Künstliche Intelligenz

Die Digitale Transformation ist seit Jahren ein zentraler Fokus wissenschaftlicher Diskussionen. Fragen zu datengetriebenen Entscheidungen, Künstlicher Intelligenz und resilienten Lieferketten stehen im Mittelpunkt aktueller Forschung. Die Beiträge dieser Ausgabe erläutern zentrale Trends und präsentieren wissenschaftliche Erkenntnisse sowie praxisnahe Lösungen – von der Automatisierung über die Kreislaufwirtschaft bis hin zu Cloud Computing.

Machine Learning bietet insbesondere im Produktionsumfeld eine Vielzahl an Potenzialen und gewinnt somit immer mehr an Bedeutung. Jedoch fehlte kleinen und mittleren Unternehmen ein Leitfaden, der spezifisch auf ihre individuellen Herausforderungen ausgelegt ist und sie Schritt für Schritt durch die Einführung leitet. Im Zusammenspiel mit einer Potenzialanalyse, der Ermittlung relevanter Voraussetzungen sowie einer Reifegraduntersuchung kann dieser Leitfaden Abhilfe leisten.

In modernen Produktionsbetrieben verkompliziert oft eine heterogene IT-Landschaft den Arbeitsalltag. Ein vielversprechendes Gegenmittel ist der Einsatz intelligenter Agenten. Diese nutzen generative KI für Routineaufgaben und können so die Effizienz steigern. Ob die Integration dieser intelligenten Systeme in bestehende Netzwerke gelingt, entscheidet darüber, ob der Informationsfluss verbessert und manueller Aufwand reduziert werden kann.

Künstliche Intelligenz wird zunehmend in Fahrzeuge integriert, doch herkömmliche Produktentwicklungsprozesse erfassen die spezifischen Anforderungen von KI-Projekten oft nicht vollständig. Um diesen Anforderungen gerecht zu werden, wurde ein Referenzprozessmodell speziell für die Entwicklung von KI-Funktionalitäten in der Automobilbranche entwickelt. Dieses Modell soll Unternehmen dabei unterstützen, ihre herkömmlichen Softwareentwicklungsprozesse einfacher an die Besonderheiten von KI- Projekten anzupassen.

Machine Learning hebt die Automatisierung auf ein neues Level. Doch was bedeutet das für die Rolle des Menschen? Die Entwicklung energieeffizienter und fairer Algorithmen sowie die Optimierung der Datenqualität sind entscheidend für die Zukunftsfähigkeit von Machine Learning und Künstlicher Intelligenz. Die Beiträge in dieser Ausgabe untersuchen die entscheidenden Potenziale und Anwendungsgebiete der Technologie.