Künstliche Intelligenz

Autonomes Verhalten und Künstliche Intelligenz

Autonomes Verhalten und Künstliche Intelligenz

Stefan Pickl
The following contribution characterizes autonomous behavior from a specific AI (artificial intelligence perspective). Which AI requirements are necessary to development autonomous systems? Which limitations do exist? What is the specific criterion for intuitive intelligence? The article gives a short introduction and tries to motivate the reader to deal with this interesting topic from different perspectives. Starting from Digitalization, Technological Singularity, Autonomous Driving and Big Data Developments, the article focusses on the future integration of AI to optimize complex processes within the Internet of Things (IoT). Several examples and trends are characterized. We cite the relevant literature and mention explicitly the seven criteria of Wahlster. Besides of the great technological impact, also the ethical dimension and future perspectives are indicated and discussed. The potential of the Internet of Things is closely connected with the successful development and ...
Industrie 4.0 Management | 34. Jahrgang | 2018 | Ausgabe 6 | Seite 35-40
Edge Computing aus Sicht der Künstlichen Intelligenz

Edge Computing aus Sicht der Künstlichen Intelligenz

Dirk Hecker, Michael Mock, Joachim Sicking, Angi Voss, Tim Wirtz
Nachrichten über neue Einsatzmöglichkeiten der Künstlichen Intelligenz (KI) erreichen uns fast täglich. Während China angesetzt hat, die Vormachtstellung der USamerikanischen IT-Konzerne bis 2030 auf allen Gebieten der KI zu brechen, rechnet sich Deutschland Vorteile im Kontext von Industrie 4.0 aus. Die heutigen Erfolge der KI beruhen auf riesigen Datenmengen, die zentral gesammelt und analysiert werden. Zwar fallen auch in der Industrie große Datenmengen an, aber beschränkte Bandbreite, Kommunikationskosten, schnelle Reaktionszeiten, Datenschutz oder Betriebsgeheimnisse verbieten eine solche Datenzentralisierung oftmals.
Industrie 4.0 Management | 34. Jahrgang | 2018 | Ausgabe 6 | Seite 13-16
Künstliche Intelligenz verleiht Cyber-Physical Systems Flügel

Künstliche Intelligenz verleiht Cyber-Physical Systems Flügel

Volker Gruhn
Cyber-Physical Systems (CPS) sind ein Beispiel für die immer engere Verbindung von digitaler und realer Welt. Denn in CPS werden Abläufe und physische Gegenstände unmittelbar in digitale Prozesse integriert. Für IT-Experten bedeutet das mehr Komplexität in der Entwicklung von IT-Systemen. Denn die bisherige Modellbildung, mit der sie gearbeitet haben, stößt angesichts der Unordnung in der realen Welt an ihre Grenzen. Künstliche Intelligenz (KI) hilft dabei, diese Komplexität zu beherrschen und so den Einsatz von CPS zu erleichtern beziehungsweise zu ermöglichen. Die Stärke von CPS liegt insbesondere im Finden von Optimierungspotenzialen, im Erkennen von Mustern und in der engen Zusammenarbeit mit Menschen. Verfahren wie Machine Learning, das die Grundlage für beispielsweise Bilderkennung oder Spracherkennung liefert, erlauben einerseits engere Interaktionsmöglichkeiten zwischen Mensch und CPS. Andererseits erhöhen diese Techniken den Autonomiegrad, mit dem CPS arbeiten ...
Industrie 4.0 Management | 34. Jahrgang | 2018 | Ausgabe 6 | Seite 45-48 | DOI 10.30844/I40M_18-6_45-48
I4M 6/2018: Autonomie

I4M 6/2018: Autonomie

Von Autonomen Systemen bis zur dezentralen Produktionssteuerung
Diese Ausgabe untersucht die Auswirkungen autonomer Technologien auf Seehäfen und dezentralisierte Produktionssteuerungen in Smart Factories. Welche Rolle spielen Künstliche Intelligenz und Cyber-Physische Systeme in der Industrie 4.0? Ein Fokus liegt auf der Automatisierung von Hafeninfrastrukturen und der Implementierung von Lean-Management als Basis für digitale Transformation – praxisnah und forschungsstark.
I4M 5/2018: Digitalisierung der Logistik

I4M 5/2018: Digitalisierung der Logistik

Produktions- und Logistiksysteme vernetzen und Industrie 4.0-tauglich machen
Wie kann die Digitalisierung in Logistik und Produktion gelingen? Themen in dieser Ausgabe sind unter anderem Cyber-Physische Systeme zur Lkw-Auslastungsoptimierung, automatisierte Containertransportsysteme, intelligente Objekte in der vernetzten Logistik und die Rolle von Augmented Reality. Weitere Artikel untersuchen politische Instrumente zur Digitalisierung, Industrie 4.0-Readiness oder die Nutzung sozialer Netzwerke zur Effizienzsteigerung.
Industrial Big Data: Tieferes Prozessverständnis durch Daten

Industrial Big Data: Tieferes Prozessverständnis durch Daten

Modernes Informationsmanagement in der Produktion
Thomas Thiele, Max Hoffmann, Tobias Meisen
Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.
Industrie 4.0 Management | 33. Jahrgang | 2017 | Ausgabe 4 | Seite 57-60
I4M 3/2017: Megatrend Digitalisierung

I4M 3/2017: Megatrend Digitalisierung

Unternehmen verbessern mit Datenanalyse, Wissensmanagement und agilen Systemen
Digitalisierung ist ein viel diskutierter Begriff. Aber was bedeutet sie tatsächlich für Unternehmen, Mitarbeiter und industrielle Prozesse? Produktivitätssteigerung durch Augmented Reality, Wissenstransfer und Kompetenzprofile, agiles Änderungsmanagement sowie lernförderliche Gestaltung von Assistenzsystemen sind insoweit Stichworte. Spannend sind die Themen Arbeitsschutz in der Industrie 4.0 und intelligente Produktion.
Evaluierung des Dense Passage Retrievals zur Dokumentensuche in Behörden im Vergleich zu BM25

Evaluierung des Dense Passage Retrievals zur Dokumentensuche in Behörden im Vergleich zu BM25

Anket Mehra, Tom Vincent Peters, Malte Prieß
Teil des titels, falls Titel viel zu lang AKWI-Tagungsband zur 35. AKWI-Jahrestagung. Jahrgang, 2022, Seite S. 353–362 Die Suche nach Dokumenten ist eine der Aufgaben, die Maschinen am häufigsten ausführen. Täglich genutzte Suchmaschinen suchen nach Dokumenten, um das Informationsbedürfnis eines Anfragenden zu erfüllen. Aktuelle Forschungsergebnisse zeigen, dass der Bewertungsansatz des Dense Passage Retrieval (DPR) – welcher die zu suchenden Dokumente mittels tiefer neuronaler Netze in Dense-Vektoren umwandelt – in englischer ebenso wie in deutscher Sprache bessere Ergebnisse liefert als aktuell implementierte Algorithmen wie der BM25-Algorithmus. Die Dokumentensuche in deutschen Behörden stellt eine besondere Aufgabe dar, da in diesen komplexe behördenspezifische Fachausdrücke verwendet werden. Im Rahmen dieser Arbeit wurde für die Dokumentensuche zu Corona-Regelungen in der öffentlichen Verwaltung ein DPR mit einem öffentlichen deutschsprachigen Datensatz ...
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_26
Einsatz von Machine Learning im Innovationsmanagement

Einsatz von Machine Learning im Innovationsmanagement

Eine Literaturanalyse
Daniel Szafarski und Helmut Beckmann
In volatilen Zeiten, in denen die verfügbare Datenmenge stetig steigt, nehmen Unternehmen das IM in den Fokus, um ihre Wettbewerbsfähigkeit zu sichern. Aus diesem Grund ist eine stetig steigende Anzahl an Publikationen zu verzeichnen, welche sich aktuell insbesondere mit der frühphasigen Ideengenerierung mithilfe natürlich sprachlicher Texte beschäftigen. Zur Analyse werden sowohl unüberwachte als auch überwachte Lernverfahren angewendet, wobei insbesondere Clustering- Algorithmen sowie Klassifikations- und Regressionsanalysen genutzt werden. Die präskriptive Analyse sowie die geschäftsbezogenen Innovationen sind in diesem Zusammenhang noch kaum untersucht, weswegen sich hieraus weitergehender Forschungsbedarf ableiten lässt.
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_18
AI-Ware als sozio-technische Systeme:Entwurf eines Gestaltungsrahmens für den Einsatz von KI in Unternehmen

AI-Ware als sozio-technische Systeme:Entwurf eines Gestaltungsrahmens für den Einsatz von KI in Unternehmen

Claudia Lemke, Dagmar Monett
Das aktuelle KI-Momentum spricht für den Einsatz intelligenter Algorithmen in einer Vielfalt von Anwendungsbereichen, die unser Leben schon verändern oder verändern werden. Allerdings stellt in letzter Zeit der KI-Hype andere Teilgebiete in den Schatten und verschleiert gleichzeitig die Implikationen und Risiken, die KI-basierte Systeme mit sich bringen können. Die Chancen und Herausforderungen solcher Systeme brauchen sowohl moderne, ethisch konforme Handlungsempfehlungen als auch eine Forschungsagenda, die eine richtige, an den Nutzer*innen orientierte Gestaltung ermöglichen. Wir untersuchen in diesem Beitrag die Grundlagen und Merkmale KI-basierter Systeme und schlagen einen auf der sozio-technischen Systemtheorie basierenden Gestaltungsrahmen vor, um KI in Organisationen erfolgreich umzusetzen.
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_11
1 … 7 8 9 10