Refine
Year of publication
Document Type
- Contribution to a Periodical (95) (remove)
Has Fulltext
- no (95) (remove)
Keywords
- Datenmanagement (4)
- Datenqualität (4)
- Kundendaten (4)
- Maschinelles Lernen (4)
- Künstliche Intelligenz (3)
- Ablation (2)
- CST (2)
- Genossenschaften (2)
- HF-Ablation (2)
- Herzrhythmusmodell (2)
Institute
- Fakultät Medien und Informationswesen (M+I) (49)
- Fakultät Maschinenbau und Verfahrenstechnik (M+V) (17)
- Fakultät Betriebswirtschaft und Wirtschaftsingenieurwesen (B+W) (15)
- Fakultät Elektrotechnik und Informationstechnik (E+I) (bis 03/2019) (7)
- Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI) (ab 04/2019) (6)
- IUAS - Institute for Unmanned Aerial Systems (2)
- Zentrale Einrichtungen (2)
Massive Umwälzungen im Marktumfeld, verstärkt durch disruptive Technologien, stellen viele Unternehmen vor die existenzielle Frage, wie sie ihr etabliertes Geschäftsmodell zukunftsfähig weiterentwickeln können beziehungsweise wie sie sich unter Umständen grundlegend neu aufstellen müssen. Volatilität, Unsicherheit, Komplexität und Ambiguität (kurz VUKA) sind in diesem Kontext jene ungünstigen Begleiterscheinungen, die auch genossenschaftliche Unternehmen beeinflussen. Die vielfältigen Herausforderungen im Unternehmensumfeld, wie beispielsweise ungünstige demografische Entwicklungen, eine zunehmende Urbanisierung bei steigendem Bedarf an regionaler Daseinsvorsorge, Wettbewerbsdruck durch neue Geschäftsmodelle und Konkurrenten infolge der Künstlichen Intelligenz beziehungsweise Digitalisierung – zum Beispiel durch FinTechs – bedingen die Suche nach Orientierung, nach einem strategischen Kompass sowohl für Politik, Wirtschaft und Gesellschaft.
Mit dem Wetter sparen
(2010)
Künstliche Intelligenz gilt immer noch als eine der zukunftsweisenden Technologien, die viele Bereiche wie etwa Medizin, Handel, Verkehr und öffentliche Verwaltung revolutioniert. So scheint es nicht verwunderlich, dass bereits knapp jedes fünfte Unternehmen in Deutschland zurzeit KI-Systeme implementiert oder zumindest ihren Einsatz plant. Besonders hoch im Kurs stehen KI-Projekte, um Daten zu analysieren. Ganze 70 Prozent der Unternehmen sehen hier das größte Potenzial, so die Ergebnisse einer Umfrage von PWC [1]. Dennoch lauern einige Stolpersteine, wollen Unternehmen intelligente Datenprojekte umsetzen. Welche Hürden auftauchen können und wie sich diese meistern lassen, erläutert dieser Artikel anhand eines KI-Projektes zur Analyse von Geschäftspartnerdaten [2].
Eine Frage der Qualität
(2021)
Die Mehrheit der deutschen Unternehmen verspricht sich aus KI-gestützter Datenanalyse einen großen Geschäftsvorteil. Doch gerade das Thema Datenbestand ist eine der größten, immer noch häufig unterschätzten Hürde beim Trainieren und Einführen von KI-Algorithmen. Im Folgenden sind vier konkrete Erfahrungen und Tipps für KI- & Datenanalyseprojekte in Unternehmen aufgeführt.