hetida Plattform unterstützt Kommunen bei der Pandemiebekämpfung

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) konnte im Rahmen der Forschungsprojekte HealthcAIre und AScore die Funktionen der Open-Source-Software hetida nutzen, um Corona-Krisenstäbe bei der Lagebewertung zu unterstützen.

Das von der neusta analytics & insights GmbH entwickelte KI-Werkzeug ermöglicht die skalierbare Verarbeitung von Zeitreihendaten und hilft bei der Analyse großer Datenmengen.

AScore sammelt die öffentlich verfügbaren Daten, wie beispielsweise die Zahl der Infektionen, aus verschiedenen Quellen zusammen und präsentiert diese in einem intuitiv bedienbaren Dashboard. Zusätzlich können die Auswirkung von möglichen Maßnahmen zur Pandemiebekämpfung, wie Home-Office oder Schulschließungen, auf das Infektionsgeschehen simuliert werden. Dabei spielen neben den medizinischen auch soziale und wirtschaftliche Aspekte solcher Maßnahmen eine Rolle.

KI-Werkzeug hetida im Einsatz

Die Simulation nutzt den hetida Designer, welcher bereits in vielen KI-gestützten Lösungen von neusta analytics & insights zum Einsatz kommt. Zum einen analysiert die Software die Realdaten, zum anderen eignet sich der hetida Designer ideal zum Auswerten und Visualisieren der Ergebnisse. Über eine Datenbank-Schnittstelle werden die Daten in den Designer integriert und transformiert. Dank der intelligenten Verknüpfung und Auswertung großer Datenmengen können wichtige Entwicklungen im Pandemiegeschehen eingeschätzt, Maßnahmen abgewogen und Kommunen unterstützt werden.

Wir freuen uns über die zunehmende Nutzung der hetida Plattform in Wirtschaft und Forschung. Nur durch den Einsatz in unterschiedlichen Kontexten kann die Software stetig weiterentwickelt und optimiert werden. Im engen Austausch mit dem DFKI werden in Zukunft weitere mögliche Anwendungsfälle evaluiert.

Lesen Sie hier mehr zum Forschungsprojekt.

Ihr Ansprechpartner

Dr. Steffen Wittkamp

Seit 2015 betreut, konzipiert und entwickelt Dr. Steffen Wittkamp Data Science Projekte von der Potentialanalyse bis hin zur vollumfänglichen Prognoseplattform inklusive Model Life Cycle Management. Schwerpunkte sind dabei Operationalisierbarkeit und die Robustheit von Data Science Lösungen im täglichen Betrieb.