Forschung

 

ADOMIS - Ambient Delivery of Multiple Information and Statistics

Der Bedarf an quantitativen Informationen zum Finanzmarkt und an volkswirtschaftlichen Kennzahlen wächst mit steigender Komplexität der wirtschaftlichen Zusammenhänge immer schneller. Derzeit bietet der Markt lediglich fragmentierte Systeme für die Auswertung und Analyse von finanzwirtschaftlichen Daten, wobei eine Integration der Information verschiedener Quellen nur mit hohem Aufwand umsetzbar ist. Die Ziele des Projekts ADOMIS sind die Schaffung einer konsolidierten Datenbasis als Grundlage für finanzwirtschaftliche Analysen und Modelle und die Bereitstellung einer Infrastruktur, in der Daten unterschiedlicher Struktur und Herkunft in einem integrierten Datenmodell zusammengeführt werden. Zudem werden wiederverwendbare Analysekomponenten für die Auswertung entwickelt. Der Aufwand für die Erstellung von statistischen Auswertungen finanzwirtschaftlicher Informationen wird durch ADOMIS deutlich reduziert.

 Partner:  Content Software GmbH, Bad Homburg
   THM (Kompetenzzentrum für Informationstechnologie)
 Fördergeber:  Land Hessen: LOEWE-3
 Laufzeit:     1.7.2015 - 30.6.2017
 Projektleiter:  Prof. Dr. Michael Guckert, Prof. Dr. Christian Schulze

   

PAROT - Predictive Analytics in Realtime-Online-Targeting

Der Absatz von Produkten über Online-Kanäle bietet die Möglichkeit, den Kunden maßgeschneiderte Angebote auf Basis der über den Kunden vorliegenden Daten zu machen und ist damit nicht nur eine Alternative zu anderen Kanälen, sondern bietet einen echten Mehrwert. Aufgrund des hohen Aufwands erschließt sich dieser bisher nur sehr großen Anbietern. Das Projekt PAROT zielt auf die Entwicklung einer neuartigen Recommendation Engine, die als Software as a Service-Lösung (SaaS) einfach in bestehende Online-Shops eingebunden werden kann. Insbesondere kleinere Betreiber von Online-Shops werden befähigt, entsprechende Kauf-Prognosen zu erstellen („Next best offer“) und für die individualisierte Kundenansprache zu nutzen. Die Weiterentwicklung und Kombination bekannter Algorithmen soll zudem die Treffergenauigkeit der Prognosen erhöhen. Mit dem im Projekt entwickelten SaaS-Ansatz können Unternehmen ihren Online-Verkaufsplattformen optimieren, ohne dazu die hohe Investitionshürde einer Eigenentwicklung überwinden zu müssen.

 Partner:      Dastani Consulting GmbH, Wettenberg
   THM (Kompetenzzentrum für Informationstechnologie)
 Fördergeber:   Land Hessen: LOEWE-3
 Laufzeit:  1.11.2016 – 31.10.2018
 Projektleiter:    Prof. Dr. Michael Guckert, Prof. Dr. Christian Schulze