Ihr massgeschneidertes prädiktives Modell, trainiert auf Ihren Daten

Turboself stattet Schuleinrichtungen mit Zahlungs- und Verpflegungsmanagementlösungen aus. Ihre Kunden bestellten ihre Lebensmittel, ohne zu wissen, wie viele Schüler den Service nutzen würden, und warfen den Überschuss weg. Galadrim hat den in die Software integrierten Algorithmus zur Besucherfrequenzprognose entwickelt, der auf Besucherhistorien, Wetterdaten (Météo France), Lehrerpräsenzen und der Menüanalyse durch ein Large Language Model trainiert wurde. Jede Kantine passt ihre Bestellungen an die erwartete tägliche Besucherfrequenz an, und das Modell wird neu trainiert, sobald neue Daten eintreffen.

Suez übermittelt ihren kommunalen Kunden täglich den Ertrag ihres Wassernetzes, ein Indikator, der die Kenntnis des Verbrauchs jedes Zählers erfordert. Ein Teil des Geräteparks ist nicht fernauslesbar oder liefert unregelmässige Daten, was die Präzision des Indikators beeinträchtigte. Galadrim hat die Schätz-Engine entwickelt, die diese Lücken schliesst: Ein XGBoost-Modell prognostiziert den Verbrauch von Zählern mit Historie unter Berücksichtigung von Wetter und lokalen Korrelationen, eine statistische Methode erstellt Typenprofile für wenig ausgerüstete Geräteparks, und Monte-Carlo-Simulationen konsolidieren das Ganze zu einem Ertrag, der mit seinem Konfidenzintervall versehen ist.

BNP Paribas und Hello bank bieten ihren Kunden ein Portfolio aus Aktien und Geldmarktfonds an, das auf einem Fragebogen zur Risikobereitschaft basiert. Galadrim wartet und entwickelt den Algorithmus weiter, der diese Empfehlungen generiert: Kontrolle der erfassten Daten, Berechnung der Eingabevariablen, Behandlung von Fehlerfällen und Optimierung der Antwortzeiten, um die erwarteten Schwellenwerte einzuhalten. Ein Berater erhält einen Vorschlag, der mit dem vom Kunden angegebenen Profil übereinstimmt, und die Überwachungstools melden eine Abweichung, bevor sie die Kunden erreicht.

Die Kunden von Logfret, einem Spezialisten für internationalen Transport, klassifizieren jedes exportierte Produkt in der HS-Zolltarifnomenklatur, einem Code, der aus 5 000 Referenzen ausgewählt wird und von dem der angewandte Tarif abhängt. Galadrim hat die Klassifizierungs-Engine entwickelt, die diesen Code allein auf Basis der Produktbezeichnung zuweist und sich dabei auf alle bereits bearbeiteten Deklarationen stützt. Die Teams erhalten einen sofortigen Vorschlag, den sie auf jeder Deklarationszeile validieren.

Ordiges gibt Lia heraus, die Software, mit der Verwaltungen, Gemeinden und Spitäler ihre öffentlichen Ausschreibungen vorbereiten: Dutzende von regulatorischen Feldern müssen ausgefüllt und eine europäische Nomenklatur ausgewählt werden, obwohl sehr ähnliche Konsultationen bereits existieren. Galadrim hat die beiden Prädiktionsalgorithmen der Software entwickelt: Der erste findet ähnliche Konsultationen und schlägt den zu übernehmenden Feldinhalt vor, der zweite schlägt den entsprechenden Nomenklaturcode für den Gegenstand der Ausschreibung vor. Die Daten jedes Käufers bleiben isoliert, und wiederverwendete Dossiers werden vor dem Vorschlag anonymisiert.