Buxmann / Schmidt Anteil EPB

Mit Algorithmen zum wirtschaftlichen Erfolg
1. Auflage 2018
ISBN: 978-3-662-57568-0
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 208 Seiten

Dieses Buch soll dabei helfen, die neuen Technologien und Anwendungspotenziale der künstlichen Intelligenz besser zu verstehen und einzuordnen. Neben einer ausführlichen und verständlichen Vermittlung grundlegender Kenntnisse und ökonomischer Effekte der künstlichen Intelligenz enthält es viele Anwendungsbeispiele bekannter Unternehmen. Konzerne wie Amazon, IBM, Microsoft, SAP oder VW lassen die Leser in ihre KI-Labors schauen und erklären konkrete Projekte zu Themen, wie z. B. Chatbots, Quantencomputing, Gesichtserkennung, sprachbasierte Systeme oder den Einsatz von KI-Anwendungen in den Bereichen Marketing, Vertrieb, Finanzen, Personalwesen, Produktion, Gesundheit sowie Logistik. Das Buch richtet sich an Entscheider in Unternehmen, Studierende, Dozenten und alle, die sich ein Bild über die vielleicht wichtigste technologische Entwicklung in diesem Jahrhundert machen möchten.



Prof. Dr. Peter Buxmann ist Inhaber des Lehrstuhls für Wirtschaftsinformatik | Software & Digital Business an der Technischen Universität Darmstadt und leitet dort das Innovations- und Gründungszentrum HIGHEST. Darüber hinaus ist er Mitglied in mehreren Leitungs- und Aufsichtsgremien. Seine Forschungsschwerpunkte sind die Digitalisierung von Wirtschaft und Gesellschaft, Methoden und Anwendungen der künstlichen Intelligenz, die Entwicklung innovativer Geschäftsmodelle sowie die ökonomische Analyse von Cybersecurity-Investitionen und Privatsphäre. Dr. Holger Schmidt zeigt als international gefragter Keynote-Speaker die Auswirkungen der Digitalisierung auf Wirtschaft und Arbeit. Als Journalist hat er zwei Jahrzehnte über die digitale Transformation berichtet, davon 15 Jahre für die Frankfurter Allgemeine Zeitung. Der Volkswirt lehrt als Dozent im Fach Digitale Transformation an der Technischen Universität Darmstadt und schreibt als Kolumnist für das Handelsblatt über die digitale Ökonomie. Sein Blog 'Netzoekonom.de' gehört zu den populärsten Publikationen der digitalen Wirtschaft in Deutschland. Er ist Erfinder des Plattform-Index.

Autoren/Hrsg.

Buxmann, Peter

Schmidt, Holger

Inhaltsverzeichnis

1;Vorwort;5
2;Inhaltsverzeichnis;7
3;Abbildungsverzeichnis;11
4;Tabellenverzeichnis;14
5;Teil I Künstliche Intelligenz als Basistechnologie des 21. Jahrhunderts;15
6;1 Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens;16
6.1;1.1Die Geschichte der Künstlichen Intelligenz;16
6.2;1.2Grundlagen des Maschinellen Lernens;20
6.2.1;1.2.1Zurück in die Zukunft;20
6.2.2;1.2.2Wie funktioniert Maschinelles Lernen?;21
6.2.3;1.2.3Verfahren des Maschinellen Lernens;22
6.2.4;1.2.4Das Black-Box-Problem;28
6.3;Literatur;30
7;2 Ökonomische Effekte der Künstlichen Intelligenz;33
7.1;2.1Investitionen in Künstliche Intelligenz;33
7.2;2.2Auswirkungen der Künstlichen Intelligenz auf Produktivität und Wachstum der Volkswirtschaften;36
7.2.1;2.2.1Künstliche Intelligenz: Das Produktivitätsparadox;36
7.2.2;2.2.2Produktivitätssteigernde Automatisierung in allen Sektoren;37
7.2.3;2.2.3Die Wachstumseffekte der Künstlichen Intelligenz;41
7.3;2.3Auswirkungen der Künstlichen Intelligenz auf den Arbeitsmarkt;42
7.4;Literatur;47
8;Teil II Künstliche Intelligenz: Cases aus der Praxis;50
9;3 Das intelligente Unternehmen: Maschinelles Lernen mit SAP zielgerichtet einsetzen;51
9.1;3.1Innovationsstrategie von SAP;51
9.1.1;3.1.1Die Evolution von Unternehmenssystemen;52
9.1.2;3.1.2Maschinelles Lernen bei SAP;54
9.2;3.2KI-Anwendungsbeispiele bei SAP;56
9.2.1;3.2.1Maschinelles Lernen für repetitive Aufgaben;56
9.2.1.1;3.2.1.1 SAP Cash Application;57
9.2.1.2;3.2.1.2 Weitere Anwendungsmöglichkeiten;58
9.2.2;3.2.2Maschinelles Lernen für Kundenbeziehungen (Customer Relationship Management, CRM) und E-Commerce;58
9.2.3;3.2.3Maschinelles Lernen im Marketing;59
9.2.4;3.2.4Maschinelles Lernen im Service und Vertrieb;61
9.2.5;3.2.5Maschinelles Lernen im Personalwesen;62
9.2.5.1;3.2.5.1 Effiziente Einstellungsprozesse;62
9.2.5.2;3.2.5.2 Lernen im Unternehmen;63
9.3;3.3Die Plattform von SAP für Maschinelles Lernen;63
9.3.1;3.3.1Die SAP Leonardo Machine Learning Foundation;64
9.3.2;3.3.2Anwendungsbeispiel;65
9.4;3.4Maschinelle Verarbeitung natürlicher Sprache;66
9.4.1;3.4.1Der Wert von Conversational UX im Unternehmen;67
9.4.2;3.4.2Technologien für Conversational UX;68
9.5;3.5Gesellschaftliche Implikationen;69
9.5.1;3.5.1Lebenslanges Lernen;69
9.5.2;3.5.2Partnerschaften von SAP im Bereich der Künstlichen Intelligenz;70
9.6;Literatur;71
10;4 Künstliche Intelligenz bei Amazon Spitzentechnologie im Dienste des Kunden;73
10.1;4.1Eine Schachpartie verändert das Spiel;73
10.2;4.2Künstliche Intelligenz und Maschinelles Lernen – Grundlagen und Definitionen;74
10.3;4.3Technologische Grundlagen für die Künstliche Intelligenz;74
10.4;4.4Künstliche Intelligenz im Einsatz bei Amazon;75
10.5;4.5Leitgedanke der KI-Forschung;76
10.5.1;4.5.1Beispiel: Supermarkt der Zukunft;76
10.5.2;4.5.2Beispiel: Neuer Weg der Paketzustellung;77
10.5.3;4.5.3Wie Algorithmen Obst sortieren;78
10.5.4;4.5.4Nachfrageprognose;79
10.5.5;4.5.5Alexa, die digitale Sprachassistentin;80
10.5.6;4.5.6X-Ray-Funktion im Kindle;81
10.6;4.6Chancen und Grenzen von Künstlicher Intelligenz;81
10.6.1;4.6.1Interessantere und vielfältigere Jobs durch Künstliche Intelligenz;82
10.6.2;4.6.2Mensch und Maschine;83
10.6.3;4.6.3„Partnership on AI“ adressiert Risiken von KI;84
10.7;4.7Fazit und Ausblick;84
10.8;Literatur;84
11;5 Anwendung eines sprachbasierten KI-Dienstes in der Gesundheitsbranche am Beispiel der Entwicklung eines Alexa-Skills;86
11.1;5.1Einleitung;86
11.2;5.2Grundlagen und Anwendungen der Spracherkennung;87
11.2.1;5.2.1Spracherkennung in der Praxis;88
11.2.2;5.2.2Sprachassistenzsysteme und Sprachdialogsysteme;88
11.2.3;5.2.3Beispiel Amazon „Alexa“;90
11.2.4;5.2.4„Custom Skill“-Datenfluss;92
11.2.5;5.2.5Programmiersprachen und -konzepte;93
11.2.5.1;5.2.5.1 Produkte bestellen;96
11.3;5.3Entwicklung des Skills;96
11.3.1;5.3.1Überblick über die Funktionalitäten des Skills;96
11.3.1.1;5.3.1.1 Versandinformationen abfragen;96
11.3.1.2;5.3.1.2 Benachrichtigungen abfragen;97
11.3.1.3;5.3.1.3 Anruf anfordern;98
11.3.1.4;5.3.1.4 Notfall melden oder abbrechen;98
11.3.1.5;5.3.1.5 Zusätzliche Funktionen;98
11.3.2;5.3.2Programmierung;99
11.3.2.1;5.3.2.1 Erklärung des Intent-Schemas;99
11.4;5.4Zusammenfassung und Ausblick;99
11.5;Literatur;101
12;6 Künstliche Intelligenz als Weg zur wahren digitalen Transformation;103
12.1;6.1Eine Gesellschaft im Wandel;103
12.1.1;6.1.1KI heute;104
12.1.2;6.1.2Hohe Investitionen …;105
12.1.3;6.1.3… und hohe Erwartungen;106
12.2;6.2Sicherheit & Risiken;107
12.2.1;6.2.1Die Kontrolle liegt im Design;107
12.2.2;6.2.2Cyber- und Datensicherheit;108
12.2.3;6.2.3Ein empfindliches Gut: Vertrauen;108
12.3;6.3KI in der Praxis;109
12.3.1;6.3.1Tools und Services;109
12.3.2;6.3.2KI – nützlicher Helfer in vielen Lebenslagen;110
12.3.2.1;6.3.2.1 Wie Emma ihr Leben zurückbekam;110
12.3.2.2;6.3.2.2 Digitalisierung der Landwirtschaft: KI schlägt Erfahrung;110
12.3.2.3;6.3.2.3 Das intelligente Auto lernt die Straße kennen;111
12.3.2.4;6.3.2.4 Die sehende App;112
12.3.2.5;6.3.2.5 Die Industrie holt die KI aus der Cloud;112
12.4;Literatur;112
13;7 Offene Plattformen als Erfolgsfaktoren für Künstliche Intelligenz;114
13.1;7.1Einleitung;114
13.2;7.2Der Wettlauf um KI;115
13.3;7.3Die Anforderungen der Unternehmens-IT an die KI;116
13.4;7.4Von Big Data zur Wertschöpfung;117
13.5;7.5Time to Insight ist entscheidend;118
13.6;7.6PMML: Ein einheitlicher Branchenstandard für alle Stakeholder;119
13.7;7.7Plattformunabhängiges KI-Deployment;120
13.8;7.8Eine digitale Geschäftsplattform für KI;121
13.9;7.9Branchenbezogene Anwendungsfälle;122
13.10;7.10Vielversprechende Zukunft der KI;123
13.11;Literatur;124
14;8 Künstliche Intelligenz im Jahr 2018 – Aktueller Stand von branchenübergreifenden KI-Lösungen: Was ist möglich? Was nicht? Beispiele und Empfehlungen;125
14.1;8.1Einleitung: KI ist jetzt handlungsrelevant;125
14.1.1;8.1.1Gründe für die aktuellen Durchbrüche;126
14.1.2;8.1.2Narrow AI, General AI und Super AI;127
14.1.3;8.1.3Hollywood legt falsche Fährten;128
14.1.4;8.1.4Aktuelle Machbarkeiten;128
14.2;8.2Standortbestimmung: KI verleiht Superkräfte;128
14.3;8.3Chancen der KI: Disruptive Steigerung der Effizienz und Qualität;131
14.4;8.4Ängste vor KI: Sie werden durch Antizipation beherrschbar;133
14.5;8.5KI-Systeme: Es gibt Standards für das Allgemeinwohl;134
14.5.1;8.5.1Werte, Prinzipien und Standards;135
14.6;8.6Die IBM-Strategie: KI wird zur Kernkompetenz;135
14.6.1;8.6.1Watson: Eine modular aufgebaute KI-Plattform;136
14.6.2;8.6.2Ein System für unterschiedliche Anwender;137
14.7;8.7Entscheidungen: KI verbessert Entscheidungen und verhindert Fehler;138
14.7.1;8.7.1KI als Trendscout;138
14.7.2;8.7.2KI als Ratgeber zur Fehlerbehebung;139
14.8;8.8Wissen: KI macht komplexes Wissen beherrschbar;139
14.8.1;8.8.1Mehr Wissen für die Medikamentenentwicklung;139
14.8.2;8.8.2Mehr Wissen für die Genforschung;140
14.8.3;8.8.3Mehr Wissen zur Optimierung des Energieverbrauchs;140
14.9;8.9Kundenservice: KI macht den Service besser und preiswerter;141
14.9.1;8.9.1Chatbot statt Betriebsanleitung;141
14.9.2;8.9.2Chatbot statt Suchfeld;142
14.9.3;8.9.3Chatbot statt Call-Center;142
14.10;8.10Produktivität: KI erhöht Effizienz und Effektivität;143
14.10.1;8.10.1KI bei kniffeligen Fragen am Check-In;143
14.10.2;8.10.2KI im Input-Management;143
14.10.3;8.10.3KI in der Bilderkennung;144
14.11;8.11Empfehlungen für Entscheider: KI mit einem Team in kleinen Schritten angehen;144
14.12;8.12Fazit;146
14.13;Literatur;147
15;9 Mit Künstlicher Intelligenz immer die richtigen Entscheidungen treffen;149
15.1;9.1Einleitung;149
15.2;9.2Ein fiktives Beispiel: Wie man frei verfügbare Informationen und Künstliche Intelligenz für die Finanzindustrie nutzen kann;152
15.3;9.3Praxisbeispiel: Early Loss Detection (ELD) von Munich Re;153
15.4;9.4Notwendige Grundlagentechnologien;155
15.4.1;9.4.1Semantische Suche;155
15.4.2;9.4.2Web Mining;156
15.4.3;9.4.3Natural Language Processing;158
15.5;9.5KI wird unsere Wirtschaft tiefgreifend verändern;162
15.6;Literatur;165
16;10 Künstliche Intelligenz schafft neue Geschäftsmodelle im Mittelstand;166
16.1;10.1Einleitung;166
16.2;10.2Neue Geschäftsmodelle dank Künstlicher Intelligenz;167
16.3;10.3Daten sind der gemeinsame Nenner;168
16.4;10.4Sam Digital Hub;170
16.5;10.5Samsons interne Transformation;171
16.6;10.6Ventildiagnose mit Trovis Solution;171
16.7;10.7Allgemeine Erfahrungen mit Künstlicher Intelligenz;172
16.8;10.8Fazit;176
16.9;Literatur;176
17;11 KI-Innovation über das autonome Fahren hinaus;178
17.1;11.1Die Bedeutung von Künstlicher Intelligenz in der Automobilindustrie;178
17.1.1;11.1.1Innovation braucht Struktur – Data:Lab Munich;179
17.1.2;11.1.2Arbeitsweise;181
17.1.3;11.1.3Anwendungsbereiche;181
17.2;11.2Machine Learning im Rennsport;181
17.3;11.3Natural Language Processing;183
17.3.1;11.3.1Funktionsweise;183
17.3.2;11.3.2Erprobung von Bots im Einkauf;183
17.3.3;11.3.3NLP-Unterstützung in der Logistik;185
17.4;11.4Quantum Computing;185
17.4.1;11.4.1Quantum Computing bei Volkswagen;186
17.4.2;11.4.2Ausblick;188
17.5;Literatur;188
18;Teil III Künstliche Intelligenz: Fortschritt mit Leitplanken;191
19;12 Singularity und weitere kritische Debatten über Künstliche Intelligenz;192
19.1;Literatur;197
20;13 Wettbewerbsvorteile durch Künstliche Intelligenz;200
20.1;Literatur;203
21;Sachverzeichnis;205