AI oder ML Services werden in der Regel von Data Scientists entwickelt, die gute Kenntnisse in Mathematik und Informatik haben. Ein explorativer Ansatz ist erwünscht und häufige Änderungen an der Codebasis werden erwartet. Mit zunehmender Anzahl der Codezeilen wird es jedoch schwieriger,die Übersicht zu behalten und die Nachvollziehbarkeit wird zur Herausforderung. Um AI Modelle für einen breiten Einsatz zu implementieren und zu operationalisieren, benötigt es nicht nur gute Data Analytics-Fähigkeiten, sondern auch die Denkweise und Werkzeuge der traditionellen Softwareentwicklung. Nach einer Einführung in AI und Beispielen wie in einer modernen Versicherung AI-Funktionalität eingesetzt werden kann, wird mittels eines selbst gebauten autonomen Autos der Workflow bei der Erstellung von AI-Services erklärt. Wie die Mobiliar den Workflow der Data Scientists und der traditionellen Softwareentwicklung verbindet und wie Pythagoras (die Plattform für die Entwicklung und das Betreiben von AI-Services der Mobiliar) den AI Ansatz unterstützt, wird im zweiten Teil aufgezeigt. Die Verbindung von bewährten Konzepten mit der AI Modellentwicklung führt zu Analytics und AI as Code, die nächste Generation der Softwareentwicklung.

1. AI@Mobiliar
Wie AI-Services in der Mobiliar gebaut und
eingesetzt werden
Jérôme Koller, Andreas Mösching

2. Die Mobiliar auf einen Blick
• Erste private Versicherungsgesellschaft der Schweiz
• Genossenschaftlich verankert
• 1.7 Mio. Kundinnen und Kunden
• Jährliches Prämienvolumen: 3.5 Mia. CHF
• Schweizer Marktführerin in Haushalt-, Gewerbe- und Risikolebensversicherung
• 1/3 aller Haushalte und jedes 4. Unternehmen sind bei der Mobiliar versichert
• 9 von 10 Schadenfällen werden direkt vor Ort erledigt
• 79 Generalagenturen an 160 Standorten in der ganzen Schweiz
• Rund 5000 Mitarbeitende und über 300 Ausbildungsplätze

3. Was ist Künstliche Intelligenz?

4. Was ist Künstliche Intelligenz?

5. Spam protection
Voice assistant
Machine translation
Optical character recognition (OCR)
Gesichtserkennung
Bilderkennung
Was ist Künstliche Intelligenz?
Natural language processing
…

6. Stufen der Künstlichen Intelligenz
Geeignet zur
Unterstützung oder
Übernahme spezifischer
Aufgaben
Nimmt Wissen
aus einer Disziplin
auf, transferiert es
in eine andere.
Maschinen, die eine
Grössenordnung klüger sind
als der Mensch.
Weak AI

7. AI@Mobiliar

8. AI @ Mobiliar - die Vorteile der Digitalisierung voll ausschöpfen!
Natürliche Interaktionen mit Systemen
ermöglichen
Datengestützte Entscheidungsfindung
und –Automatisierung gezielt fördern

9. AI@Mobiliar:
Kognitiver Verkaufsassistent (KVA) für Underwriting KMU
KMU
Kunde
Schadens-
beispiele
Vorschlag
Risikocode
Ähnliche
Kunden
Relevante
Produkte,
Besondere
Bedingungen

10. AI@Mobiliar
Juristische Fälle bei der Protekta
Integrierte
Informationssicht
Integration
externer und
interner
Informationen
Dokumenten-
zusammenfassung
Verknüpfung ähnlicher
Rechtsfälle über
Document Similarity
Vereinfachte
Suche in
verschiedenen DB
über initiale
Fallbeschreibung

11. AI@Mobiliar:
«Automatische Schadensklassifizierung»

12. 24.07.2018AI Basics und AI@Mobiliar 12
Daten&Analytics

13. AI@Mobiliar
Einsatz AI im Schadensprozess (Prototyp)
Kunde hat einen
Autoschaden
Schadenmeldung
an die Versicherung
Schadensfoto und
Fahrzeug-
identifikation
Info an Kunde
End-To-End
Automati-
sierung des
Schadens-
prozesses
unter 10 Min.
Automatische
Schadens-
erkennung
Bilderkennung (deep learning)

14. Wie werden kognitive Services
gebaut?

15. Unit Tests System Tests Integrations Tests Benutzer Tests
Service in
Produktion
Serviceentwicklung
Programmieren
Software Entwickler

16. Trainieren
Data Scientists

17. donkeycar.com
Donkeycar ist ein selbst gebautes,
selbstfahrendes Auto

18. Quelle
bestimmen
Aufbereiten Filtern
Datensets
bestimmen
Trainings- und
TestdatenDatenbereitstellung
Trainings- und
Testdaten
bereitstellen
Explore

19. Bild 120x160 Pixel
Steuerung (von -1 bis +1)
Geschwindigkeit (von -1 bis +1)
Steuerung: 0.3
Geschwindigkeit.: 0.2
20 Runden mit manueller Steuerung
Ca. 50’000 klassifizierte Bilder (labelled)
Steuerung: 0.3
Geschwindigkeit.: 0.2Steuerung: 0.3
Geschwindigkeit.: 0.2Steuerung: 0.3
Geschwindigkeit.: 0.2Steuerung: 0.3
Geschwindigkeit.: 0.2

20. Modell definieren
Parameter
bestimmen
Trainieren Testen
Quelle bestimmen Aufbereiten Filtern
Datensets
bestimmen
Trainiertes
Modell
Trainings- und
Testdaten
Modellentwicklung
Datenbereitstellung
Modell entwickeln
basierend auf
Trainings- und
Testdaten
Train

21. Bild 120x160 Pixel
3 Kanäle (RGB)
[120, 160, 3] => 57’600
Steuerung: 0.3
Geschwindigkeit: 0.2
Steuerung: 0.7
Geschwindigkeit: 0.1
Berechnete Werte
Trainingswerte
=?
5 Convolution layers
2 Fully connected layers

22. Unit Tests System Tests
Integrations
Tests
Benutzer Tests
Service in
Produktion
Modell definieren
Parameter
bestimmen
Trainieren Testen
Quelle bestimmen Aufbereiten Filtern
Datensets
bestimmen
Trainiertes
Modell
Trainings- und
Testdaten
Serviceentwicklung
Modellentwicklung
Datenbereitstellung
Das entwickelte
Modell in die
Produktion nehmen,
releasen
Build and Deploy

23. Bilder der Kamera
Steuerung: 0.7
Geschwindigkeit: 0.1

24. Unit Tests System Tests
Integrations
Tests
Benutzer Tests
Service in
Produktion
Modell definieren
Parameter
bestimmen
Trainieren Testen
Quelle
bestimmen
Aufbereiten Filtern
Datensets
bestimmen
Trainiertes
Modell
Trainings- und
Testdaten
Serviceentwicklung
Modellentwicklung
Datenbereitstellung
Programmieren
Software Entwickler
Trainieren
Data Scientists

25. AI-Services
gebaut und betrieben
nach den
CI/CD Prinzipien

26. Entwicklung
Online
Use Cases
Stream
Use Cases
Integration
und
Betrieb
Pythagoras
Daten sind der neue Source Code

27. Stream Processing
(Cognitive) Microservices
Ingestion Platform API
Platform Control & Processing Bus
Scalable Cluster Infrastructure
Ops&Monitoring
Pythagoras
(Cognitive) Core Capabilities
Datastore and Indexing

28. Stream Processing
(Cognitive) Microservices
Ingestion
Platform
API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
Pythagoras
Index a
Connector
Transformer x
Annotator y
Classifier n
Pipelinen
Zugriffs API
Data MarketFront End
Data Market FilesWEB

29. Stream Processing
(Cognitive) Microservices
Ingestion
Platform
API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
4
1
3
2
Pythagoras
Connector
Schaden Classifier
Pipelinen
Zugriffs API
Consumer
Online Use Case - Schadensklassifizierung

30. Stream Processing
(Cognitive) Microservices
Ingestion
Platform
API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
2
3
4
6
n-mal
5
1
2 6
Pythagoras
Connector
Transformer x
Classifier n
Pipelinen
Zugriffs API
Consumer
Online Use Case – Klassifizierung mit Transformation

31. Pythagoras
Files
Index a
Connector
Classifier
Rechtsgebiet
Annotator
Gesetzesartikel
Pipelinen
Zugriffs API
Stream Processing
(Cognitive) Microservices
Ingestion
Platform
API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
1
2
3
5
n-mal
4
WEB Confluence
Batch Use Case - Datenaufbereitung für Rechtsfälle
Daten Markt

32. Pythagoras
Index a
Connector
Classifier
Rechtsgebiet
Annotator
Gesetzesartikel
Pipelinen
Zugriffs API
Consumer
Stream Processing
(Cognitive) Microservices
Ingestion
Platform
API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
4
1
2
3
Batch Use Case - Datenaufbereitung für Rechtsfälle

33. Stream Processing
(Cognitive) Microservices
Ingestion Platform API
Platform Control & Processing Bus
(Cognitive) Core Capabilities
Datastore and Indexing
Scalable Cluster Infrastructure
slick
akka-http
Apache Spark Apache Flink akka-streams Kafka Streams
Apache Spark Apache Flink
Python OpenCV R TensorFlow WCA
ElasticSearch Apache Solr MongoDB
…
Apache Cassandra
akka-http
…
akka akka-streams Kafka
Kubernetes

34. Die Entwicklung von
AI-Microservices erfolgt nach
den Prinzipien der agilen
Softwareentwicklung
24.07.2018AI Basics und AI@Mobiliar 34

35. CI/CD Pipeline
Code Build Test Preprod Prod
Code Build Test Preprod Prod
Code Build Test Preprod Prod
Explore
Train
Build & DeployServiceentwicklung
Modellentwicklung
Datenbereitstellung

36. Explore
Data Repository
PytCLI
PytStreamConfig
Data versioniert
Rohdaten
PytScript
FilesWEB Data Market

37. Train
PytCLI
PytScript
Workspace
Daten versioniert
Modell versioniert
PytScript

38. Build/Deploy
Build Script
API
Modell
Mobi Standard Image

39. 24.07.2018 39
Dev PreProd Prod
Explore & Train
mit produktiven
Daten
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt DEV
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt PreProd
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt Prod

40. Dev PreProd Prod
Explore/Train Prod Prod
Explore & Train
mit produktiven
Daten
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt DEV
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt PreProd
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt Prod DEV
Platform Capability
Platform Capability
Platform Managed Function
Platform Managed Function
Platform Control
Platform Managed Function
Platform Capability
Pyt Prod
Modell erzeugen

41. Entwicklung
Online
Use Cases
Batch/
Stream
Use Cases
Integration
und
Betrieb
Pythagoras

42. Fazit
(Weak) AI schon längst im
Alltag angekommen
AI@Mobiliar:
Datengestützte Entscheidungsfindung
und natürliche Interaktion mit
Systemen ermöglichen
Pythagoras befähigt uns, AI in die Prozesse der
Mobiliar zu integrieren

43. Vielen Dank für die Aufmerksamkeit