News / Projekte

März 2020

TNG goes virtual

Manchmal muss man aus der Not eine Tugend machen. In Anbetracht des sich ausbreitenden SARS-CoV-2-Virus hat TNG am vergangenen Freitag ein Experiment gestartet - einen virtuellen Techday mit Workshops, Vorträgen und sogar einer virtuellen "Aktuellen Halben Stunde". Schon lange wird der wöchentliche unternehmensinterne Informationsvortrag der TNG-Partner zusätzlich zum Präsenzvortrag gestreamt, doch am Freitag fand er zum ersten Mal rein virtuell in einer Videokonferenz statt. Bis zu 230 Kollegen schalteten sich zu. Für Interaktivität sorgte parallel ein Chat - in welchem viel applaudiert (via Emoticons) und kommentiert wurde.

Allgemein gab es viel gutes Feedback der Mitarbeiter zum virtuellen Techday. Dennoch freuen wir uns, uns auch bald wieder in persona austauschen zu können.

März 2020

Abhilfe bei Performanceproblemen

Hierzu halten die Kollegen einen Vortrag beim Virtual Big Techday am 8. Mai 2020.

Black Friday: dieser umsatzstärkste Tag im Jahr stellt für unseren kräftig wachsenden Kunden aus dem Online-Retail jedes Jahr eine besondere technische Herausforderung dar. Der Webshop muss dauerhaft unter zuvor ungesehener Last zuverlässig funktionieren. Bereits im Vorfeld deuteten 2019 kurze Störungen zu Spitzenzeiten auf bevorstehende Probleme hin, trotz eines bereits erfolgten Hardwareupgrades.

In iterativer Vorgehensweise identifizieren und beseitigen wir mehrere Performancebottlenecks und optimieren die Konfiguration der Applikation. Dies geschieht mittels eines JMeter-Testplans mit am Kundenverhalten modellierter Requestverteilung. Die Ausführung erfolgt aus der Cloud heraus direkt auf Produktion und ermöglicht es uns, verschiedene Lastszenarien zu realisieren. Dabei sorgen technische und organisatorische Maßnahmen dafür, dass Kunden nicht beim Einkaufen gestört werden. Elastic Stack, Prometheus & Grafana dienen als Hauptwerkzeuge zur Identifikation und Analyse relevanter Backend-Metriken.

Die so erzielten Verbesserungen entfalten schließlich die gewünschte Wirkung: der mögliche Durchsatz wurde verdoppelt und die heiße Phase wird ohne Zwischenfälle überstanden. Dank neuen Monitorings lassen sich zukünftig auftretende Performanceprobleme leichter erkennen, verstehen und zeitnah beheben.

November 2019

Deep Fakes in Echtzeit

Deep Fakes sind auf Basis künstlicher Intelligenz erstellte Fälschungen von Bildern oder Videos, in der Regel werden Gesichter ausgetauscht. Somit entsteht die Illusion, eine andere Person in einem Video zu sehen. Als Forschungsprojekt hat sich das TNG Innovation Hacking Team das Ziel gesetzt, besser zu verstehen, was bei Deep Fakes technisch möglich ist. Darüber hinaus wollten wir herausfinden, wo deren Grenzen liegen - insbesondere inwieweit und mit welcher Bildqualität es möglich ist, solche Deep Fakes in Echtzeit zu erzeugen.

Als Ergebnis unserer Forschung können wir tatsächlich in einem von einer Kamera aufgenommenen Video-Stream in Echtzeit das Gesicht der gefilmten Person durch das Gesicht einer anderen Person ersetzen und dabei die Mimik und Bewegungen der ursprünglichen Person übernehmen.

Wir verwenden dazu verschiedene Techniken aus dem Bereich der Computer Vision und der neuronalen Netze, um Gesichter in der Videoeingabe zu erkennen, zu übersetzen und zurück in die Videoausgabe zu integrieren. Zum Einsatz kamen in dem Projekt in Keras trainierte Autoencoder-Netze. Trainiert wurden diese mittels sogenannter GANs (Generative Adversarial Networks), die auch gleichzeitig die Erkennung von Fälschungen ermöglichen. Zusätzlich verwenden wir verschiedene andere neuronale Netze zur Gesichtserkennung und Gesichtssegmentierung.

Juni 2019

KI-Größenempfehler für Mode

Für einen großen Fashion Retailer entwickelt TNG eine Applikation zur individuellen Größenempfehlung für die Kunden des Webshops. Die Lösung stellt sich der Aufgabe, trotz einer Vielzahl an Größengängen und zum Teil geringer Verfügbarkeit einzelnen Kunden nur solche Produkte anzuzeigen, die mit hoher Wahrscheinlichkeit auch wirklich passen. Dazu starten wir mit einem Ideenworkshop, überzeugen unseren Kunden durch Entwicklung eines Prototypen und rollen schließlich eine produktive Lösung aus, die messbar erfolgreich ist. Für die kundenindividuellen Größenprofile werden verschiedene Machine Learning Ansätze ausprobiert und die finale Lösung dann auf AWS-Lambda und Elasticsearch implementiert.

Vergangene Projektnews findet man im Archiv.