AI

Business Analytics zielt darauf ab, aus Daten entscheidungsrelevantes Wissen abzuleiten und betrieblich zu nutzen. Als eine mögliche Quelle für die Wissensgewinnung kommen Modelle aus dem Bereich des Maschinellen Lernens in Frage. Sie erlernen automatisiert komplexe Regeln in hochdimensionalen Daten. Zwar ermöglichen diese Modelle treffsichere Prognosen, jedoch bleibt ihre Arbeitsweise oft verborg..

Unternehmen wissen längst, dass Daten das neue Gold sind. Aber erst rund ein Drittel von ihnen hebt diesen Schatz systematisch, das heißt mit Hilfe integrierter Business-Intelligence-Plattformen (BI) mit automatisierten Analyseprozessen [Hag19a]. Ohne eingebettete Automatisierung, Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) bei der Datenanalyse geht jedoch wertvolle Zeit zur Gewinnung..

Derzeit werden zahlreiche Pilotentwicklungen im Bereich der Künstlichen Intelligenz gestartet. Echtdaten unterscheiden sich oft von Datensätzen in Entwicklungsumgebungen. Daher ist eine Angleichung jener Daten für Vorhersagesysteme besonders relevant, um diese sukzessive in gleichbleibender Qualität in die Produktion zu überführen. Klassifikations- und Regressionsmodelle verbessern sich mit steige..

Ziel vieler Unternehmen ist es, mit Hilfe von datengestützten Entscheidungen und digitalen Geschäftsmodellen einen Wettbewerbsvorteil zu generieren. Wesentliche Herausforderungen sind dabei nach einer Erhebung der Enterprise Strategy Group die zunehmende Anzahl an Systemen, die Vielzahl unterschiedlicher Datenquellen und Anwendungen, die stetig steigenden Datenvolumina sowie die Integration Künstl..

Viele Unternehmen tappen bei der Frage im Dunkeln, ob und wie Künstliche Intelligenz (KI) für sie sinnvoll wäre. Selbst wenn sie dies beantwortet haben, müssen sie definieren, wie sie die Grundlagen für KI schaffen und erste Projekte aufsetzen können. Die Diskussion der besten Anwendungsmöglichkeit wirft sofort die Frage nach der Brauchbarkeit der Daten und der zugrunde liegenden IT-Architektur au..