein erwartetes Verhaltensmuster vorliegt. Andernfalls wird ein Alarm ausgelöst.

Beispiel für Schwellenwerte des Energieverbrauchs Beispiel für Schwellenwerte des Energieverbrauchs

Kurze Markteinführungszeit und Skalierbarkeit

Die Zusammenarbeit mit Zühlke ermöglicht eine gemeinsame und iterative Entwicklung der Applikation, welche stets den Bedürfnissen und Anforderungen von Siima angepasst wird. So entsteht in kurzer Zeit ein marktfähiger Prototyp, welcher schrittweise in eine automatisierte, skalierbare und produktive Applikation erweitert wird.

Philipp Morf
Ansprechpartner für die Schweiz

Philipp Morf

Head AI & Data Practice

Dr. Philipp Morf ist promovierter Ingenieur ETH und leitet seit 2015 Bereich Artificial Intelligence (AI) und Machine Learning (ML) Lösungen bei Zühlke. Als Director des AI Solutions Centers konzipiert er effektive AI/ML Anwendungen und ist ein gefragter Redner zu AI-Themen im Bereich Anwendungen und Anwendungstrends. Mit seiner langjährigen Erfahrung als Berater im Bereich Innovationsmanagement schlägt er die Brücke zwischen Business, Technologie und den Menschen als Anwender von AI.

Kontakt
Vielen Dank für Ihre Nachricht.