Windward ist ein internationales Unternehmen für prädiktive Intelligenz mit Schwerpunkt auf dem Seeverkehr. Unsere Plattform dient als One-Stop-Shop für alle Bedürfnisse im maritimen Bereich, Risiken für Schiffe und so weiter und so fort.
Die Windward-Lösung vereint KI, Big Data und maritimes Fachwissen, um Kunden und Partner in die Lage zu versetzen, das maritime Ökosystem und seine breiteren Auswirkungen auf Sicherheit, Finanzen und Wirtschaft zu verstehen – und dadurch datengesteuerte Entscheidungen zu treffen.
Gewerbliche und staatliche Kunden kommen zu uns und wir helfen ihnen bei der Analyse und der Gewinnung von Erkenntnissen über ihre Schiffe, indem wir mehrere Datenpunkte analysieren, die wir in unsere hochentwickelten Modelle der künstlichen Intelligenz einspeisen.
Zu unseren gewerblichen Kunden gehören Versicherungsagenten, die die Risiken ihrer Schiffe im Zusammenhang mit Unfällen und Seeunfällen kennen möchten. Wir stellen diese Informationen zusammen, indem wir Banken durchsuchen, die Geschäfte zwischen verschiedenen Unternehmen finanzieren. Vor kurzem haben wir unser Angebot erweitert, um Spediteuren und anderen Frachteigentümern Einblicke in die Seefracht zu gewähren, was ihnen hilft, die voraussichtliche Ankunftszeit ihrer Waren im Hafen vorherzusagen.
Für staatliche Stellen führen wir “Grenzsicherheitsrisikobewertungen” durch, bei denen wir Schiffe identifizieren, die nicht in wirtschaftlicher Hinsicht tätig sind, um diese Behörden auf verdächtige Schiffe aufmerksam zu machen, damit sie ihre Gewässer und Grenzen besser vor maritimen Bedrohungen schützen können.
Hier sehen Sie unser Produkt Ocean Freight Visibility, das wir gerade auf den Markt gebracht haben. Wir setzen modernste Technologie ein, um ein wirklich komplexes Problem zu lösen, mit dem sich die Welt seit langem befasst und in jüngster Zeit war dieses Problem der Kern mehrerer Marktkrisen. Das Problem bei der Vorhersage der Ankunftszeit von Frachtschiffen und Containern besteht darin, dass viele Aspekte mit der Ankunftszeit eines Frachtschiffs und eines Containers zu tun haben.
Die Technologien, die in den letzten zehn Jahren zur Verfügung standen, sind zwar gut, aber nicht gut genug für diese Art von Problem. Das liegt daran, dass die Technologie, die benötigt wird, um die Datenschichten und die öffentlichen Webdaten zu nutzen, die erforderlich sind, um die maritimen Aktivitäten vollständig sichtbar zu machen, noch nicht auf dem Markt verfügbar war – aber jetzt ist sie es.
Windward hat sich für eine Technologie namens Deep Learning entschieden, um unsere Plattform zu betreiben. Wir verwenden also ein neuronales Netzwerk, das im Wesentlichen weiß, wie man mit den verschiedenen Datenquellen interagiert und sie kombiniert, um zu einer Schlussfolgerung zu gelangen. In diesem Fall ist das die geschätzte Ankunftszeit des Schiffes im Zielhafen.
Ich konzentriere mich ausschließlich auf das ETA-Modell, denn die Gesamtheit unserer Operation ist ziemlich komplex. Die grundlegenden Daten, die wir verwenden, sind die Übertragungen von Schiffen, die ständig und minütlich Signale an verschiedene Empfänger in der ganzen Welt senden, um den Aufenthaltsort des Schiffes zu verfolgen.
Wir nutzen diese verschiedenen Anbieter, um den Standort dieser Schiffe anhand der Übertragungsdaten, die sie uns minütlich zur Verfügung stellen, zu bestimmen. In der Regel handelt es sich dabei um Hunderte von Millionen von Schiffsübertragungen pro Tag.
Wenn wir jedoch versuchen, die Ankunftszeit des Schiffes in einem Hafen vorherzusagen, müssen wir verschiedene Datenquellen heranziehen, wie z. B. öffentliche Webdaten, und eine der wichtigsten Webdatenquellen hierfür sind die Schiffsfahrpläne, die auf den Websites der verschiedenen Reedereien veröffentlicht werden. Diese Informationen umfassen den letzten bekannten Standort des Schiffes, seinen aktuellen Aufenthaltsort sowie die voraussichtliche Ankunftszeit im Hafen.
Open-Source-Webdaten sind für Windward deshalb so wichtig, weil wir diese Websites von Spediteuren nutzen, um unsere Algorithmen mit Daten zu füttern, die eine automatische Vorhersage der voraussichtlichen Ankunftszeiten ermöglichen und den Unternehmen helfen, sich auf andere Aspekte ihres Betriebs zu konzentrieren.
Stellen Sie sich ein Containerschiff als Bus vor, der die Menschen an verschiedenen Stationen abholt. Nun stellen Sie sich vor, dass jede Person im Bus ihre eigene Vorhersage hat, wann sie am Zielort ankommen wird. In dieser Analogie sind die Menschen die Träger-Websites.
Es reicht also nicht aus, nur eine Person zu fragen, wann sie voraussichtlich eintreffen wird. Wir müssen mehrere Personen befragen und dann aus den Ergebnissen einen Durchschnitt bilden. Deshalb ist es wichtig, verschiedene Webdatenquellen im Internet zu nutzen und nicht nur eine einzige.
Um die öffentlichen Webdaten zu sammeln, die unsere Algorithmen speisen, verwenden wir den Web Scraper IDE von Bright Data, um automatisch Webdaten von den verschiedenen Websites der Versandunternehmen abzurufen, und wir nutzen diese Lösung nun schon seit einigen Monaten.
In der kurzen Zeit, in der wir zusammengearbeitet haben, denke ich, dass das, was wir erreicht haben, sehr produktiv war und schnell umgesetzt wurde – was unseren Bedürfnissen als Unternehmen sehr entgegenkam.
Wenn wir bei der Datenerfassung im Internet auf ein Problem stießen, waren die Support-Mitarbeiter von Bright Data sehr schnell zur Stelle und wussten, wie wir das Problem sofort oder innerhalb eines angemessenen Zeitrahmens lösen konnten.
Ich persönlich spüre also das Vertrauen, das ich in die Zusammenarbeit mit Bright Data setze.
