AI

Innerhalb der letzten Jahre hat das Thema Datenstrategie und -Governance vermehrt an Bedeutung gewonnen. Die Gründe hierfür lassen sich hauptsächlich auf den Einsatz von Data Science und KI zurückführen. War eine Datenstrategie in der Vergangenheit meist auf DWH-basierte Ansätze fokussiert, ändert sie sich durch Big Data und KI jetzt grundlegend. Für die Zurich Gruppe Deutschland – nachfolgend nur..

Mit der Lakehouse-Architektur für die Datenanalyse in der Cloud liefert Databricks ein Bindeglied zwischen der bekannten Business-Intelligence-Welt und neuen Machine-Learning-Anwendungen. Die Lösung kombiniert dazu die Stärken von Data Lakes mit denen von Data Warehouses. BI-Spektrum sprach mit Horst Mundt von Databricks über die Vorteile und Herausforderungen der Architektur.

Seit vielen Jahren lese ich nun schon über die Zukunft der Künstlichen Intelligenz. Jeden Tag wird über neue KI-Sensationen berichtet. Habe ich etwas verpasst? Oder wo finde ich jetzt eigentlich diese KI-Revolution?

Von der ersten Idee einer Anwendung von Machine Learning (ML) bis zur Entscheidung über den Projektstart lassen sich viele Fehler vermeiden, die den Projekterfolg gefährden. Die Bedeutung von Daten und der Datenqualität für das Gelingen von ML-Projekten lässt sich nicht unterschätzen, aber auch darüber hinaus gibt es viele Fragen zu klären. Hier betrachten wir eine Reihe relevanter Problemdimensio..

Wäre es nicht wunderbar, nur das zu lesen und zu verarbeiten, was wirklich von Relevanz ist für das Unternehmen und den Kunden? Die Zeit der Mitarbeitenden zielgerichteter und effizienter zu nutzen – für relevante Innovationen? Es ist möglich, dank KI. Gestartet sind wir mit der Grundsatzfrage „Kann die Suche im Markt/Web nach relevanten Informationen zu Innovationspotenzialen mittels KI/ML automa..