Entwurf und Realisierung eines Systems zur Prognose und Optimierung der Wartungskosten von Geldautomaten auf Basis maschineller Lernverfahren

Abstract

In dieser Bachelorarbeit wird in Kooperation mit der Firma it kompetenz GmbH ein System zur Reduzierung der für den Betrieb von Geldautomaten anfallenden Zinsverluste und Wartungskosten entworfen und prototypisch implementiert. Dazu wurde eine Modul entwickelt, das die Wartungstermine und Füllmengen so wählt, dass die Kosten pro Tag minimal sind. Ein austauschbares Prognoseverfahren liefert dazu die benötigten Abschätzungen zu zukünftigen Abhebebeträgen. Das in dieser Arbeit implementierte Prognoseverfahren nutzt neurale Netze, die mit vergangenen tagesabhängigen Merkmalen und den dort beobachteten Abhebebetrag trainiert werden und anschließend für erneut auftretende Ereignisse einen Abhebebetrag prognostizieren können. Da hierzu keine Echtdaten zur Verfügung stehen, wurde ein Programm entwickelt, das Testdaten generiert. Weiterer Bestandteil dieser Arbeit ist die prototypische Implementierung einer Benutzeroberfläche, die die entworfenen Verfahren für einen Benutzer zugänglich macht.