Amazon SageMaker – Kunden für Geodaten-ML

Arup-Logo

Arup

Arup ist ein Kollektiv von 16 000 Designern, Beratern und Experten, die in 140 Ländern tätig sind und sich für eine nachhaltige Entwicklung einsetzen. Das Unternehmen wurde gegründet, um in allem, was es tut, nach Menschlichkeit und Exzellenz zu streben. Es arbeitet mit Kunden und Partnern zusammen und setzt Ideenreichtum, Technologie und Präzision ein, um eine bessere Welt zu gestalten.

„Wir verwenden digitale Technologien wie Machine Learning, um die Auswirkungen der Hitze auf urbane Gebiete und die Faktoren zu untersuchen, die die lokalen Temperaturen beeinflussen. So können wir ein besseres Konzept liefern und nachhaltige Ergebnisse unterstützen. Städtische Wärmeinseln und die damit verbundenen Risiken und Beeinträchtigungen sind eine der größten Herausforderungen, mit denen Städte heute konfrontiert sind. Mithilfe der Geodaten-ML-Funktionen von Amazon SageMaker konnten wir urbane Wärmefaktoren mit Erdbeobachtungsdaten identifizieren und messen, was unsere Fähigkeit, Kunden zu beraten, erheblich beschleunigte. Es ermöglichte unseren Entwicklungsteams, Analysen durchzuführen, die zuvor nicht möglich waren, indem es Zugriff auf größere Mengen, Typen und Analysen größerer Datensätze ermöglichte.“

Damien McCloud, Direktor und Leiter – Geodaten und Erdbeobachtung, Arup

xarvio-Logo

xarvio

xarvio Digital Farming Solutions bietet Präzisionsprodukte für die digitale Landwirtschaft, die Landwirten bei der Optimierung der Ernteproduktion unterstützen. Die weltweit verfügbaren xarvio-Produkte verwenden Machine Learning, Bilderkennungstechnologie und fortschrittliche Pflanzen- und Krankheitsmodelle in Kombination mit Daten von Satelliten und Wetterstationen, um präzise und zeitnahe agronomische Empfehlungen für die Bedürfnisse einzelner Felder bereitzustellen. xarvio-Produkte sind auf lokale agronomische Bedingungen zugeschnitten, können Wachstumsstadien überwachen und Krankheiten und Schädlinge erkennen. Sie steigern die Effizienz, sparen Zeit, reduzieren Risiken und bieten eine höhere Planungs- und Entscheidungssicherheit – und tragen gleichzeitig zu einer nachhaltigen Landwirtschaft bei.

„Die schnelle Entwicklung von Prototypen und die kontinuierliche Wartung unserer Machine-Learning-Ressourcen ist eine unserer wichtigsten Prioritäten. Die Geodaten-ML-Funktionen von Amazon SageMaker bieten uns eine leistungsstarke Lösung, um Prototypen zu entwickeln und unsere verschiedenen Modelle über ihren gesamten Lebenszyklus hinweg zu steuern. Mit Amazon SageMaker konnten wir die Effizienz um fast 50 % steigern. Unsere Teams waren in der Lage, die erforderlichen Modell-Pipelines einzurichten und die Tests in nur 1 bis 2 Wochen auszuführen. Das ist fast die Hälfte der Zeit, die wir zuvor benötigten.“

Mojtaba Karami, Teamleiter für Fernerkundung, xarvio

DataFarming-Logo

DataFarming

DataFarming ist führend in der Präzisionslandwirtschaft.

„Bei der Befragung von Agrarunternehmen (z. B. Saatgut, Düngemittel und Chemikalien) stellten wir überrascht fest, dass fast alle Entscheidungen in Millionenhöhe auf der Grundlage begrenzter, meist subjektiver Daten getroffen werden. Diese Unternehmen hatten oft keine Antworten auf die kritischsten Fragen wie „Wie viel Land steht für die Aussaat zur Verfügung?“ oder „Wann ist die Ernte reif?“ Als begeisterter Benutzer verschiedener Arten von Satellitenbildern seit fast 20 Jahren war es klar, dass wir die Leistungsfähigkeit von Geodaten nutzen wollten, um landwirtschaftlichen Unternehmen dabei zu unterstützen, Antworten auf diese Fragen zu finden und intelligentere Entscheidungen auf dem Gebiet zu treffen. Die Ausführung komplexer Machine-Learning-Algorithmen auf über 100 Millionen Hektar australischer Anbauflächen mit einer Auflösung von 10 Mio. Pixeln (und in Echtzeit) ist jedoch eine große Herausforderung. Mit den Geodaten-ML-Funktionen von Amazon SageMaker können wir innerhalb weniger Stunden vom Konzept zum funktionierenden Modell übergehen."

Tim Neale, Mitbegründer, DataFarming

SatSure-Logo

SatSure

SatSure, ein in Indien ansässiger führender Anbieter von Entscheidungsintelligenz-Lösungen. Es nutzt Erdbeobachtungsdaten und Deep-Learning-Modelle, um Einblicke für eine Vielzahl von Anwendungsfällen zu generieren. Diese reichen von der Überwachung von Ernten bei jedem Wetter und der Bewertung von landwirtschaftlichen Risiken bis hin zur Erkennung von Veränderungen der Bodenbeschaffenheit und der Identifizierung von Landmerkmalen.

„Das Entwickeln skalierbarer, hochmoderner Deep-Learning-Modelle, die kostengünstig sind, ist eine große Herausforderung, wenn es um große Datensätze aus Satellitenbildern geht. Das Arsenal an Tools von Amazon SageMaker hat dazu beigetragen, unsere End-to-End-Pipeline-Entwicklung komplexer Deep-Learning-Modelle zu vereinfachen. So konnten wir über den Lebenszyklus der Modellentwicklung 25 % an Kosten sparen und uns gleichzeitig auf die Entwicklung innovativer Lösungen konzentrieren. Wir wollten die Funktionen von Amazon SageMaker nutzen, um eine digitale Anwendung zu entwickeln, die Satellitenbilder mit niedriger Auflösung für lernbasierte landwirtschaftliche Betriebsgrenzen verwendet. Mit den integrierten Geodaten-Algorithmen von Amazon SageMaker, dem Feature Store und der automatischen Parameteroptimierung konnten wir diese Anwendung auf agile Weise entwickeln und sicherstellen, dass wir alle Erfolgskennzahlen erreichen.“

Rashmit Singh Sukhmani, Mitbegründer und Chief Data Officer, SatSure

EarthOptics-Logo

EarthOptics

EarthOptics ist ein Unternehmen, das Bodendaten misst und kartiert. Es nutzt proprietäre Sensortechnologie und Datenanalyse, um die Gesundheit und Struktur des Bodens präzise zu messen.

„Wir wollten ML einsetzen, um unseren Kunden dabei zu unterstützten, die landwirtschaftlichen Erträge mit kostengünstigen Bodenkarten zu steigern. Mit den Geodaten-ML-Funktionen von Amazon SageMaker konnten wir Prototypen von Algorithmen mit mehreren Datenquellen schnell erstellen und die Zeit zwischen Forschung und Bereitstellung der Produktions-API auf nur einen Monat reduzieren. Dank Amazon SageMaker verfügen wir jetzt über Geodaten-Lösungen für die Kohlenstoffbindung im Boden, die für Farmen und Viehzuchtbetriebe in den USA bereitgestellt werden.“

Lars Dyrud, CEO, EarthOptics