Liebe/r dida-Interessent/in,

wir freuen uns, Sie zu einer erneuten dida conference einladen zu können, welche wir am 31. Mai im B-Part Berlin veranstalten werden. Nach dem Erfolg der ersten dida conference im letzten Jahr wird es auch dieses Jahr wieder einen Tag voller Machine Learning und Networking geben, u.a. mit Themen wie Large Language Models und MLOps. Da es eine beschränkte Anzahl an Plätzen gibt, empfehlen wir eine frühzeitige kostenlose Anmeldung.

Neben unserer dida conference haben wir in den letzten Monaten wie gewohnt spannende ML-Projekte entwickelt, von denen wir zwei besonders hervorheben möchten:

In dem Projekt "Erkennung von Gefahren in Bahnabschnitten" haben wir uns mit der Deutschen Bahn im Rahmen ihrer "Initiative Digitale Schiene" zusammengetan, um ML-basierte Lösungen für autonome Zug-Fahrsysteme zu entwickeln, welche insbesondere Sicherheitsaspekte durch die automatische Erkennung anomaler oder gefährlicher Objekte adressiert. Im Gegensatz zu klassischen Systemen, welche Objekte innerhalb einiger vordefinierter Klassen (etwa Bäume, Personen, Autos) identifizieren, war es das Ziel, ein Modell zu entwickeln, das in der Lage ist, beliebige Objekte zu erkennen und entsprechende Gefährdungsgrade zu bewerten. Lesen Sie [hier](https://dida.do/de/projekte/erkennung-von-gefahren-in-bahnabschnitten) die vollständige Fallstudie zum Projekt.

In dem Projekt "Automatisierte Erkennung und Analyse von Minenschutthalden" haben wir verschiedene Satellitenbilder verwendet sowie eine Reihe von Computer-Vision-Methoden und mathematischen Modellierungen benutzt, um Minenschutthalden zu erkennen, zu segmentieren und schließlich hinsichtlich ihres Volumens und mineralogischen Gehalts zu analysieren. Unser Ansatz bietet eine vielversprechende Alternative zu den traditionellen, arbeitsintensiven Erkundungsmethoden für die Identifizierung und Analyse von abgelegenen Bergbaustandorten. Es ist insbesondere durch Anwendung von ML-Methoden auf multispektrale Satellitendaten in der Lage, Mineralkonfigurationen aus der Distanz herauszufinden. Die vollständige Fallstudie zum Projekt können Sie hier finden.

Auch in letzter Zeit haben wir wieder einige Vorträge gehalten. Unser Geschäftsführer Philipp Jackmuth war kürzlich im "The Data Science Podcast" von INWT Statistics zu hören. Er und Dr. Amit Ghosh, Geschäftsführer von INWT Statistics, führten ein Gespräch darüber, was Machine-Learning-Projekte erfolgreich macht. Sie finden diese Folge hier.

Unser CTO, Dr. Lorenz Richter, folgte der Einladung zu einem Vortrag auf dem Measure Transport, Diffusion Processes and Sampling Workshop am Flatiron Institute in New York City. Der Workshop brachte Experten für mathematische Aspekte zum “diffusion-based generative modeling” zusammen und bot eine gute Gelegenheit, sich mit Kollegen auszutauschen. Lorenz sprach über unsere Arbeiten zur optimalen Steuerung und generativen KI.

Zu guter Letzt möchten wir zum Thema Large Language Models kommen. Bei dida konzentrieren wir uns immer mehr auf die Entwicklung von LLM-basierten Lösungen für unsere Kunden und Partner und verfolgen ständig die neuesten Forschungsentwicklungen. Da das Thema LLMs womöglich auch auf Ihrem Radar ist oder sogar schon auf Ihrer Roadmap steht, möchten wir Sie gerne zu einem ersten 30-minütigen Gespräch mit uns einladen, um Ihre LLM-Überlegungen zu diskutieren und eine erste Einschätzung Ihrer potentiellen Anwendungsfälle zu geben. Für einen ersten LLM-Überblick können Sie auch unseren Einführungsartikel hier besuchen.

Wir hoffen, es hat Ihnen gefallen, über unsere Fortschritte zu lesen, und freuen uns auf den weiteren Austausch.

Mit freundlichen Grüßen
Dr. Lorenz Richter & Philipp Jackmuth