加入 getAbstract 阅读摘要

Künstliche Intelligenz

加入 getAbstract 阅读摘要

Künstliche Intelligenz

Mit Algorithmen zum wirtschaftlichen Erfolg

Springer Gabler,

15 分钟阅读
10 个要点速记
音频和文本

看看什么内容?

Deep Blue, Watson & Co. – was KI heute schon kann und was sie in Zukunft können wird.


Bewertung der Redaktion

7

Qualitäten

  • Überblick
  • Praktische Beispiele

Rezension

Um das Thema künstliche Intelligenz ranken sich zahlreiche Mythen. Nicht selten wird die Technologie regelrecht verteufelt. Doch die Realität sieht anders aus als in Science-Fiction-Filmen. Die Autoren dieses Sammelbandes – unter ihnen Vertreter namhafter Unternehmen – zeigen, wie KI heute bereits in der Praxis angewandt wird und welche Bedeutung sie für die Wirtschaft hat. Dabei kommen aber auch kritische Aspekte nicht zu kurz. Ein unterhaltsames und informatives Buch über eine der spannendsten Technologien unserer Zeit.

Zusammenfassung

Im Zentrum des Themas künstliche Intelligenz stehen die verschiedenen Formen von maschinellem Lernen.

Die Geschichte der künstlichen Intelligenz geht bis ins Jahr 1956 zurück. Nach anfänglichen Erfolgen und einem anschließenden Abschwung der KI-Forschung sorgte 1997 die Niederlage des damaligen Schachweltmeisters Garri Kasparov gegen den IBM-Computer Deep Blue für Schlagzeilen – auch wenn Kritiker zu bedenken gaben, dass es sich bei Deep Blue nicht um ein „intelligentes System“ handele. Eine einheitliche Definition von künstlicher Intelligenz gibt es bis heute nicht. Grob wird zwischen „starker“  und „schwacher“ KI unterschieden. Während die starke Form der künstlichen Intelligenz die Funktionen des menschlichen Gehirns nachzuahmen versucht, beschäftigt sich die schwache Form mit sich selbst weiterentwickelnden Algorithmen für bestimmte Problemstellungen.

In jüngster Zeit steht vor allem das maschinelle Lernen (ML) im Mittelpunkt der KI-Forschung. Dabei wird ein iterativer Lernprozess in Gang gesetzt, bei dem ein Algorithmus Zusammenhänge in Daten erkennt und daraus Vorhersagen ableitet. Es gibt drei ML-Formen:

  1. Überwachtes Lernen...

Über die Autoren

Peter Buxmann ist Professor für Wirtschaftsinformatik an der Technischen Universität Darmstadt. Holger Schmidt ist an derselben Hochschule Dozent für das Fach Digitale Transformation.


Kommentar abgeben

Mehr zum Thema

Verwandte Skills

企业财务
推动人工智能转型
创业
行政领导
人力资源
领导能力
利用人工智能促进销售
做出正确的决定
管理层
市场营销
生产和物流
销售
了解人工智能
将人工智能用于生产和供应链
工作场所技能
探索制造业中的人工智能应用案例
使用人工智能绘制客户旅程图
利用人工智能进行市场分析
利用人工智能优化路线
利用人工智能进行技能匹配
利用人工智能促进人力资源
利用人工智能开展营销
使用人工智能进行编码和调试
使用人工智能进行信用评分
利用人工智能进行需求预测
利用人工智能生成创意
探索科技行业的人工智能应用案例
了解生成式人工智能
在会议中使用人工智能
探索体育产业中的人工智能应用案例
了解人工智能的能力和局限
使用人工智能生成知识库
利用人工智能制定补货计划
利用人工智能优化仓库
探索零售业的人工智能应用案例
工作的未来
引导团队完成人工智能过渡
利用人工智能开展金融业务
利用人工智能分析客户反馈
将人工智能用于一般研究
使用人工智能进行性能跟踪
将人工智能用于写作和交流
选择人工智能优先事项
探索人工智能在建筑领域的应用案例
探索人工智能的最新进展
技术对工作的影响
利用人工智能进行培训和发展
利用人工智能进行数据分析
使用人工智能预测订单 ETA
使用人工智能进行提案
使用人工智能进行原型设计
利用人工智能制定业务战略
利用人工智能实现工作流程自动化
探索人工智能在咨询业的应用案例
利用人工智能提升领导力
合乎道德地使用人工智能
利用人工智能提供决策支持
利用人工智能优化库存
使用人工智能进行生产调度
利用人工智能进行劳动力规划
利用人工智能进行产品开发
规划人工智能劳动力转型
利用人工智能进行资源规划
了解人工智能的伦理影响
利用人工智能提高个人生产力
利用人工智能加强沟通
利用人工智能代理
衡量人工智能的业务影响
了解人工智能的社会影响
利用人工智能实现客户服务自动化
利用人工智能优化流程
探索人工智能应用案例
推动团队采用人工智能
利用人工智能打造客户体验
了解人工智能对商业和经济的影响
在日常工作中利用人工智能
人工智能转型
利用公司知识使用人工智能
利用人工智能进行管理
了解人工智能对工作的影响