Systematische Anwendung des Data-Mining-Prozess auf numerische Daten und Zeitreihen zur Gewinnung von Erkenntnissen, Analyse von Zusammenhängen.
Automatische Gewinnung und Aggregation von Informationen aus Texten, Onlinemedien, Social Media.
Datengetriebene Erzeugung und Evaluation von Entscheidungs-, Klassifikations, Assoziations- und Vorhersagemodellen.
Wir analysieren Ihr unternehmerisches Ziel und die Anforderungen an eine Lösung.
Wir erheben, beschaffen, strukturieren, integrieren und bearbeiten dafür hilfreiche Daten.
Wir erzeugen passgenaue Modelle zur Vorhersage, Unterstützung von Entscheidungen und Verbesserung von Abläufen.
CryptoCaptain ist ein internes Projekt von Klein Data Research. CryptoCaptain hilft selbstbestimmten langfristigen Anlegern, in einem frühen Stadium in Bullenmärkte von Bitcoin & Co zu investieren und sich gleichzeitig vor Marktcrashs zu schützen. Wir bieten den ersten Service für Anlageempfehlungen auf der Grundlage einer automatischen und kontinuierlichen Analyse der Marktstimmung in Online-Medien. Unser Dienst ist ein Frühwarnsystem, das die neue Anlageklasse von Kryptowährungen selbst den konservativsten Investoren öffnet, indem wir ihnen bei der Navigation durch die starken Schwankungen des Marktes helfen.
Das Projekt "Crypto-Captain" wird vom Bundesministerium für Wirtschaft und Energie und dem Europäischen Sozialfonds im Rahmen des "EXIST-Gründerstipendiums" gefördert.
Die Vorhersage der Dauer von Operationen ist eine wichtige Aufgabe aufgrund der vielfältigen Abhängigkeiten zwischen chirurgischem Prozesse und Prozessen über mehrere Abteilungen hinweg. Daher ermöglichen genaue Vorhersagen eine bessere Koordination der Patientenprozesse im gesamten Krankenhaus. Bestehende Prognosemodelle erfordern eine große Menge von Daten, die ihre Anwendung kompliziert machen. Wir verwenden einen einzigartigen Datensatz von etwa 17.000 Operationen, um zu untersuchen, wie bestimmte Merkmale und Algorithmen des maschinellen Lernens die Vorhersagegenauigkeit bei größeren Operationen beeinflussen. Unsere Vorhersagemodelle erfordern nur wenige Daten und sind leicht anzuwenden. Somit wurde ein wichtiger Beitrag zur Verbesserung von OP-Planungssystemen geleistet.
Dr. Klein leitete ein Teilprojekt von InnOPlan als wissenschaftlicher Mitarbeiter an der Universität Hohenheim. Wichtige Partner waren u.a. die Chirurgische Klinik der Universität Heidelberg, STORZ, und HB Technologies. Projektzeitraum: 2015-2018.
In Branchen mit Produkten von hoher technischer Komplexität, wie der Automobilindustrie, sind die Zulieferernetzwerke zunehmend global und oft sehr volatil. Aufgrund der oft kurzen Planungszeiträume können konkrete Kundenaufträge nicht als Grundlage für die Materialbedarfsplanung herangezogen werden, sondern es ist eine entsprechende prognosegestützte Marktbedarfsplanung erforderlich. Entsprechend sind Prognoseverfahren von zentraler Bedeutung. Ziel des Projektes war es, den Anwendungsbereich von multimodalen Maschinellen Lernverfahren für große Datenmengen (Big Data), die einerseits aus unternehmensinternen Zeitreihen und Transaktionsdaten bestehen und andererseits auf internetbasiertes, dynamisches Wissen zurückgreifen, weiterzuentwickeln. Auf dieser Basis wurde die Konzeption und softwaretechnische Implementierung eines Algorithmus für die Absatzprognose von Automobilen entwickelt.
Dr. Klein trieb das Projekt als Data Scientist an der Universität Hohenheim voran. Wichtiger Partner war die flexis AG. Projektzeitraum: 2018-2019.
Im von der EU geförderten Projekt "FIRST" wurde eine hochskalierbare Softwareinfrastruktur zur Informationsextraktion, Integration und Sentimentanalyse aus einer Vielzahl von Onlinemedien entwickelt. Die Infrastruktur wurde anhand von industriellen Anwendungsfällen im Finanzbereich anhand von Marktüberwachung, Risikomanagement und Online-Retail-Banking erfolgreich erprobt. Für jeden dieser Fälle umfasste das Konsortium Datenprovider, Serviceprovider und Nutzer.
Dr. Klein initiierte das Projekt an der Universität Hohenheim und war technisch-wissenschaftlicher Leiter. Wichtige Partner waren u.a. die IT-Beratungsfirma ATOS, die Börse Stuttgart, die Bank Monte Paschi, der Lösungsanbieter für Kapitalmarkt-Compliance b-next und Interactive Data Managed Solutions, welche später von FactSet übernommen wurden. Projektzeitraum: 2010-2013.
Zielsetzung war die Entwicklung und Evaluation von Textmining-Verfahren zur Erschließung von produktbezogenen Äußerungen von Kunden im Social Web. Diese Verfahren dienten dazu, Entscheidungen im Kundenbeziehungsmanagement (CRM) zu unterstützen - z.B. durch Vereinfachung und Beschleunigung der Selektion.
Dr. Klein war für die Entwicklung der Textminingalgorithmen an der Universität Hohenheim verantwortlich. Wichtige Partner waren u.a. die Softwarefirma IntraFind für Enterprisesuchlösungen und der CRM-Berater QS Solutions.
Klein Data Research ist eine Ausgründung aus dem Fachbereich Wirtschaftsinformatik 2 der Universität Hohenheim, Stuttgart. Der Gründer, Dr. Klein, hat einen Doktorgrad in Wirtschaftsinformatik, ein Diplom in Informatik und mehr als 10 Jahre Erfahrung in der fortgeschrittenen Datenanalytik als Projektleiter und Dozent. Wir verwenden modernste Techniken aus dem Data Mining, Text Mining und Maschinellem Lernen unter Verwendung von Open Source-Software und unserer eigenen Software. Wir decken den gesamten Prozess von der Anforderungsanalyse bis zum Rollout ab. Wir arbeiten in verschiedenen Sektoren wie dem Finanz-, Automobil-, Industrie- und Gesundheitssektor.
Nachsommerweg 9, 70437 Stuttgart
+49-178-5245890
kontakt@klein-data-research.de