KI kennt kein Big Data

Im Zeitalter von Big Data nimmt der Pool relevanter Informationen immer weiter zu. Wertvolle Unterstützung erhalten Führungskräfte durch künstliche Intelligenz, die bei der Entwicklung von Antworten auf komplexe Fragen hilft.
Zuverlässige Methoden der Datenorganisation und -auswertung bilden die Kernaspekte einer erfolgreichen Entscheidungsfindung. Um den immer größeren Informationsmengen Herr zu werden, setzen die User moderner IT-Programme auf die Fähigkeiten künstlicher Intelligenz. So unterstützt etwa Decision Point, eine von dem Münchener Unternehmen Prisma Analytics entwickelte Technologie, Entscheidungsträger darin, die bestmöglichen Schlüsse zu ziehen und Fake News zu entlarven. Mithilfe von KI lässt sich eine Vielzahl nützlicher Funktionen realisieren: Speziell entwickelte Tools erlauben eine bessere Übersicht über die beeinflussenden Faktoren, andere erstellen wiederum komplexe und mehrdimensionale Simulationen oder schlüsseln einen Sachverhalt nach seinen geopolitischen und ereignisbezogenen Aspekten auf. Zusammen mit den neuesten Erkenntnissen der Data Science ermöglicht die Technologie, Informationen mit hoher Geschwindigkeit auszuwerten und Handlungsempfehlungen zu geben. „Dadurch erhalten Entscheidungsträger die Möglichkeit, Trends und Entwicklungen frühzeitig zu erkennen und ihre Handlungsoptionen auf eine sichere Basis zu stützen. Durch künstliche Intelligenz lässt sich insbesondere unstrukturierter Input effektiv auswerten, da das Programm selbstständig relevante Zusammenhänge herstellt.

Auswertung in Echtzeit

Decision Point liegen die Technologien der Quantum Relations Machine (QRM) und der C+8-KI zugrunde. Letztere übernimmt dabei die vollständig automatisierte Organisation von Daten, wodurch menschliche Fehler bei deren Zusammenstellung keine Rolle mehr spielen. Mithilfe der QRM lassen sich hierbei strukturierte und unstrukturierte Informationen berücksichtigen. Die Big-Data-Analyse-Technologie greift auf sämtliche digitale und öffentlich zur Verfügung stehenden Informationen zurück. So bleibt digitaler Content ständig und ohne Umwege präsent – sich verändernde relevante Sachverhalte gelangen daher sofort in den Datenpool und beeinflussen das Ergebnis. Decision Point erlaubt Anwendern damit weitreichende Recherchen zu beliebigen Suchanfragen.

Verständlich darstellen

Mehr noch als dem autonomen Sammeln von Informationen dient die QRM allerdings der Auswertung des Rohmaterials sowie seiner nutzerorientierten Darstellung: Selbst komplexe Zusammenhänge und Entscheidungen lassen sich auf diese Weise durch nachvollziehbare Grafiken und Diagramme abbilden und erleichtern so dem Nutzer das Verständnis der Gesamtsituation. Selbst für vielschichtige Entscheidungsfelder wie Risikomanagement, Krisenprävention oder auch Investmentstrategien schlägt die Technologie Lösungen vor. Für uns steht im Vordergrund, dass Entscheider die Berechnungen und Empfehlungen der KI mit einem Blick erfassen. Nicht jeder empfindet eine abstrakte Aufbereitung der Schlussfolgerungen als ansprechend. All unsere Auswertungstools visualisieren die Handlungsanweisungen daher in einer greifbaren und transparenten Form.

Seiten: 1 2Auf einer Seite lesen

PATENTPOOL Innovations Management GmbH
www.patentpool.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige