Erfahren Sie, wie führende Unternehmen weltweit Amazon SageMaker verwenden, um Modelle für Machine Learning (ML) zu entwickeln, zu trainieren und bereitzustellen.
Intuit
Intuit ist ein Unternehmen für Geschäfts- und Finanzsoftware, das Software für Finanzen, Buchhaltung und Steuererstellung sowie damit verbundene Dienste für kleine Unternehmen, Buchhalter und Privatpersonen entwickelt und vertreibt.
„Mit Amazon SageMaker können wir unsere Initiativen für künstliche Intelligenz in großem Umfang beschleunigen, indem wir unsere Algorithmen auf der Plattform entwickeln und bereitstellen. Wir erstellen neuartige, groß angelegte maschinelle Lern- und AI-Algorithmen und setzen diese auf der Plattform ein, um komplexe Probleme zu lösen und unsere Kunden erfolgreicher zu machen."
Ashok Srivastava, Chief Data Officer - Intuit
GE Healthcare
Durch die Nutzung von Daten und Analytik in den Bereichen Hardware, Software und Biotechnologie verändert GE Healthcare das Gesundheitswesen, indem es bessere Ergebnisse für Anbieter und Patienten liefert.
„Amazon SageMaker erlaubt GE Healthcare den Zugriff auf leistungsstarke Tools und Services der künstlichen Intelligenz, um die Patientenversorgung zu verbessern. Die Skalierbarkeit von Amazon SageMaker und seine Fähigkeit zur Integration in native AWS-Services bieten einen enormen Mehrwert für uns. Wir freuen uns sehr darüber, dass wir durch die andauernde Zusammenarbeit zwischen der GE Health Cloud und Amazon SageMaker für verbesserte Ergebnisse bei unseren Partnern im Gesundheitswesen sorgen und eine verbesserte Patientenpflege vorantreiben können.“
Sharath Pasupunuti, AI Engineering Leader - GE Healthcare
ADP, Inc.
ADP ist ein weltweit führendes Technologieunternehmen, das Human Capital Management (HCM)-Lösungen anbietet. ADP DataCloud nutzt die unübertroffenen Personaldaten von ADP von über 30 Millionen Mitarbeitern, um praktisch umsetzbare Erkenntnisse zu liefern, die Führungskräften helfen können, Entscheidungen in Echtzeit zu treffen, um ihr Unternehmen besser zu verwalten.
„Talentierte Mitarbeiter zu behalten und anzuziehen ist schwierig, weshalb wir ADP DataCloud weiterhin mit Fähigkeiten der künstlichen Intelligenz erweitern, um Arbeitgebern dabei zu helfen, starke Teams zusammenzustellen und zu pflegen. Wir verwenden AWS Machine Learning, einschließlich Amazon SageMaker, um Mitarbeitermuster schnell zu identifizieren und Ergebnisse vorherzusagen, z. B. Mitarbeiterfluktuation oder die Auswirkungen einer Vergütungserhöhung. Indem wir AWS als unsere primäre Plattform für künstliche Intelligenz und Machine Learning nutzen, konnten wir die Zeit zum Bereitstellen von Machine Learning-Modellen von zwei Wochen auf nur einen Tag reduzieren.“
Jack Berkowitz, Senior Vice President für Produktentwicklung – ADP, Inc.
BASF Digital Farming
BASF Digital Farming hat sich zum Ziel gesetzt, Landwirte in die Lage zu versetzen, intelligentere Entscheidungen zu treffen und zur Lösung der Herausforderung beizutragen, eine wachsende Weltbevölkerung zu ernähren und gleichzeitig den ökologischen Fußabdruck zu verringern.
„Amazon SageMaker und die zugehörige AWS-Technologie unterstützen das schnelle Experimentieren und bieten benutzerfreundliche Funktionen und APIs, die die Einstiegshürde für die Einführung von ML senken. Auf diese Weise können wir schnell das volle Wertpotenzial von ML-Anwendungsfällen erschließen.“
Dr. Christian Kerkhoff, Manager Data Automation – BASF Digital Farming GmbH

Cerner
Die Cerner Corporation ist ein globales Gesundheits- und Technologieunternehmen, das eine Vielzahl von Lösungen, Diensten, Geräten und Hardware im Bereich der Gesundheitsinformationstechnologie (HIT) anbietet.
„Cerner ist stolz darauf, Innovationen im Bereich der künstlichen Intelligenz und Machine Learning in einer großen Vielfalt an klinischer, finanzieller und betrieblicher Erfahrungen voranzutreiben. Mittels neuer Funktionen, die sowohl durch das Cerner-Machine-Learning-Ökosystem als auch durch die Cerner-Sprachtechnologie geschaffen und durch unsere Zusammenarbeit mit AWS ermöglicht wurden, beschleunigen wir skalierbare Innovationen für alle unsere Kunden. Amazon SageMaker ist ein wichtiger Bestandteil, um Cerner in die Lage zu versetzen, unseren Kunden durch KI/ML einen Mehrwert zu bieten. Darüber hinaus bietet Amazon SageMaker Cerner die Möglichkeit, verschiedene Frameworks wie TensorFlow und PyTorch zu nutzen, sowie in verschiedene AWS-Services zu integrieren.”
Sasanka Are, PhD, Vizepräsident – Cerner

Dow Jones
Dow Jones & Co. ist ein globaler Anbieter von Nachrichten und Wirtschaftsinformationen, der Kunden und Unternehmen Inhalte über Zeitungen, Websites, mobile Apps, Video, Newsletter, Zeitschriften, proprietäre Datenbanken, Konferenzen und Radio bereitstellt.
„Da Dow Jones sich weiterhin auf die Integration von Machine Learning in unsere Produkte und Services konzentriert, ist AWS ein großartiger Partner. Im Vorfeld unseres jüngsten Hackathons zum Thema Machine Learning hat das AWS-Team den Teilnehmern Trainings zu Amazon SageMaker und Amazon Rekognition angeboten und allen Teams einen Tag lang Unterstützung geleistet. Das Ergebnis war, dass unsere Teams einige großartige Ideen für die Anwendung von Machine Learning entwickelt haben, von denen wir viele in AWS weiterentwickeln werden. Die Veranstaltung war ein großer Erfolg und ein Beispiel für eine gute Partnerschaft.“
Ramin Beheshti, Group Chief Product and Technology Officer - Dow Jones

Advanced Microgrid Solutions
Advanced Microgrid Solutions (AMS) ist ein Energieplattform- und Dienstleistungsunternehmen, dessen Ziel es ist, die weltweite Umstellung auf eine saubere Energiewirtschaft zu beschleunigen, indem die Bereitstellung und Optimierung sauberer Energieanlagen erleichtert wird. NEM nutzt einen Spotmarkt, auf dem alle Parteien alle 5 Minuten ein Gebot zum Energieverbrauch/zur Energieversorgung abgeben. Dies erfordert die Vorhersage von Bedarfsprognosen sowie die Erstellung dynamischer Gebote innerhalb weniger Minuten bei gleichzeitiger Verarbeitung großer Mengen von Marktdaten. Um diese Herausforderung zu meistern, hat AMS mit TensorFlow auf Amazon SageMaker ein Deep-Learning-Modell erstellt. Dabei nutzten sie die automatische Modelloptimierung von Amazon SageMaker, um die besten Modellparameter zu ermitteln und ihr Modell in nur wenigen Wochen zu erstellen. Ihr Modell zeigte eine Verbesserung der Marktprognosen für alle Energieprodukte beim Net-Energy-Metering (Netto-Energiemessung), was zu erheblichen Effizienzsteigerungen führt.

ProQuest
ProQuest verwaltet die weltweit größte Sammlung von Zeitschriften, E-Books, Primärquellen, Dissertationen, Nachrichten und Videos und entwickelt leistungsstarke Workflow-Lösungen, die Bibliotheken beim Erwerb und Ausbau ihrer Sammlungen unterstützen. ProQuest-Produkte und -Services werden in akademischen, K-12-, öffentlichen, Firmen- und Regierungsbibliotheken in 150 Ländern verwendet.
„Wir arbeiten mit AWS zusammen, um eine ansprechendere Video-Benutzerfreundlichkeit für Bibliotheksbesucher zu schaffen, die es ihnen ermöglicht, relevantere Ergebnisse zu erhalten. Durch die Zusammenarbeit mit dem AWS ML Solutions Lab haben wir verschiedene Algorithmen mit Amazon SageMaker getestet, die Modelle mit Hyperparameter-Optimierung angepasst und den Einsatz von Machine Learning(ML)-Modellen automatisiert. Wir sind mit den bisherigen Ergebnissen zufrieden und prüfen derzeit ML-Technologien für andere Produkte."
Allan Lu, Vice President of Research Tools, Services & Platforms - ProQuest
Celgene
Celgene ist ein globales biopharmazeutisches Unternehmen, das sich der Verbesserung des Lebens von Patienten weltweit verschrieben hat. Der Schwerpunkt liegt auf der Entdeckung, Entwicklung und Vermarktung innovativer Therapien für Patienten mit Krebs, immunentzündlichen und anderen unerfüllten medizinischen Bedürfnissen.
“Bei Celgene ist es unsere Vision, wirklich innovative und lebensverändernde Behandlungen anzubieten und das Leben der Patienten weltweit zu verbessern. Mit Amazon SageMaker und Apache MXNet war die Entwicklung und das Trainieren von Modellen für das tiefgehende Lernen zur Entwicklung von Lösungen und Verfahren schneller und einfacher als zuvor, und wir sind in der Lage, unsere Bemühungen, Behandlungen zu entdecken und Medikamente herzustellen, leicht zu skalieren. Die Verwendung von SageMaker und Amazon EC2 P3-Instanzen hat unsere Übungszeit-Modelle und unsere Produktivität beschleunigt, so dass sich unser Team auf bahnbrechende Forschung und Entdeckung konzentrieren kann.”
Lance Smith, Director - Celgene

Thomson Reuters
Thomson Reuters ist die weltweit führende Quelle für Nachrichten und Informationen für professionelle Märkte.
„Wir entwickeln seit 25 Jahren fortschrittliche Machine-Learning-Funktionen, um Informationen zu ermitteln, zu verknüpfen, zu verbessern, zu organisieren und sie unseren Kunden zur Verfügung zu stellen und ihnen so zu ermöglichen, ihre Arbeit zu vereinfachen und mehr Wert daraus zu ziehen. Die Zusammenarbeit mit Amazon SageMaker ermöglichte es uns, eine natürliche Sprachverarbeitung im Rahmen einer Anwendung zur Beantwortung von Fragen zu entwickeln. Unsere Lösung erforderte mehrere Iterationen von Deep-Learning-Konfigurationen im Maßstab mit den Funktionen von Amazon SageMaker.“
Khalid Al-Kofahi, AI and Cognitive Computing - Thomson Reuters Center
Zalando
Zalando ist Europas führende Online-Plattform, die Kleidung, Schuhe, Accessoires und Schönheit anbietet, für Mode und Lifestyle mit über 28 Millionen aktiven Kunden in 17 Märkten.
„Die Werte von Zalando drehen sich um Kundenorientierung, Schnelligkeit, Unternehmertum und Empowerment. Wir haben uns entschieden, unsere Machine Learning-Workloads auf AWS zu standardisieren, um die Kundenerfahrung zu verbessern, unserem Team Tools und Prozesse für mehr Produktivität zur Verfügung zu stellen, und unser Geschäft anzukurbeln. Mit Amazon SageMaker kann Zalando Kampagnen besser steuern, personalisierte Outfits generieren und unseren Kunden bessere Erlebnisse bieten. Mit dieser AWS-basierten Lösung ist die Produktivität unserer Ingenieure und Daten-Wissenschaftler um 20 % gestiegen.“
Rodrigue Schäfer, Direktor für Digital Foundation – Zalando
Atlas Van Lines
Atlas Van Lines ist die zweitgrößte Umzugsfirma in Nordamerika. Das Unternehmen wurde 1948 von einer Unternehmergruppe aus der Umzugs- und Lagerbranche gegründet. Das Ziel des Unternehmens besteht seit seiner Gründung darin, Umzüge von einer Küste bis zur anderen anzubieten und dabei die goldene Geschäftsregel einzuhalten. Atlas Van Lines verfügt nicht nur über ein kerniges Profil, sondern übertrumpft seine Mitbewerber in der Branche auch durch seine strengen Qualitätsanforderungen an seine Mitarbeiter.
In der Umzugshauptsaison arbeitet das Netzwerk aus Atlas-Mitarbeitern über verschiedene Märkte hinweg zusammen, um die Kundenanforderungen zu erfüllen. Ursprünglich erfolgte die Vorhersage der Kapazitäten manuell und war arbeitsaufwendig. Das Unternehmen vertraute damals auf das Bauchgefühl und die Erfahrung der langjährigen Mitarbeiter. Atlas hatte historische Daten ab dem Jahr 2011 und wollte einen Weg finden, die Kapazität und den Preis anhand von zukünftigen Marktanforderungen dynamisch anpassen zu können.
Atlas arbeitete mit Pariveda Solutions, einem APN Premier Consulting Partner, zusammen, um die Möglichkeiten eines proaktiven Kapazitäts- und Preismanagements in der Fernverkehrsbranche zu erschließen. Pariveda hat die Daten vorbereitet, ein Machine-Learning-Modell entwickelt, es bewertet und dabei die Leistung angepasst. Zum Trainieren und Optimieren des Modells wurde Amazon SageMaker eingesetzt. Anschließend wurde der modulare Aufbau von Amazon SageMaker für die Ausführung von Amazon EC2 genutzt.

Tinder
Tinder ist mit 20 Milliarden Matches die beliebteste App weltweit, wenn es um das Kennenlernen anderer Personen geht.
"Hinter jeder Wischgeste bei Tinder versteckt sich ein System, das Millionen von Anfragen pro Minute, Milliarden von Wischgesten pro Tag und über mehr als 190 Länder hinweg verwaltet. Amazon SageMaker vereinfacht das maschinelle Lernen, indem unsere Entwicklerteams bei der Erstellung von Modellen für Vorhersagen unterstützt werden. Diese Modelle stellen neue Verbindungen her, die ansonsten nicht möglich gewesen wären."
Elie Seidman, Chief Executive Officer - Tinder

Edmunds
Edmunds.com ist eine Fahrzeugmarkt-Website, die detaillierte, ständig aktualisierte Informationen über Fahrzeuge für 20 Millionen Besucher pro Monat bereitstellt.
"Wir haben eine strategische Initiative, der zufolge wir Machine Learning in die Hände unserer Ingenieure legen. Amazon SageMaker ist entscheidend für unser Ziel, Ingenieuren die Erstellung, das Trainieren und die Bereitstellung von Machine Learning-Modellen und -Algorithmen in jedem Umfang zu erleichtern. Wir freuen uns sehr, miterleben zu dürfen, wie Edmunds SageMaker zur Schaffung von Innovationen im gesamten Unternehmen für unsere Kunden einsetzt."
Stephen Felisan, Chief Information Officer - Edmunds.com

Hotels.com
Hotels.com ist ein führendes, global agierendes Hotelmarkenunternehmen, das über 90 lokalisierte Websites in 41 Sprachen betreibt.
"Bei Hotels.com suchen wir stets nach neuen Möglichkeiten, schneller voranzukommen, die neuesten Technologien zu nutzen und innovativ zu bleiben. Amazon SageMaker, das verteilte Training, die optimierten Algorithmen und die integrierten Hyperparameter-Funktionen ermöglichten es meinem Team, genauere Modelle anhand unserer größten Datensätzen rasch zu erstellen, wodurch die geschätzte Zeit bis zur Überführung eines Modells in die Produktion reduziert werden konnte. Das ist einfach ein API-Aufruf. Amazon SageMaker reduziert die Komplexität des maschinellen Lernens deutlich und ermöglicht es uns, unseren Kunden ein besseres Erlebnis zu bieten – und das schnell."
Matt Fryer, VP and Chief Data Science Officer - Hotels.com and Expedia Affiliate Network

Formosa Plastics
Formosa Plastics Corporation ist ein wachsender, vertikal-integrierter Lieferant von Kunststoffharzen und Petrochemikalien. Formosa Plastics bietet eine vollständige Palette an Polyvinylchlorid-, Polyethylen- und Polypropylenharzen, Natronlauge und anderen Petrochemikalien an, die konsistent, leistungsfähig und qualitativ hochwertig und gefragt sind.
„Formosa Plastics ist eines von Taiwans wichtigsten petrochemischen Unternehmen und gilt als einer der weltweit führenden Kunststoffhersteller. Wir haben uns dazu entschieden, einen Blick auf Machine Learning zu werfen, um eine genauere Erkennung von Mängeln zu ermöglichen und um Arbeitskosten zu verringern. Wir haben uns dafür an AWS, unseren bevorzugten Cloud-Anbieter, gewandt. Das AWS ML Solutions Lab hat uns bei jedem Schritt des Vorgangs unterstützt, von einem Workshop zur Definition der Business Cases über die Entwicklung und Auswahl geeigneter ML-Modelle bis hin zur tatsächlichen Bereitstellung. Durch die Verwendung von Amazon SageMaker reduzierte sich die Zeit, welche die Mitarbeiter für manuelle Inspektionen benötigen, durch das maschinelle Lernen um 50 %. Mit Hilfe von Solutions Lab sind wir jetzt in der Lage das SageMaker-Modell zukünftig selbst zu optimieren, sollte dies nötig sein.“
Bill Lee, Assistant Vice President - Formosa Plastics Corporation
Voodoo
Voodoo ist ein führendes Unternehmen für mobile Spiele mit über 2 Milliarden Spiele-Downloads und über 400 Millionen monatlich aktiven Nutzern (MAU). Sie betreiben ihre eigene Werbeplattform und nutzen Machine Learning, um die Genauigkeit und Qualität von Anzeigegeboten zu verbessern, die ihren Nutzern angezeigt werden.
„Bei Voodoo wollen wir eine wachsende Spielerbasis mit Millionen von Nutzern aktiv einbeziehen. Durch die Standardisierung unserer Workloads für Machine Learning und künstliche Intelligenz in AWS sind wir in der Lage, im nötigen Tempo und Umfang zu arbeiten, um unser Geschäft weiter auszubauen und unsere Spieler zu begeistern. Mit Amazon SageMaker können wir in Echtzeit entscheiden, welche Anzeige unseren Spielern gezeigt werden soll, und unseren Endpunkt täglich über 100 Millionen Mal von über 30 Millionen Nutzern aufrufen, was fast einer Milliarde Vorhersagen pro Tag entspricht. Mit AWS Machine Learning konnten wir mit einem kleinen Team in weniger als einer Woche ein genaues Modell in die Produktion bringen, das wir mit dem Wachstum unseres Teams und unseres Unternehmens kontinuierlich entwickeln konnten.“
Aymeric Roffé, Technikvorstand – Voodoo
Zendesk
Zendesk entwickelt Software für bessere Kundenbeziehungen. Es ermöglicht anderen Unternehmen, den Kundendialog zu verbessern und hilft ihnen dabei, ihre Kunden besser zu verstehen. Über 94 000 Konten von zahlenden Kunden in über 150 Ländern und Gebieten verwenden Produkte von Zendesk.
„Amazon SageMaker wird unsere Kosten senken und die Geschwindigkeit erhöhen, mit der wir Machine Learning verwenden. Mit Amazon SageMaker können wir von unserer bestehenden selbstverwalteten TensorFlow-Bereitstellung zu einem vollständig verwalteten Service übergehen. Amazon SageMaker ermöglicht uns außerdem einen einfacheren Zugriff auf andere beliebte Deep-Learning-Frameworks und verwaltet gleichzeitig die Infrastruktur für die Erstellung, das Training und die Bereitstellung unserer Modelle.“
David Bernstein, Director of Strategic Technology – Zendesk
Regit
Regit war ehemals unter dem Namen Motoring.co.uk bekannt, ist ein Technikunternehmen aus der Automobilindustrie und der führende Online-Service für Autofahrer in Großbritannien. Das Unternehmen bietet digitale Services für die Autoverwaltung an, die auf dem Nummernschild des entsprechenden Fahrzeugs basieren und versorgen Fahrer mit informativen Mitteilungen, z. B. zu Steuern vom Verkehrsministerium, zur Versicherung und zu Rückrufen.
Regit hat mit Peak Business Insight, einem APN Advanced Consulting Partner, zusammengearbeitet und dabei "Kategorische Machine Learning-Modelle" angewendet, die sowohl Kategoriedaten und variable Daten gleichzeitig verarbeiten, um so Vorhersagen über die Wahrscheinlichkeit treffen zu können, mit der Benutzer Fahrzeuge wechseln. Der Einsatz dieser Modelle hat sich für Regit ausgezahlt.
Peak hat AWS-Services, wie z. B. Amazon SageMaker für eine Datenaufnahme in Echtzeit, die Modellerstellung und die Datenausgabe eingesetzt. Amazon SageMaker verarbeitet 5 000 API-Anfragen pro Tag für Regit, nimmt eine nahtlose Skalierung und Anpassung an die Datenanforderungen vor und verwaltet die Lead-Scoring-Ergebnisse. Amazon Redshift und Amazon Elastic Compute Cloud (Amazon EC2)-Instances sorgen für die effiziente und kontinuierliche Optimierung der Modellleistung und Ergebnisse. Mithilfe von Peak konnte Regit vorhersagen, welche seiner 2,5 Millionen Nutzer ihr Fahrzeug wechseln würden und zu welchem Zeitpunkt. Das heißt, das Unternehmen kann Kunden personalisierter und gezielter beraten. Dadurch sind die Call Center-Umsätze um mehr als ein Viertel gestiegen.
Zocdoc
Zocdoc bietet Endverbrauchern eine Suche für die medizinische Versorgung mit einer integrierten Lösung über Informationen zu Arztpraxen und individuellen Arztplänen. Der Schwerpunkt liegt auf den Bedürfnissen der Patienten und auf die Bereitstellung der besten Erfahrung in der gesundheitlichen Betreuung.
“Bei Zocdoc liegt unser Schwerpunkt darauf, es den Patienten zu erleichtern, den richtigen Arzt zu finden und einen Termin zur günstigsten Zeit am günstigsten Ort zu vereinbaren. Bei den Zocdoc-Ingenieuren herrscht große Begeisterung darüber, wie einfach es ist, Modelle mit Amazon SageMaker schnell zu erstellen, zu trainieren und einzusetzen. Einer unserer mobilen Ingenieure war in der Lage, ein Arzt-Spezialempfehlungsmodell an weniger als einem Tag von Grund auf neu zu trainieren und einzusetzen, welches wir schließlich in die Produktion überführten. Zuvor musste unser Datenwissenschaftlerteam zur Entwicklung jeglicher Modellarbeit beitragen, was die Produktteams verlangsamte. Mit Amazon SageMaker können wir dies vom Konzept bis zur Produktion viel schneller erreichen, dank der Einfachheit der optimierten durchgehenden Kapazitäten von SageMaker.“

Realtor.com
Das Move, Inc. Netzwerk, zu dem realtor.com®, Doorsteps® und Moving.com™ gehören, bietet Immobilien-Informationen, -Tools und professionelles Fachwissen über eine Reihe von Webseiten und mobilen Anwendungen für Konsumenten und Immobilienexperten.
„Wir sind davon überzeugt, dass Amazon SageMaker das Toolset von realtor.com® auf dem Weg zum Eigenheim entscheidend erweitert. Arbeitsabläufe für maschinelles Lernen, die sich historisch gesehen lange entwickelt haben, wie z. B. das Trainieren und Optimieren von Modellen, können effizienter und von einer breiteren Palette von Entwicklern ausgeführt werden. Dadurch können sich unsere Datenwissenschaftler und -analysten darauf konzentrieren, ein optimales Erlebnis für unsere Benutzer zu schaffen."
Vineet Singh, Chief Data Officer and Senior Vice President - Move, Inc.

Grammarly
Die Algorithmen von Grammarly bieten Unterstützung beim Schreiben auf mehreren Plattformen über Geräte hinweg an. Zudem verhelfen sie täglich Millionen von Menschen zu einer effizienteren Kommunikation mittels einer Kombination aus der Verarbeitung natürlicher Sprache und fortschrittlichen Machine Learning-Technologien.
"Amazon SageMaker ermöglicht uns die Entwicklung unserer TensorFlow-Modelle in einer dezentralisierten Trainingsumgebung. Unsere Arbeitsabläufe lassen sich für die Vorverarbeitung auch in Amazon EMR integrieren. Damit können wir unsere Daten von Amazon S3 abrufen, mit EMR und Spark von einem Jupyter Notebook filtern und anschließend in Amazon SageMaker mit demselben Notebook trainieren. SageMaker ist auch in Hinblick auf unsere unterschiedlichen Produktionsanforderungen flexibel einsetzbar. Wir können Inferenzen in SageMaker ausführen oder wenn wir nur das Modell benötigen, laden wir es von S3 herunter und führen Inferenzen unserer Implementierungen auf mobilen Geräten für iOS- und Android-Kunden aus."
Stanislav Levental, Technical Lead - Grammarly
Slice Labs
Das international tätige Unternehmen Slice Labs mit Sitz in New York ist der erste Anbieter von On-Demand-Versicherungs-Cloud-Plattformen. Slice bedient den B2C-Markt mit individuellen On-Demand-Versicherungsangeboten sowie den B2B-Markt mit Möglichkeiten für Unternehmen, intuitive digitale Versicherungsprodukte zu entwickeln.
„Wir bei Slice sind uns der sich ständig ändernden Anforderungen unserer Kunden bewusst und haben AWS aufgrund der vielen Services, der Flexibilität und des guten Rufs bei Versicherern als Cloud-Plattform ausgewählt. Wir verwenden eine Vielzahl von AWS-Services zur Unterstützung unseres Geschäfts, einschließlich AWS Machine Learning, um unseren Kunden die besten Versicherungsoptionen für ihre Bedürfnisse zu bieten. Bei unserer Zusammenarbeit mit Versicherern und Technologieunternehmen, die intelligente Versicherungsprodukte entwickeln und auf den Markt bringen möchten, konnten wir mit AWS enorme Kosteneinsparungen und Produktivitätsvorteile erzielen. Zum Beispiel haben wir die Beschaffungszeit von 47 Tagen auf 1 Tag um 98% verkürzt. Wir freuen uns darauf, sowohl geografisch als auch im Hinblick auf unsere Cloud-Nutzung mit AWS weiter zu expandieren."
Philippe Lafreniere, Chief Growth Officer – Slice Labs

DigitalGlobe
Als weltweit führender Anbieter von Erdbildern in hoher Auflösung, Daten und Analysen arbeitet DigitalGlobe täglich mit enormen Datenmengen.
„Als weltweit führender Anbieter von Erdbildern in hoher Auflösung, Daten und Analysen arbeitet DigitalGlobe täglich mit enormen Datenmengen. DigitalGlobe vereinfacht den Zugriff und das Computing auf unsere gesamte 100-PB-Bildbibliothek, die in der AWS-Cloud gespeichert ist, um Deep Learning auf Satellitenbilder anzuwenden. Wir möchten Amazon SageMaker verwenden, um Modelle mit Erdbeobachtungsbild-Datensätzen im Petabytebereich zu trainieren, mit Hilfe von gehosteten Jupyter-Notebooks, sodass Benutzer der DigitalGlobe Geospatial Big Data Platform (GBDX) auf Knopfdruck ein Modell erstellen können und alles in einer skalierbaren, verteilten Umgebung in großem Maßstab bereitstellen können.“
Dr. Walter Scott, Chief Technology Officer von Maxar Technologies und Gründer von DigitalGlobe

Intercom
Die Messaging-first-Produkte von Intercom lassen sich nahtlos in die Websites und mobilen Apps anderer Unternehmen integrieren, um Kunden zu gewinnen, zu binden und zu unterstützen. Das Unternehmen wurde 2011 gegründet und verfügt über Niederlassungen in San Francisco, London, Chicago und Dublin.
„Bei Intercom verfügen wir über ein wachsendes Team von Daten-Wissenschaftlern und datenorientierten Ingenieuren, und wir möchten häufig schnell iterieren und nach neuen Lösungen für datengetriebene Produkte suchen. Vor Amazon SageMaker haben wir viele verschiedene Optionen zum Erstellen dieser Produkte ausprobiert, aber jede war mit Herausforderungen verbunden: Die gemeinsame Nutzung von Code war schwierig, das Testen großer Datensätze lief langsam und das eigenständige Bereitstellen und Verwalten von Hardware war problematisch. Dann kam SageMaker und hat das alles für uns gelöst. Wir benutzen es vor allem, um Algorithmen für unsere Suchplattformen und Machine Learning Funktionen zu entwickeln, und wir finden, dass die gehosteten Jupyter-Notebooks von SageMaker es uns ermöglichen, schnell zu entwickeln und zu iterieren. Entscheidend ist vor allem die Tatsache, dass SageMaker ein verwalteter Service ist, und es meinem Team erlaubt, sich auf die eigentliche Aufgabe zu konzentrieren. Amazon SageMaker ist ein äußerst wertvoller Service für Intercom, und wir freuen uns, ihn im Zuge des Wachstums unseres Unternehmens weiter zu nutzen.“
Kevin McNally, Senior Data Scientist Machine Learning - Intercom

Kinect Energy Group
Die Kinect Energy Group ist eine Tochtergesellschaft von World Fuel Services, einem Fortune-100-Unternehmen, das Beratungsdienste für die Energiebeschaffung, die Lieferabwicklung sowie Transaktions- und Zahlungsmanagementlösungen für gewerbliche und industrielle Kunden anbietet, die haupsächlich in der Luftfahrt-, Schifffahrts- und Landtransportbranche tätig sind. Kinect Energy ist ein wichtiger nordischer Energieversorger, der auf die natürlichen Energieressourcen, die das windreiche Klima der Region ermöglicht, angewiesen ist.
Das Unternehmen hat sich kürzlich mit der Einführung einer Anzahl von AI / ML Services von AWS enorm verbessert. Mit Amazon SageMaker kann das Unternehmen aufkommende Wetterveränderungen und somit den zukünftigen Monatspreis an Strom vorhersagen. Dies ermöglicht einen beispiellosen und langfristigen Energiehandel, der einen branchenführenden und zukunftsweisenden Ansatz darstellt.
„Wir haben angefangen, Amazon SageMaker zu benutzen, und mit Hilfe des AWS ML Solutions Team und des Solutions Architecture Team haben wir mit Innovation Day die Sache in Schwung gebracht, und seitdem ist die Wirkung enorm. Wir haben unser eigenes KI-Team mehrmals erweitert, um die neuen Vorteile der AWS-Technologien voll auszunutzen. Wir profitieren auf eine neue Art und Weise, nämlich indem wir die Preise auf der Grundlage von Wetterbedingungen, die noch nicht eingetreten sind, festlegen. Wir haben alles auf AWS gesetzt, einschließlich der Speicherung unserer Daten in S3, der Verwendung von Lambda für die Ausführung und Step-Funktionen zusätzlich zu SageMaker. Und dank der engagierten Partnerschaft mit dem AWS ML Solutions Lab sind wir jetzt selbstständig, können die von uns entwickelten Modelle iterieren und unser Geschäft weiter verbessern.“
Andrew Stypa, Lead Business Analyst - Kinect Energy Group

Frame.io
Frame.io ist Ihre Anlaufstelle für alles, was mit Video zu tun hat. Frame.io ist mit mehr als 700 000 Kunden weltweit der führende Anbieter im Bereich Videoprüfung und -zusammenarbeit. Auf Frame.io können Videoprofis jeder Art – vom Freiberufler bis zum Unternehmen – Videos überprüfen, genehmigen und bereitstellen.
„Da wir eine cloudnative Plattform für Videoüberprüfung und Zusammenarbeit sind, und für Prüfer auf der ganzen Welt zugänglich sind, müssen wir unseren Kunden unbedingt erstklassige Sicherheit bieten. Mit dem in Amazon SageMaker entwickelten Modell zur Erkennung von Anomalien sind wir in der Lage, Machine Learning zu nutzen, um unerwünschte IP-Anfragen schnell zu identifizieren, zu erkennen und zu blockieren, um zu gewährleisten, dass die Medien unserer Kunden stets sicher und geschützt sind. Der Einstieg in Amazon SageMaker, die Wartung im Laufe der Zeit, die Skalierung auf unsere Plattform und die Anpassung an unsere spezifischen Workflows waren einfach und unkompliziert. Und mit Hilfe der Jupyter-Notebooks in SageMaker konnten wir mit verschiedenen Modellen experimentieren, um unsere Präzision und den Recall zu verbessern, was Frame.io noch sicherer macht.“
Abhinav Srivastava, VP and Head of Information Security - Frame.io
Sportograf
Wie Leistungssportler aus verschiedenen Disziplinen hat auch Sportograf eine natürliche Affinität zu Sport. Die Mission von Sportograf besteht darin, die Leistung jedes Sportlers mit Bildern in professioneller Qualität zu honorieren und der Person damit Respekt zu erweisen.
"Da Millionen von Bildern bei Sportereignissen entstehen, bestand die größte Herausforderung für uns darin, Fotos mit hoher Geschwindigkeit und akkurat nach Startnummer zu ordnen. Auf der Suche nach einer Lösung entschied sich Sportograf, nicht mit speziellen QR-Codes oder anderen Markierungen zu arbeiten, da diese einen großen und komplexen Workload verursachen, der es unmöglich macht, auf spontane Kundenanfragen zu reagieren. Um sich dieser Herausforderung zu stellen, konnten wir mit Amazon Rekognition für die Texterkennung und Amazon SageMaker unsere eigene Machine-Learning-Lösung entwickeln, um die Startnummern der Rennfahrer nahezu in Echtzeit zu identifizieren.“
Tom Janas, Managing Director – Sportograf

Cookpad
Cookpad ist Japans größter Service für den Austausch von Koch- und Backrezepten mit ca. 60 Millionen Nutzern pro Monat in Japan und ca. 90 Millionen Nutzern pro Monat weltweit.
„Mit der steigenden Nachfrage nach einer einfacheren Verwendung des Cookpad-Rezeptdienstes werden unsere Datenwissenschaftler mehr Machine Learning-Modelle entwickeln, um die Benutzererfahrung zu optimieren. Bei dem Versuch, die Anzahl der Trainingsdurchläufe für optimale Leistung zu minimieren, haben wir eine wichtige Herausforderung im Bereich der Entwicklung von ML-Inference-Endpunkten erkannt, die unseren Entwicklungsprozess verlangsamt hat. Zur Automatisierung der ML-Modell-Bereitstellung, mithilfe derer Datenwissenschaftler Modelle selbst bereitstellen könnten, haben wir die Inference APIs von Amazon SageMaker verwendet und bewiesen, dass mit Amazon SageMaker keine Anwendungsingenieure mehr für die Bereitstellung der ML-Modelle erforderlich wären. Wir kommen der Automatisierung dieses Prozesses mit Amazon SageMaker in der Produktion zuvor."
Yoichiro Someya, Research Engineer - Cookpad

Fabulyst
Fabulyst ist ein indisches Fashion-Startup. Im Kern des Angebots steht eine positives, hochgradig personalisiertes Shopping-Erlebnis durch Nutzung einer KI, die Händler zu höheren Conversion-Rates verhilft.
„Mit Fabulyst finden Kunden viel einfacher das perfekte Angebot, indem der Lagerbestand des Händlers mit nutzerspezifischen, personalisierten Kriterien abgeglichen wird (zum Beispiel mit Angaben zu Körperbau und Hautton). Onlinehändler können mit uns ihre effektive Conversion-Rate steigern, indem sie computergestützt monatliche Trends abfragen, die auf Daten aus sozialen Medien, Suchabfragen, Blogs usw. basieren. Diese Trends werden von unserem System per Auto-Tagging mit den Katalogen unserer Händlerkunden verknüpft. Fabulyst verlässt sich zur Bereitstellung seiner wegweisenden Produkte auf AWS und unter anderem Amazon SageMaker, um die zahlreichen Vorhersagen zu verarbeiten, die von unseren Angeboten generiert werden. SageMaker und andere AWS-Services sind unerlässlich, um unseren Kunden optimalen Wert zu bieten – und Onlinehändlern zum Beispiel einen 10%igen Ertragszuwachs zu verschaffen. Sie bieten uns die Zuverlässigkeit und Leistung, die wir benötigen, um jederzeit erstklassige Ergebnisse zu liefern."
Komal Prajapati, Gründer und CEO – Fabulyst

Terragon Group
Terragon Group ist ein Daten- und Marketing-Technologieunternehmen, das Unternehmen Wertsteigerungen ermöglicht, indem es mithilfe von Einblicken die mobile Zielgruppe in Afrika erreicht. In den vergangenen Jahren hat sich Terragon Group zu einem führenden Unternehmen im mobilen Sektor entwickelt, das lokale und multinationale Marken bedient und in vielen Regionen aktiv ist. Die richtige Werbebotschaft für den richtigen Benutzer zum richtigen Zeitpunkt erfordert Personalisierung. Terragon verwendet Daten, Einblicke und künstliche Intelligenz, um Unternehmen dabei zu unterstützen, die richtige Zielgruppe in Afrika zu erreichen.
“Amazon SageMaker bietet uns einen durchgehenden Machine-Learning-Workflow, ohne dass wir eine zugrunde liegende Infrastrukturinstallation benötigen. Unsere Teams für Datenwissenschaft und Machine Learning sind in der Lage, innerhalb weniger Stunden von der Datenexploration zum Modelltraining und zur Produktion überzugehen. Für ein Unternehmen mit Sitz in Afrika, das nur über wenige technische Talente verfügt, gibt es keine andere Möglichkeit, ML-Modelle zu entwickeln und bereitzustellen, die reale Probleme in weniger als 90 Tagen lösen.“
Deji Balogun, CTO – Terragon Group

SmartNews
SmartNews ist die größte News-App in Japan; sie versorgt monatlich mehr als elf Millionen aktiver Nutzer weltweit mit qualitativ hochwertigen Informationen. Auf der Basis von Machine-Learning-Technologien unterstützt SmartNews seine Benutzer, indem es nur die relevantesten und interessantesten News-Storys bereitstellt. Die Machine Learning-Algorithmen bei SmartNews bewerten Millionen von Artikeln, Signale in sozialen Medien sowie menschliche Interaktionen und stellen so die Top 0,01 % der Storys bereit, die derzeit die größte Relevanz haben.
"Unser Ziel, der Welt qualitativ hochwertige Storys bereitzustellen, powered by AWS und insbesondere von Amazon SageMaker unterstützt, das uns dabei geholfen hat, den Entwicklungszyklus bei der Servicebereitstellung gegenüber unseren Kunden zu beschleunigen. Die Verwendung von Amazon SageMaker hat bei unseren News-Auswahlmethoden, einschließlich Artikelklassifizierung mithilfe von Deep Learning, Prognose des Life-Time-Werts und zusammengesetzte Modellierung für Texte und Bilder, große Dienste geleistet. Wir freuen uns darauf, mit Amazon SageMaker und anderen KI-Lösungen von AWS künftig noch mehr zu erreichen.”
Kaisei Hamamoto, Co-Founder and Co-CEO - SmartNews, Inc.
SIGNATE
SIGNATE bietet KI-Lösungen für Outsourcing, Einstellen und Beratungsdienstleistungen. Signate ist auch als eine Community für Datenwissenschaft mit mehr als 16 000 Mitgliedern bekannt, die in Wettbewerben um die besten Modelle konkurrieren. Das Unternehmen bietet außerdem einen auf Amazon SageMaker basierten Service an, mit dem seine Kunden durch Wettbewerbe erhaltenen Modelle in Produktanwendungen einsetzen können.
“Wir verwenden Amazon SageMaker als unser wichtigstes Werkzeug zur Entwicklung unserer Machine-Learning-Modelle. Das hat unser Managementsystem für Modelle namens „Aldebaran“ skalierbarer gemacht. SageMaker bietet eine nahtlose Integration in unsere Workflows, einschließlich der Entwicklung, dem Training und der Bereitstellung von ML-Modellen gleichzeitig. Zuvor dauerte es 3 bis 6 Monate, um Modelle in der Produktion einzusetzen. Mit SageMaker können wir ein Modell in 1 bis 4 Wochen in der Produktion einsetzen, was Zeit spart und Produktivität erhöht. SageMaker ist unsere Standard-ML-Plattform der Wahl für alle unsere ML-Modelle”.
Shigeru Saito, President CEO/CDO - Signate Inc.

Pioneer
Pioneer ist ein multinationales Unternehmen, das sich auf digitale Unterhaltung einschließlich Autoelektronik und Mobilitätsdienstleistungen spezialisiert hat. Pioneer ist von seiner Unternehmensphilosophie „Bewege das Herz und berühre die Seele“ geleitet und bietet seinen Kunden Produkte und Dienstleistungen, die ihnen im Alltag helfen können.
„Mithilfe von Amazon SageMaker und den Modelltrainings-Funktionen wie der automatischen Modelloptimierung konnten wir hochpräzise Modelle für Machine Learning entwickeln und weiterhin den Datenschutz für unsere Kunden gewährleisten. Wir freuen uns auch darauf, AWS Marketplace für Machine Learning sowohl für Algorithmen als auch für vorgefertigte Modelle zu nutzen, um eine Monetarisierungsplattform aufzubauen.“
Kazuhiro Miyamoto, General Manager Information Service Engineering Department – Pioneer

Dely
Dely betreibt Kurashiru, den besten videobasierten Kochservice in Japan. Das Unternehmen ist jeden Tag bestrebt, kulinarische Services bereitzustellen, die die Welt beeindrucken. Kurashiru hilft täglich vielen Menschen, indem es eine Vielzahl von schmackhaften Rezepten vorstellt, die den Esstisch mit Kochvideos bereichern. Mehrere zehn Millionen Menschen nutzen jeden Monat den Video-Rezeptservice in Japan.
“Unsere mobile App wurde seit dem Start des beliebten Kurashiru-Services vor 2,5 Jahren bereits mehr als 15 Millionen Mal heruntergeladen. Wir sind davon überzeugt, dass es wichtig ist, unseren Nutzern mithilfe fortschrittlicher Technologien, wie z. B. Machine Learning, zum richtigen Zeitpunkt die richtigen Inhalte bereitzustellen. Um dies zu erreichen, benutzten wir Amazon SageMaker, mit dem wir die Machine-Learning-Modelle innerhalb von 90 Tagen entwickeln und bereitstellen konnten. Außerdem konnten wir mit Inhaltspersonalisierung die Klickrate um 15 % steigern.“
Masato Otake, CTO – Dely, Inc.

Ayla Networks
Ayla Networks ist ein in San Francisco ansässiges Softwareunternehmen für die IoT-Plattform als Dienstleistung, das Lösungen für Verbraucher- und kommerzielle Märkte entwickelt.
“Wir bei Ayla Networks stellen fest, dass unsere Kunden aufgrund ihrer nachgewiesenen Skalierbarkeit und Zuverlässigkeit hauptsächlich mit AWS-Infrastruktur arbeiten. Insbesondere stellen wir fest, dass kommerzielle Hersteller Amazon SageMaker nutzen, um die Leistungsdaten von Ayla Cloud zu nutzen. Mit Amazon SageMaker und unserem Ayla IQ-Produkt können Unternehmen Erkenntnisse und Anomalien aufdecken, die zu einer besseren Produkt- und Servicequalität führen, selbst wenn Maschinenausfälle vorhergesagt und behoben werden, bevor sie auftreten können. Diese Lösung sorgt dafür, dass unsere Kunden reibungslos arbeiten und ihre Unternehmen ohne Bedenken weiter wachsen, produzieren und skalieren können.“
Prashanth Shetty, VP of Global Marketing - Ayla Networks

FreakOut
FreakOut ist ein führendes Technologieunternehmen, das sich auf digitale Werbung konzentriert. Das Unternehmen bietet Produkte für Anzeigeninventurtransaktionen in Echtzeit in der Internetwerbung sowie Datenanalysen zum Surfen im Internet an. FreakOut nutzt Machine Learning für Prognosen zur Klickrate (Click-through-Rate, CTR) und Conversion-Rate (CVR).
„Wir migrieren gerade Schulungsumgebungen für Machine Learning von lokalen Umgebungen zu Amazon SageMaker. Amazon SageMaker bietet uns eine skalierbare Lösung für unser Unternehmen. Mit der Funktion zur automatischen Modelloptimierung von Amazon SageMaker können wir hochgenaue Modelle für unsere Anforderungen optimieren und prognostizieren.“
Jiro Nishiguchi, CTO - FreakOut

Wag!
"Bei Wag! müssen wir die Anforderungen von Angebot und Nachfrage auf einem zweiseitigen Markt erfüllen. Wir sahen die Möglichkeit, mithilfe von Machine Learning – powered by AWS – die Nachfrage unserer Kunden nach dem Spaziergang mit dem Hund vorherzusagen. Durch die Standardisierung unserer Anwendungen für maschinelles Lernen auf AWS können wir dem kontinuierlichen Wachstum unserer Geschäftsanforderungen gerecht werden, indem wir trotz begrenzter technischer Ressourcen in einem erheblich verbesserten Tempo und Umfang iterieren. Mit Amazon SageMaker können wir unser Experimentieren mit maschinellem Lernen beschleunigen und die Rechenzeit des Modells für 45 Tage auf 3 Tage reduzieren. “
Dave Bullock, VP of Technology of Engineering and Operations – Wag Labs Inc.

Euler Hermes
„Seit über 100 Jahren unterstützen wir unsere Kunden bei ihrem Wachstum und führen weiterhin erstklassige Services ein, um geschäftliche Transaktionen sicherer und einfacher zu gestalten. Mit Verwaltungs-und Finanzdaten von über 30 Millionen Unternehmen kann es eine Herausforderung darstellen, Cyber-Betrug zu erkennen, bevor sich dieser auf den Geschäftsbetrieb auswirkt. Durch unsere Arbeit mit Amazon SageMaker als bevorzugte AI-/ML-Plattform können wir schneller Innovationen schaffen. Wir konnten beispielsweise einen neuen internen Service in 7 Monaten einführen und können jetzt URL-Squatting-Betrug innerhalb von 24 Stunden nach der Erstellung einer bösartigen Domäne identifizieren.“
Luis Leon, IT Innovation Advisor – Euler Hermes

iFood
iFood ist der Branchenführer im Bereich der Online-Lebensmittellieferung in Lateinamerika mit 30,6 Millionen Bestellungen pro Monat und ungefähr 160 000 registrierten Restaurants in über 1 000 Städten.
"Wir bei iFood verwenden Machine Learning, um das Kunden- und Restauranterlebnis zu verbessern. Mit Amazon SageMaker können wir personalisierte Restaurant- und Gerichtempfehlungen erstellen. Im Bereich Logistik haben die Lieferdienstmitarbeiter dank einer Routenoptimierung ihre Fahrtstrecken um 12 % verkürzt. Durch die Standardisierung unserer Machine-Learning-Workloads auf AWS verfügen wir jetzt die nötige Flexibilität und Skalierbarkeit, um Echtzeitinformationen und -ergebnisse bereitstellen zu können."
Sandor Caetano, Chief Data Scientist – iFood

Root Insurance
„Root Insurance nutzt Technologien, um die Preise für Autoversicherungen anhand des tatsächlichen Fahrverhaltens der Menschen zu berechnen – und nicht auf Basis demografischer Daten. Mit dem fortschreitenden Wachstum von Root sind die Funktionen für Training- und Batch-Transform-Aufgaben von Amazon SageMaker immer wichtiger für uns geworden. Durch die Standardisierung unserer Machine-Learning-Workloads auf AWS können wir die Telemetriedaten über Mobiltelefone analysieren und guten Autofahrern dadurch helfen, bis zu 52 % bei der Kfz-Versicherung zu sparen.“
Bill Kaper, VP of Engineering – Root Insurance

Infoblox
Infoblox ist Marktführer im Bereich sicherer cloudverwalteter Netzwerkservices, die dazu dienen, das zentrale Netzwerk zu schützen, genauer gesagt DNS, DHCP und IP-Adressenverwaltung (gemeinsam als DDI bekannt).
„Bei Infoblox haben wir mit Amazon SageMaker einen DNS-Sicherheitsanalytik-Service aufgebaut, der bösartige Akteure aufspürt, die Homogramme erstellen, um sich als hoch geschätzte Domainnamen-Ziele auszugeben, und diese dazu verwenden, Malware zu verbreiten, Benutzerinformationen zu fälschen und den Ruf einer Marke anzugreifen. AWS ist unser Unternehmensstandard in der Cloud und wir können mehrere Funktionen in SageMaker nutzen, um die Entwicklung eines ML-Modells zu beschleunigen. Mit den automatischen Modellabstimmungsfunktionen von SageMaker haben wir unsere Experimente skaliert und die Genauigkeit auf 96,9 % verbessert. Dank SageMaker hat unser IDN-Homografie-Finder, Teil unseres Sicherheitsanalyseservices, über 60 Millionen homografische Domains gefunden. Jeden Monat werden Millionen weitere gefunden, wodurch wir unseren Kunden helfen, gefälschte Marken schneller zu erkennen."
Femi Olumofin, Analytics Architect - Infoblox

Zappos
Zappos begann vor 20 Jahren als kleiner Online-Schuhhändler. Seitdem ist das Unternehmen gewachsen und verkauft jetzt auch Kleidung, Handtaschen, Accessoires und mehr. Gleichzeitig bietet es einen renommierten Kundendienst und innovative Mitarbeitererfahrungen. Das Unternehmen ist seit 2009 eine Tochtergesellschaft von Amazon.
„Bei Zappos verbessern wir das Kundenerlebnis im E-Commerce messbar durch den Einsatz von Analytics- und Machine Learning-Lösungen, die es uns ermöglichen, die Größe und die Suchergebnisse für einzelne Benutzer zu personalisieren und gleichzeitig ein sehr flüssiges und reaktionsschnelles Benutzererlebnis zu erhalten. Mit Amazon SageMaker können wir die Schuhgrößen unserer Kunden vorhersagen. AWS ist unser Unternehmensstandard für ML/KI, weil die AWS-Services es den Technikern ermöglichen, sich auf die Verbesserung der Leistung und der Ergebnisse zu konzentrieren und nicht auf den DevOps-Aufwand.“
Ameen Kazerouni, Head of Machine Learning Research and Platforms - Zappos

NerdWallet
NerdWallet, ein Unternehmen mit Sitz in San Francisco, das im Bereich persönliche Finanzen tätig ist, bietet Bewertungen und Vergleiche von Finanzprodukten wie Kreditkarten, Bankgeschäften, Investitionen, Krediten und Versicherungen.
„NerdWallet verlässt sich auf Datenwissenschaft und ML, um Kunden individuelle Finanzprodukte zu empfehlen. Wir haben uns dafür entschieden, unsere ML-Workloads auf AWS zu standardisieren, weil wir dadurch unsere datenwissenschaftlichen Engineering-Praktiken schnell modernisieren, Hindernisse beseitigen und die Zeit bis zur Auslieferung verkürzen konnten. Mit Amazon SageMaker können unsere Datenwissenschaftler mehr Zeit für strategische Verfolgungen aufwenden und mehr Energie darauf konzentrieren, wo unser Wettbewerbsvorteil liegt – unsere Einblicke in die Probleme, die wir für unsere Anwender lösen.“
Ryan Kirkman, Senior Engineering Manager - NerdWallet

Splice
Splice ist eine kreative Plattform für Musiker, die von Musikern aufgebaut wurde, um Künstler in die Lage zu versetzen, ihr wahres kreatives Potenzial zu entfalten. Das Start-Up für abonnementbasiertes Musikschaffen wurde 2013 gegründet und betreut heute mehr als 3 Millionen Musiker, die den Katalog auf der Suche nach den perfekten Sounds durchforsten.
„Mit unserem Katalog von Sounds und Presets wächst auch die Herausforderung, den richtigen Sound zu finden. Aus diesem Grund hat Splice in den Aufbau klassenbester Such- und Erkennungsfunktionen investiert. Durch die Standardisierung unserer ML-Workloads auf AWS haben wir ein neueres, benutzerfreundlicheres Angebot geschaffen, das es Musikern einfacher als je zuvor machen soll, die gesuchten Sounds zu finden. Seit der Einführung von Similar Sounds haben wir einen fast 10-prozentigen Anstieg der Suchkonversionen verzeichnet. Durch den Einsatz von Amazon SageMaker haben wir die perfekte Ergänzung zur textbasierten Suche geschaffen, die es unseren Benutzern ermöglicht, unseren Katalog auf eine Weise zu entdecken und in ihm zu navigieren, die vorher nicht möglich war.“
Alejandro Koretzky, Head of Machine Learning & Principal Engineer – Splice

Audeosoft
„Bevor wir den Machine-Learning-Pfad einschlugen, konnten wir nur den Text eines Lebenslaufes durchsuchen, aufgrund des Mangels an Funktionen für die optische Zeichenerkennung konnte jedoch nicht einmal jeder Lebenslauf durchsucht werden. Mit Amazon Textract können wir nun Inhalte aus jeder Art Dokument extrahieren und sind in der Lage, alle hochgeladenen Dateien in einem Elasticsearch-Cluster zu indizieren. Jetzt ist jedes hochgeladene Dokument über Elasticsearch durchsuchbar, mit einer um das Zehnfache höheren Suchgeschwindigkeit im Vergleich zur ursprünglichen SQL-Suche. Außerdem haben wir mittels Amazon SageMaker die Wortvektorierung implementiert, um verwandte Suchbegriffe zu einer Suchabfrage hinzuzufügen. Mit diesem Prozess können wir Bewerberinnen und Bewerber präzise klassifizieren und qualifizieren sowie Fehler, die durch in Lebensläufen verwendete Synonyme oder alternative Formulierungen hervorgerufen werden, eliminieren. Durch die Verwendung von Amazon SageMaker und Amazon Textract können wir Personalvermittlern intelligentere und höher qualifizierte Bewerberinnen und Bewerber empfehlen. Stabile Leistung, weltweite Verfügbarkeit und Zuverlässigkeit sind die wichtigsten Erfolgsfaktoren für Audeosoft. Als wir uns vor mehr als acht Jahren entschieden, eine Partnerschaft mit AWS einzugehen, wussten wir, dass dieses Unternehmen ein exzellenter Partner für die Zukunft sein würde. Durch die Auswahl von AWS als unserer bevorzugter Cloud-Anbieter können wir auf einen Partner vertrauen, den auf Dauer dieselbe Motivation und derselbe Wunsch nach Innovation antreibt.“
Marcel Schmidt, CTO bei Audeosoft

Freshworks
Freshworks ist ein in den USA und Indien ansässiges B2B-SaaS-Einzelunternehmen, das sich an kleine und mittlere Unternehmen (SMB) und mittelständische Unternehmen weltweit richtet. Freshworks bietet ein Portfolio von einfach zu bedienenden, aber dennoch leistungsstarken Anwendungen für Kunden- und Mitarbeiterengagement-Workflows.
"Bei Freshworks haben wir unser Flaggschiff unter den KI/ML-Angeboten, Freddy AI Skills, mit hyper-personalisierten Modellen aufgebaut, die den Agenten dabei helfen, Benutzeranfragen zu beantworten und Support-Tickets erfolgreich zu lösen, Vertriebs- und Marketing-Teams bei der Priorisierung von Gelegenheiten und dem schnellen Abschluss von Geschäften helfen und Kundenerfolgsmanager das Abwanderungsrisiko reduzieren und das Geschäft ausbauen. Wir haben uns dafür entschieden, unsere ML-Workloads auf AWS zu standardisieren, weil wir auf einfache Weise für die Anwendungsfälle unserer Kunden optimierte Modelle für Machine Learning erstellen, schulen und einsetzen können. Dank Amazon SageMaker haben wir mehr als 30.000 Modelle für 11.000 Kunden gebaut und gleichzeitig die Schulungszeit für diese Modelle von 24 Stunden auf unter 33 Minuten reduziert. Mit SageMaker Model Monitor können wir Datenabweichungen verfolgen und Modelle neu trainieren, um die Genauigkeit zu gewährleisten. Dank Amazon SageMaker entwickelt sich Freddy AI Skills ständig weiter – mit intelligenten Aktionen, tiefen Dateneinsichten und intentgesteuerten Gesprächen.“
Tejas Bhandarkar, Senior Director of Product – Freshworks Platform

Veolia
Veolia Water Technologies ist ein erfahrenes Designunternehmen und ein spezialisierter Anbieter von technologischen Lösungen und Services für die Wasser- und Abwasserbehandlung.
„In acht kurzen Wochen arbeiteten wir mit AWS an einem Prototypen, der die Reinigung und den Wechsel unserer Wasserfiltermembranen in unseren Entsalzungsanlagen antizipieren kann. Mit Amazon SageMaker entwickelten wir ein ML-Modell, das von vorherigen Mustern lernt und die zukünftige Entwicklung von Verschmutzungsindikatoren voraussagt. Durch die Standardisierung unserer ML-Workloads auf AWS konnten wir Kosten und Ausfallzeiten reduzieren und gleichzeitig die Qualität des produzierten Wassers steigern. Dies wäre nicht möglich gewesen ohne die technische Erfahrung, das Vertrauen und Engagement beider Teams für ein Ziel: eine unterbrechungsfreie, saubere und sichere Wasserzufuhr.“
Aude GIARD, Chief Digital Officer – Veolia Water Technologies
Sportradar
Sportradar, ein führender Anbieter von Sportdaten, liefert Sportdaten in Echtzeit an mehr als 65 Ligen weltweit. Um modernste Erkenntnisse zu liefern, arbeitete das Unternehmen mit dem Amazon ML Solutions Lab zusammen, um eine Vorhersage für Tore im Fußball zu entwickeln.
„Wir haben dem Team von Amazon ML Solutions Lab gezielt eines der kompliziertesten Probleme maschineller Bildgebung vorgelegt, um die Kapazitäten von AWS Machine Learning zu testen, und die Ergebnisse haben mich sehr beeindruckt. Das Team hat ein ML-Modell entwickelt, um Tore mit 2 Sekunden Vorlauf auf das Live-Spiel zu prognostizieren, wobei Amazon SageMaker zum Einsatz kam. Allein dieses Modell hat uns das Tor zu vielen neuen geschäftlichen Möglichkeiten geöffnet. Unsere ML-Workloads auf AWS zu standardisieren, erfüllt uns mit Zuversicht, da wir so Modelle einrichten, trainieren und bereitstellen können, welche die Innovation in unserem Geschäft fördern und unseren Ansprüchen bei Kosten und Latenz entsprechen.“
Ben Burdsall, CTO – Sportradar

Roche
F. Hoffmann-La Roche AG (Roche) ist ein multinationales Schweizer Life-Science-Unternehmen, das sich auf Pharmazeutika und Diagnostika spezialisiert hat.
„Ich wollte meine Teams dazu bringen, unsere ML-Workflows in der Cloud zu systematisieren, also haben wir mit dem Machine Learning Solutions Lab zusammengearbeitet, um Amazon-SageMaker-Workshops anzubieten und zu demonstrieren, wie SageMaker den ML-Produktionsprozess für Daten-Wissenschaftler rationalisiert. Seit dem Workshop werden 80 % unserer ML-Workloads in AWS ausgeführt, wodurch unsere Teams ML-Modelle dreimal schneller in Produktion bringen können. SageMaker und der AWS-Stack ermöglichen es uns, Computing-Ressourcen zu nutzen, um bei Bedarf Trainings durchzuführen, ohne durch die On-Premises-Verfügbarkeit eingeschränkt zu sein.“
Gloria Macia, Data Scientist – Roche

Guru
"Wir bei Guru glauben, dass das Wissen, das Sie für Ihre Arbeit benötigen, Sie finden sollte. Wir sind eine Wissensmanagementlösung, die die wertvollsten Informationen Ihres Teams erfasst und in einer einzigen Quelle der Wahrheit organisiert. Wir setzen KI ein, um Ihnen Wissen am Arbeitsort in Echtzeit zu empfehlen, um sicherzustellen, dass es verifiziert bleibt, und um Ihnen zu helfen, Ihre gesamte Wissensbasis besser zu verwalten. Unser wachsendes Produktdaten-Wissenschaftsteam stellt sich allen Herausforderungen des modernen ML-Teams – Entwicklung, Schulung und Bereitstellung von ML-Systemen in großem Maßstab – und wir verlassen uns auf Amazon SageMaker als Mittel zur Bewältigung einiger dieser Herausforderungen. Wir setzen SageMaker Inference derzeit ein, um unsere ML-Modelle schneller zur Produktion bereitzustellen, wo sie uns helfen, unser oberstes Ziel zu erreichen – unseren Kunden einen Mehrwert zu bieten.“
Nabin Mulepati, Staff ML Engineer – Guru

Amazon Operations
Amazon fühlt sich verpflichtet, während der COVID-19-Pandemie für die Sicherheit aller Mitarbeitenden zu sorgen. Deswegen hat das Team von Amazon Operations eine ML-Lösung bereitgestellt, um die Protokolle zur räumlichen Distanzierung in mehr als 1 000 Betriebsgebäuden weltweit umzusetzen. Amazon Operations hat mit dem Amazon Machine Learning Solutions Lab zusammengearbeitet, um modernste Modelle für maschinelle Bildgebung für die Schätzung der Distanz zu schaffen. Dabei kam Amazon SageMaker zum Einsatz.
Durch die Standardisierung unserer ML-Workloads auf AWS und Zusammenarbeit mit den Experten des ML Solutions Lab konnten wir einen Satz innovativer Modelle schaffen, die unserer Schätzung nach bis zu 30 % manuelle Arbeit einsparen. Die Nutzung von Amazon SageMaker ermöglicht uns, der Sicherheit mehr Zeit zu widmen und die Genauigkeit zu steigern, da täglich hunderte Stunden manueller Sichtung entfallen.“
Russell Williams, Director, Software Development - Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers
Freddy’s Frozen Custard & Steakburgers ist eine Kette von Schnellrestaurants, die eine einzigartige Kombination nach Wunsch zubereiteter Steakburger, Hot-Dogs mit Wiener Würstchen, Shoestring-Fritten und weitere würzige Köstlichkeiten bietet und dazu frisch gerührte kalte Cremespeisen. Freddy’s wurde im Jahr 2002 gegründet und ist seit 2004 eine Franchisekette. Derzeit existieren in 32 US-Bundesstaaten nahezu 400 Restaurants.
„Vorher haben wir einfach zwei Restaurants ausgewählt, die ähnlich wirkten. Jetzt aber verfügen wir über ein wirkliches Verständnis der Beziehung zwischen Speisekarte, Gästen und Standorten. Amazon SageMaker Autopilot, das die neue ML-Kapazität von Domo treibt, ist für unsere Marketing- und Einkaufsteams zu einem echten Multiplikator geworden, um neue Ideen auszuprobieren und die Erfahrung für die Gäste zu verbessern.“
Sean Thompson, IT Director – Freddy’s

icare Insurance and Care NSW
iCare ist eine Regierungsbehörde von New South Wales, die mehr als 329 000 Arbeitgebern des öffentlichen und privaten Sektors in NSW, Australien, und ihren 3,2 Millionen Arbeitnehmern eine Arbeitsunfallversicherung anbietet. Darüber hinaus versichert iCare Entwicklern und Hausbesitzer, behandelt und betreut schwer verletzte Menschen auf den Straßen von New South Wales und schützt mehr als 266,6 Milliarden US-Dollar an Vermögenswerten der Regierung von New South Wales, darunter das Sydney Opera House, die Sydney Harbour Bridge, Schulen und Krankenhäuser.
„Bei Insurance and Care (iCare) NSW ist es unsere Vision, die Art und Weise zu ändern, wie Menschen über Versicherungen und Pflege denken. Amazon SageMaker hat es iCare ermöglicht, Deep Learning-Modelle für die Früherkennung von Patienten mit Langzeitstaubkrankheit zu erstellen und zu trainieren. Durch diese Früherkennung können lebensbedrohliche Zustände verhindert werden. Wie in früheren Studien wurden bei 39 % der Patienten Anzeichen einer Silikose übersehen oder konnten nicht festgestellt werden. Die KI-gestützte Diagnose hat es den Ärzten ermöglicht, 80 % der Fälle korrekt zu identifizieren, verglichen mit 71 % ohne assistierte Diagnosen. Nach der Implementierung dieses Projekts stellen wir Amazon SageMaker zur Entwicklung von Lösungen und Prozessen in anderen Projekten zur Verfügung, da sich dies als schneller und einfacher als zuvor erwiesen hat und wir unsere Bemühungen zur Versorgung der Menschen in New South Wales problemlos skalieren können.“
Atul Kamboj, leitender Datenwissenschaftler – iCare, NSW Government Insurance and Care Agency, Australien
Entdecken Sie weitere Funktionen von Amazon SageMaker