Intelligent Traveller Early Situation Awareness itesa

Transkript

1 Intelligent Traveller Early Situation Awareness itesa Dr. Martin Skorsky, Senior Researcher 22. Juni

2 Intelligent Traveller Early Situation Awareness Automatischen Alarmsystems, das Reisende in Echtzeit vor Reiserisiken warnt. Firmen können diesen Service nutzen, um ihre Fürsorgepflicht für Geschäftsreisende zu erfüllen. Das System generiert Warnungen aus diversen Datenquellen, auch aus Öffentlich zugänglichen Quellen Sozialen Netzen Die Warnungen werden mit Buchungsdaten der Reisenden verknüpft

3 Forschungsprojekt des BMWi itesa ist eines von 13 Smart Data Projekten des BMWi Projektzeitraum bis Präsentiert am Stand des BMWi auf der CeBIT 3 3

4 Partner in dem Projekt travelbasys GmbH & Co. KG, Mühlheim (Ruhr) Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI, Dresden INQUENCE GmbH, Dresden / Pirna Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein, Kiel Software AG, Darmstadt sowie weitere Partner 4 4

5 travelbasys GmbH & Co. KG travelbasys bietet marktführende Backoffice-Lösungen zur Abwicklung touristischer Prozesse Konsortialführer im Projekt Stellt im Projekt Buchungsdaten der Reisenden zur Verknüpfung mit Warnungen bereit 5 5

6 Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme IVI Identifikation und Weiterentwicklung der technischen Basis für Trendanalysen und Frühwarnsysteme durch die Abteilung Strategie und Optimierung Stellt im Projekt Algorithmen bereit Fuzzy Association Rule Mining In den Daten werden Regeln erkannt, die dynamisch zur Generierung von Warnungen eingesetzt werden. Dynamic Semantic Data Mining Die Filter / Suchkriterien werden dynamisch angepasst und auf die Datenquellen angewandt

7 INQUENCE GmbH INQUENCE ist ein internationaler Entwickler und Anbieter von Content- Handling-Systemen für Unternehmen, die als Software-as-a-Service-Lösungen verfügbar sind Stellt im Projekt den Zugriff auf die Datenquellen her Strukturierung von Daten aus diversen Datenquellen und diversen Datenformaten 7 7

8 Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein Das Unabhängige Landeszentrum für Datenschutz (ULD) ist die Aufsichtsbehörde für Datenschutz in Schleswig-Holstein Als rechtlich unabhängige Einrichtung führt das ULD seit Jahren wissenschaftliche Studien und projektbegleitende Beratung durch Erarbeitet innerhalb des Projekts Kriterien für datenschutzkonformen Betrieb von Reisewarnsystemen datenschutzkonforme Verwendung von Internetdaten, z.b. aus sozialen Netzen 8 8

9 Software AG Hersteller einer Intelligent Business Operations Plattform, bestehend aus APAMA Complex Event Processing Engine Presto Visualisierung von Datenströmen in Dashboards Universal Messaging Message Bus Terracotta BigMemory In Memory Cache 9 9

10 Weitere Partner Partner aus der Reisebranche TUI Deutschland GmbH, Abt. Krisenmanagement, Hannover First Business Travel der TUI Deutschland GmbH, Hannover.BoSys GmbH, Hamburg Westfalen Urlaubsreisen, Bielefeld VSM - Vereinigte Schmirgel- und Maschinen-Fabriken AG, Hannover Assoziierte Partner Competence Center for Scalable Data Services and Solutions, Dresden Software-Cluster 10 10

11 Technologie von itesa Die Datenquellen werden durch die Tools von INQUENCE mit Suchbegriffen abgefragt und in einen Strom aus strukturierten Events transformiert. Die Suchbegriffe ändern sich durch Dynamisches Semantisches Data Mining Der Event-Strom ist Input für Complex Event Processing, das mit Hilfe von Regeln Anomalien erkennt, die in Warnungen für Reisende umgewandelt werden. Die Regeln werden dynamisch verändert durch Fuzzy Association Rule Mining Aus dem Event-Stream wird der Input für Dynamisches Semantisches Data Mining und Fuzzy Association Rule Mining generiert

12 Technologie von itesa Ein Matchingverfahren verbindet die Reisewarnungen mit den Buchungsdaten der Reisenden mit Vorhersage der Route des Reisenden, soweit aus Buchungsdaten ableitbar Vorhersage des Verlaufs bei bestimmten Risiken Warnung des Reisenden vor und während der Reise Warnungen in Abstimmung mit den Abläufen der Reiseveranstalter 12 12

13 Big Data Volume Datenquellen wie soziale Netze bieten sehr große Datenmengen, die zu verarbeiten sind Variety itesa wird eine Vielzahl von Quellen abfragen Velocity Die Warnungen sollen deutlich schneller verfügbar sein als in existierenden Systemen Veracity Die Informationen müssen durch Vergleich verschiedener Quellen verifiziert werden Value Daten werden mit Hintergrundwissen angereichert 13 13

14 14