<\/p>\n\n\n\n
![\"Herculean](\"https:\/\/www.nexoya.com\/wp-content\/uploads\/2020\/03\/bram-van-oost-2NAquPmxld8-unsplash-1024x683-1.png\")
<\/figure>\n\n\n\nDas Datenvolumen explodiert<\/h3>\n\n\n\n
In naher Zukunft wird ein Grossteil der Haushaltsger\u00e4te mit dem Internet verbunden sein, genauso wie die meisten elektronischen Ger\u00e4te im B\u00fcroalltag. Ganz zu schweigen von den jetzt schon umfangreichen automatisierten Verbindungen zwischen Computersystemen. Jedes Mobiltelefon liefert Unmengen von Daten und bietet Einblicke in das Verhalten von Konsumenten, wie man sich es vorher nie vorstellen konnte. Es fehlt also nicht an Daten. Die Frage ist, wie man diese richtig einsetzt und systematisch verarbeiten kann. Die Schnelligkeit der Datenstr\u00f6me steigt exponentiell und die Ausrichtung von Unternehmen auf Kunden schreitet in grossen Schritten voran.<\/p>\n\n\n\n Maschinelles Lernen (engl. Machine Learning) ist ein k\u00fcnstliches System, das aus Beispielen lernt, Muster respektive Gesetzm\u00e4ssigkeiten erkennt und diese nach einer Lernphase verallgemeinert. Maschinelles Lernen bezieht sich auf die Generierung von Wissen durch Erfahrung.<\/p>\n\n\n\n Traditionelle Programme benutzen Daten, um diese zu verarbeiten. Der Output ist, was wir Menschen weiterverarbeiten respektive sehen k\u00f6nnen und erhalten. Dabei ist der Output immer gleichbleibend, die Regeln des Programms ver\u00e4ndern sich grunds\u00e4tzlich nicht. Grosse Datenmengen bringen f\u00fcr sich selber keinen Mehrwert. Erst Algorithmen k\u00f6nnen aus Daten Werte schaffen. Dynamische Algorithmen stehen im Zentrum k\u00fcnftiger Gesch\u00e4ftsmodelle. Sie passen sich den Anforderungen selbstst\u00e4ndig an.<\/p>\n\n\n\n Der Synergieeffekt zwischen k\u00fcnstlicher Intelligenz und Big Data liegt darin, dass die Datenmengen gebraucht werden, um k\u00fcnstliche Intelligenz zu modellieren und zu trainieren. Wer neuronale Netze mit grossen Anzahl von Datens\u00e4tzen trainiert, verbessert die Resultate substantiell. Je mehr Daten, desto besser das Resultat. Mit 10 Millionen klassifizierten Bildern, kann beispielsweise ein Algorithmus zur Bilderkennung schnell menschen\u00e4hnliche oder sogar bessere Resultate erbringen.<\/p>\n\n\n\n Man geht davon aus, dass sich die Datenmenge rund alle zwei Jahre verdoppelt. Bereits seit Anfang des Internet-Zeitalters waren Daten das eigentliche Gold der Digitalisierung. Nun geht es um die Herausforderung, Big Data richtig auszuwerten und damit neue Werte zu produzieren. Wer es versteht, Daten sinnvoll zu nutzen, generiert neue Opportunit\u00e4ten und Wettbewerbsvorteile.<\/p>\n\n\n\n In diesem Kontext spricht man heute bereits vom logarithmischen Gesch\u00e4ft. Ein Unternehmen das mit dem Einsatz von intelligenten Algorithmen vollautomatisch l\u00e4uft, weil es in der Lage ist, absolut automatisch Handlungen richtig abzuleiten. Dadurch steigert sich die Wertsch\u00f6pfung, wie man es sich vom autonom fahrenden Auto vorstellen kann.<\/p>\n\n\n\n Algorithmische Personalisierung wird oft in den Medien genannt als Beispiel von KI. Beispiele sind der Newsfeed von Facebook, die personalisierte Google Suche, die seit 2009 im Einsatz ist oder nat\u00fcrlich auch neuere Beispiele wie Netflix oder Spotify, sie alle nutzen Algorithmen zur personalisierten Bespielung von Kundeninhalten, um passende Empfehlungen zu liefern. Nat\u00fcrlich geht es auch um Kaufempfehlungen (Amazon), oder Empfehlungen f\u00fcr einen potenziellen Partner.<\/p>\n\n\n\n Ein Chatbot beschreibt einen virtuellen Agenten, der auf Basis von k\u00fcnstlicher Intelligenz Sprach- und Textkommunikation mit einem Menschen f\u00fchren kann. Chatbots nutzen Machine Learning, um die menschliche Sprache abzubilden. Sie werden eingesetzt, um spezifische Inhalte oder automatisierte Services anzubieten, wie zum Beispiel Support oder Verkaufsberatung.<\/p>\n\n\n\n Der Begriff steht sinnbildlich f\u00fcr die Technologien im Zusammenhang mit k\u00fcnstlicher Intelligenz und Spracherkennung. Die Applikationen von Cognitive Computing nutzen Machine Learning Algorithmen, um nat\u00fcrliche Sprache zu simulieren und versuchen, wie das menschliche Hirn zu arbeiten.<\/p>\n\n\n\n Dieser Bereich der k\u00fcnstlichen Intelligenz setzt sich mit der Frage auseinander, wie Computer ein visuelles System aufbauen k\u00f6nnen um digitale Bilder sehen und interpretieren zu k\u00f6nnen. Beispielsweise, um Bilder mit Beschreibungen zu erg\u00e4nzen, um diese in anderen Systemen nutzen zu k\u00f6nnen.<\/p>\n\n\n\n Der Bereich Deep Learning ist ein spezieller Bereich im Machine Learning, der in etlichen Anwendungsbereichen angewendet wird. Der Hauptunterschied liegt darin, wie das KI Model aufgebaut ist. Big Data ist ein Thema, das seit langer Zeit diskutiert wird und laufend an Brisanz zunimmt. Mit der Entwicklung von sozialen Medien und dem Internet der Dinge werden Unmengen von Daten gesammelt.<\/p>\n","protected":false},"author":2,"featured_media":4841,"menu_order":0,"template":"","meta":{"_acf_changed":false},"tags":[192],"blog_category":[52],"resource_gallery_category":[],"class_list":["post-5126","blog_posts","type-blog_posts","status-publish","has-post-thumbnail","hentry","tag-ki-grundlagen","blog_category-ki-marketing-de"],"acf":[],"yoast_head":"\n
<\/p>\n\n\n\n![\"household](\"https:\/\/www.nexoya.com\/wp-content\/uploads\/2020\/03\/household-electronics-1024x498-1.png\")
<\/figure>\n\n\n\nMachine Learning<\/h2>\n\n\n\n
Im Gegensatz dazu nutzt maschinelles Lernen Daten, um das Programm st\u00e4ndig weiterzuentwickeln und der Output ver\u00e4ndert sich laufend.<\/p>\n\n\n\nBig Data & Algorithmen<\/h2>\n\n\n\n
Trainingsdaten als Basis f\u00fcr KI<\/h3>\n\n\n\n
<\/p>\n\n\n\nAlgorithmen verstehen<\/h3>\n\n\n\n
![\"data](\"https:\/\/www.nexoya.com\/wp-content\/uploads\/2020\/03\/data-volume-1024x683-1.png\")
<\/figure>\n\n\n\nVision: Das logarithmische Business<\/h4>\n\n\n\n
Personalisierte Ansprache mit Algorithmen<\/h4>\n\n\n\n
Chatbot<\/h2>\n\n\n\n
![\"Chatbot](\"https:\/\/www.nexoya.com\/wp-content\/uploads\/2020\/03\/chatbot-1024x683-1.png\")
<\/figure>\n\n\n\nCognitive computing<\/h2>\n\n\n\n
Computer vision<\/h2>\n\n\n\n
Deep learning<\/h2>\n\n\n\n
Deep Learning Modelle konzentrieren sich auf das Trainieren von neuronalen Netzwerken in verschiedenen Ebenen. Jede Ebene eines Netzwerks kann verschiedene Muster erkennen und Resultate liefern. Wie die meisten anderen Machine Lern-Netzwerke, sind Deep Netzwerke in der Lage, grosse Datenbest\u00e4nde zu klassifizieren und zu sortieren und daraus Anomalien in Datenmustern zu erkennen. Sie gelten heute als einer der komplexesten KI Modellen.<\/p>\n","protected":false},"excerpt":{"rendered":"