Automatisieren & Optimieren Sie Ihr Business mit KI
Von Hyperparameter-Tuning für Machine Learning Modelle bis hin zu komplexen digitalen Zwillingen:
paretos vereint die Leistungsfähigkeit eines KI-gestützten Algorithmus zur Optimierung hochdimensionaler, komplexer Modelle mit einer leicht zu integrierenden API-basierten “as a Service”- Anbindung und einer umfassenden Datenanalyse- und Visualisierungslösung.

Boost Complex Models
Boost the ability of your predictions, recommendation engines and neural nets. After investing a lot of time and money into the development of models most companies use them manually or only with static grid search methods. This can be done better!
Automate ML Algorithms
Automate & optimize your machine learning algorithms, neural nets and model quality. Find customized, optimal algorithms with paretos’ A.I. based Optimization Engine.
Optimize Smart Grids
Optimize your Smart Grid Systems i.e. fleet charging, ancillary services and home energy storage. Find customized, optimal designs and scalable operational strategies with paretos’ A.I. based Optimization Engine.
Our Partners







Warum paretos?
Erschließen
Erschließen Sie das Potenzial von Machine-Learning Modellen oder digitalen Zwillingen mit dem Paretos-Optimierungsalgorithmus "Socrates", der über unsere API nahtlos integriert ist.

Entdecken
Entdecken Sie das volle technologische Potential und visualisieren Sie mit der paretos Data Analytics Lösung "paretOS"

Ableiten
Strategische Entscheidungen durch paretos Decision Management System "DMS" ableiten und von komplexer mathematischer Optimierung "as a Service" profitieren

Erfolgsgeschichten
paretos-Optimierungsalgorithmus "Socrates" wurde in komplexen Projekten validiert, wie z.B. der automatisierten Entwicklung neuronaler Netze zur Bienenerkennung, der Entwicklung eines Elektrofahrzeugs oder der Konstruktion von Hybridantriebssträngen. Sie dienen als Vorzeigebeispiel für die signifikante Effizienzsteigerung.
Reduzierung der Systemzeit
durch integrierte Automatisierung
75%
weniger Zeit
Simulationszeit
mit vollständiger faktorieller Beobachtung
5h
anstelle von 84 Wochen
Leistungssteigerung des neuronalen Netzes
für schnelle und präzise Bienenerkennung
durch effiziente Optimierung
99%
recognition rate
Trainingszeit
im Vergleich zur vollständigen faktoriellen Bewertung
wobei jeder Trainingslauf bis zu mehreren Tagen dauert
167
instead of 168,480 runs
Potenzial freigesetzt
durch Aufzeigen der besten Zugalternativen für eine bestimmte Strecke
durch die Multi-Objective-Optimierungsmaschine Sokrates
18
optima revealed
Simulationszeit
Im Vergleich zur vollständigen faktoriellen Beobachtung
wobei eine Zugsimulation eine Minute dauert
1h
anstelle von 27 Wochen
Was andere sagen


FAQ
paretos AI-basierte Optimierungs-Engine kann schnell, einfach und sicher über eine API integriert werden, während die Roh- und Modelldaten auf dem Server des Kunden verbleiben. Unsere Optimization Engine benötigt nur die Hyperparameter, die Meta-Performance und die Optimierungsmetriken.
Durch eine angedockte Modellschicht und eine schlanke Metadatenschnittstelle auf der Client-Seite ist paretos in der Lage, die KI-basierte Optimierung über eine API bereitzustellen. Schließlich triggert die paretos-Optimierungsmaschine die Modelloptimierung vollautomatisch und hocheffizient, erhält alle optimalen Ergebnisse eines Technologiepotentials einer Simulation oder eines Hyperparameter-Tunings für Machine Learning Modelle.
In addition we provide data analytics and visualizations based on the learning of the model optimization.
Neben der Tatsache, dass Sie mit Paretos die KI-Optimierung so einfach in Ihr Unternehmen integrieren können wie die Anbindung an einen neuen Mail-Service, wurde unser Optimierungsalgorithmus über mehrere Jahre an der Fachhochschule München erforscht und weltweit (z.B. vom MIT) anerkannt und validiert. Er wird nun von paretos weiterentwickelt und auf die Anwendung übertragen und übertrifft modernste Optimierungsalgorithmen in hochdimensionalen Räumen. Für überwältigende Benchmarks können Sie sich gerne mit uns in Verbindung setzen!
paretos Optimierungs-Engine funktioniert mit jedem Modell und Modellmanagement-Tool. Sie kann für Modelle des maschinellen Lernens, den Entwurf (Hyperparameter-Tuning) von neuronalen Netzen (z.B. zur Vorhersage oder Objekterkennung) oder für virtuelle Prototypen, digitale Zwillinge und andere komplexe Simulationen verwendet werden.
Aber abgesehen davon: Setzen Sie sich noch heute mit uns in Verbindung, um herauszufinden, wie wir die KI-basierte Optimierung in Ihr Unternehmen integrieren können oder für weitere Anwendungsfälle und Erfolgsgeschichten!
Da wir unsere Optimierungs-Engine über API zur Verfügung stellen, können Sie die Verbindung über API-Aufrufe oder über alle gängigen Modellmanagement-Tools (wie TensorFlow, PyTorch, SageMaker, Matlab, Modelica) herstellen. Die Roh- und Modelldaten werden auf dem Server des Kunden gespeichert. Unsere Optimierungsmaschine benötigt nur die Hyperparameter, die Meta-Performance und die Optimierungsmetriken. Durch eine angedockte Modellebene und eine schlanke Metadatenschnittstelle löst unsere Optimierungsmaschine die Modelloptimierung vollautomatisch und hocheffizient aus.
Da wir unsere Optimierung als Service (pro API-Aufrufe) anbieten, berechnen wir unseren Kunden eine monatliche Abonnementgebühr oder eine "Pay-per-Use"-Gebühr. Die Einrichtungskosten und der Aufwand sind sehr gering, da wir mit allen gängigen Tools und Sprachen (wie TensorFlow, PyTorch, SageMaker, Matlab, Modelica) kommunizieren können.
Leadership
Fabian Rang
Founder

Fabian ist fasziniert von den möglichen mathematischen Optimierungen für den Entwurf komplexer Probleme. Aufgewachsen als Ingenieur bei einem großen deutschen OEM, beschäftigte er sich mit Systems Engineering und Mathematik - seine Doktorarbeit beschäftigt sich mit "Effiziente Mehrzieloptimierung für teure hochdimensionale Blackbox-Probleme". Er war Mitgründer von paretos mit dem Drang, die Lücke zwischen Mathematik und Geschäftsanwendungen zu schließen.
Thorsten Heilig
Founder

Thorsten ist fasziniert von dem Potential, das die mathematische Optimierung bei komplexen (realen) Problemen bieten kann. Mit Fokus auf Organisations- und Produktwachstum hat er Unternehmen mitgegründet, als Management-Coach gearbeitet und war zuletzt COO bei moovel/REACH NOW, bevor er paretos mitgründete. Seine Motivation ist die Bereitstellung von KI-basierter Technologie für "jedermann", um bessere strategische Entscheidungen treffen zu können.
Kontakt
paretos "in a nutshell"
paretos automatisiert und optimiert virtuelle Prototypen, KI/ML-Modelle oder komplexe Simulationen mit einem mehrschichtigen, KI-gestützten Algorithmus und ermöglicht so den Einsatz modernster Optimierungsmethoden in Entwicklungs- und Entscheidungsprozessen. Die Software und der Optimierungsalgorithmus lassen sich leicht in die bestehende IT-Landschaft integrieren, wodurch neue Technologiepotenziale erschlossen werden und zu dramatischen Effizienzsteigerungen führen.
Der KI-basierte Optimierungsalgorithmus wurde über mehrere Jahre an der Fachhochschule München erforscht und ist weltweit anerkannt und validiert (z.B. durch das MIT). Er wird nun von paretos weiterentwickelt und in die Anwendung überführt.
