Der digitale Zwilling

Maschinelles Lernen und Vorhersagen für die Standortplanung


Texterkennung, Spam-Filter, Gesichtserkennung oder die Spracherkennung auf Mobiltelefonen – alles Funktionen, die von Machine-Learning-Algorithmen gesteuert werden und damit die selbstlernenden Programme aus der Forschungs­ecke in den Alltag geholt haben. Auch das Freiburger Unternehmen Geospin geht diesen Weg und hat eine Software entwickelt, um bei der künstlichen Erzeugung von Wissen das Potenzial von Geodaten auszunutzen.

2783573/Pixabay.com
2783573/Pixabay.com

Es geht um Vorhersagen: Wie lässt sich mit künstlichen Systemen ein statistisches Modell aufbauen, das auf beliebige Standorte übertragbar ist und die besten Standorte für eine ausgewählte Fragestellung findet (wie z. B. Ladesäulen für Elektrofahrzeuge)?

Lassen Sie uns zum besseren Verständnis mit einer Begriffserklärung beginnen: »Maschinelles Lernen« steht dafür, dass Algorithmen auf der Grundlage von Trainingsdaten ein Modell erlernen. Über das Erkennen von Mustern und Gesetzmäßigkeiten in diesen Daten kann das trainierte Modell dann auf unbekannte Daten angewendet werden und für diese Vorhersagen treffen.

Geospin ist aus der Wirtschaftsinformatik der Universität Freiburg hervorgegangen. Das junge Unternehmen hat sich viel mit der Fragestellung beschäftigt, was wann wo in einer Stadt passiert und wie aus der Fülle der vorliegenden Daten ein Mehrwert generiert werden kann. Darauf aufbauend hat Geospin eine Softwarelösung entwickelt – die Geo Prediction Engine. »Das Spannende ist, dass hier Verfahren aus der Informatik erfolgreich auf geographische Fragestellungen übertragen werden und damit ganz neue Ansätze der Standortplanung und -bewertung ermöglichen«, erläutert Dr. Christoph Gebele, Mitgründer von Geospin.

Geo Prediction Engine

Grundlage der Geo Prediction Engine ist ein digitaler Zwilling der Stadt. Dieser setzt sich aus über 800 Geofeatures zusammen, die so aufbereitet wurden, dass diese anschließend von maschinellen Lernverfahren genutzt werden können. Die Integration von Geodaten ist somit ein wesentlicher Baustein der Geo Prediction Engine.

Um die Software für konkrete Anwendungsfälle zu nutzen, werden Modelle trainiert, aus denen sich dann Produkte ableiten lassen. »Das Faszinierende ist, dass die Ergebnisse des Modells absolut übertragbar sind auf andere Regionen«, ergänzt Christoph Gebele. »Wenn sie einmal so ein Modell trainiert haben, dann können sie es auf jede beliebige Stadt anwenden.«

Geospin
Geospin

Ergebnis der Analyse: optimale Standorte für Ladestationen in einem PLZ-Gebiet

Von der Theorie in die Praxis

Ein Anwendungsfall der Geo Prediction Engine ist die Potenzialanalyse für den Ausbau von Ladeinfrastruktur. Basierend auf Informationen zur Auslastung von 6.000 Ladepunkten für Elektrofahrzeuge in ganz Deutschland wurde ein Modell trainiert. Die Algorithmen erkennen die versteckten und dynamischen Muster in der Umgebung der Standorte, die der Nutzung zugrunde liegen, und sagen deutschlandweit für jeden Standort die zu erwartende Auslastung eines potentiellen Ladepunkts vorher.

Sucht nun ein Kunde einen optimalen Standort für eine Ladesäule in einem konkreten PLZ-Gebiet, kann Geospin diesen auf Basis des Modells ermitteln. Da das Modell die Ergebnisse immer auf Basis der aktuellsten Daten berechnet, die in dem System hinterlegt sind, erhält der Kunde auch stets eine aktuelle Prognose. Um Modellupdates muss er sich somit nicht kümmern.

Universell und aktuell

Das Beispiel zeigt eine der Einsatzmöglichkeiten der Software - die unmittelbare Beantwortung von Fragestellungen mit räumlichem Bezug durch vortrainierte Modelle. Ein weiterer Einsatz der Geo Prediction Engine besteht darin, dass ein Kunde eigene Daten liefert und ein individuell für ihn gefertigtes Modell erzeugt wird. Die Ergebnisse des Modells kann er dann über eine API abrufen und direkt in sein System einbinden. Auf diese Weise wird dem Kunden eine objektive Entscheidungsgrundlage an die Hand gegeben.

Die Geo Prediction Engine hat sich als universell einsetzbare Software etabliert, die in unterschiedlichen Branchen wie unter anderem Energie, Einzelhandel, Immobilien und Versicherungen Lösungen bietet. Und sich stetig weiterentwickelt – aktuell wird an der Erweiterung mit neuen Anwendungsfeldern und Produkten gearbeitet, mit deren Veröffentlichung noch in diesem Jahr zu rechnen ist. Wir sind gespannt.