Die Kunden von Seeq kommen überwiegend aus der Prozesstechnik, konkret aus den Bereichen Öl und Gas, Pharma, Chemie, Energie, Bergbau, Lebensmittel- und Getränkeindustrie. Zu den Kapitalgebern des Unternehmens, die bisher mehr 100 Millionen US-Dollar investiert haben, gehören die Beteiligungsgesellschaften Insight Ventures, Saudi Aramco Energy Ventures, Altira Group, Chevron Technology Ventures und Cisco Investments.

Zur Strategie von Seeq für das maschinelle Lernen gehört es, Endanwendern Zugang zu Algorithmen aus einer Vielzahl von Quellen zu bieten: von Open Source-Quellen, von Drittanbieter und den Data-Science-Teams der Anwender. Mit der Integration von Azure Machine Learning können diese Data-Science-Teams entsprechend Modelle mit Azure Machine Learning Studio entwickeln und sie über die Seeq Azure Add-ons-Funktion veröffentlichen, die ab sofort auf GitHub verfügbar ist. Über die bekannte Seeq Workbench können die Mitarbeiter im Unternehmen einfach auf diese Modelle zugreifen und sie validieren, indem sie Echtzeit-Betriebsdaten mit den Modellergebnissen überlagern und dem Data-Science-Team dazu Feedback geben. Diese iterative Interaktion zwischen IT- und OT-Mitarbeitern verkürzt für beide Parteien den Zeitaufwand für die Optimierung der Prozesse. Zugleich wird so ein kontinuierlicher und ebenfalls iterativer Verbesserungsprozess initiitert.

Megan Buntain, Director Cloud Partnerships bei Seeq: „Seeq und Azure Machine Learning sind wichtige und komplementäre Lösungen für eine erfolgreiche Anwendung von Machine-Learning-Modellen. Durch die Nutzung der kombinierten Expertise von IT und OT-Anwendern erweitert das Seeq Azure Add-on die Möglichkeiten von Seeq. So schaffen wir ganz neue Möglichkeiten für Unternehmen, Machine Learning sinnvoll und umfassend zu nutzen."

Außer dem verbesserten Zugang zu maschinellen Lernmodellen ermöglichen die Self-Service-Anwendungen von Seeq den Mitarbeitern, Ad-hoc-Analysen durchzuführen und die entsprechenden Modelle selbst zu nutzen – ohne Unterstützung der hausinternen IT-Experten. Sobald die Modelle Ergebnisse liefer, können sie mit Seeq skaliert werden, um z.B. die Zuverlässigkeit der Anlagen, die Produktionsüberwachung, die Produktivität oder definierte Nachhaltigkeitsfaktoren zu verbessern.

Neben der Einführung der Azure-Integration erweitert Seeq auch das Programm der veröffentlichten Open-Source Algorithmen mit einem neuen Add-on auf GitHub. Die Open-Source-Galerie von Seeq umfasst auch Algorithmen und Workflows für Korrelations- und Clustering-Analysen, die von den Nutzern nach ihren eigenen Bedürfnissen modifiziert und verbessert werden können.

Seeq ist seit 2019 als SaaS-Anwendung im Azure Marketplace verfügbar und unterstützt viele Azure-Cloud-Services wie Synapse, Azure Data Lake und Active Directory. Seeq unterstützt außerdem die Konnektivität zu Azure Data Explorer, Time Series Insights und Power BI. Die Software von Seeq ist weltweit über ein globales Netzwerk von Systemintegratoren erhältlich, das Schulungen und Support in mehr als 40 Ländern anbietet. In Nordamerika und Europa ist Seeq mit einer eigenen  Vertriebsorganisation vertreten.