Big Data und künstliche Intelligenz E-Book

Lars Brengmann

• Herausgeber: GRIN Verlag
• Kategorie: Wissenschaft und neue Technologien
• Sprache: Deutsch
• Veröffentlichungsjahr: 2024

Beschreibung

Studienarbeit aus dem Jahr 2024 im Fachbereich Informatik - Künstliche Intelligenz, Note: 1,0, Fachhochschule des bfi Wien GmbH (E-Learning Group), Veranstaltung: Data Science - Big Data & künstliche Intelligenz, Sprache: Deutsch, Abstract: Diese Hausarbeit unternimmt, auf Basis des Artikels „Competing in the Age of Artificial Intelligence [AI]“ aus dem Harvard Business Review, eine Praxisableitung der Erkenntnisse auf ein fiktives Case, um die Implementierung der künstlichen Intelligenz proaktiv in die Wertschöpfung und das Wettbewerbsgefüge eines bestehenden Geschäftsmodells vorzubereiten. Nach Iansiti und Lakhani ändert die Entwicklung der digitalen Technologien die Spielregeln und revolutioniert die Geschäftswelt. Dahingehend entstehen neue Generationen von Unternehmen wie die Ant Group, Zebra Technologies und Alphabet, welche primär Algorithmen und künstliche Intelligenz für digitale Automatisierung und Rationalisierung von bislang physischen bzw. analogen Unterstützungs- oder Kerngeschäftsprozessen nutzen. Die Kollision mit den bisherigen marktdominierenden Wettbewerbern erfolgt dann zumeist schlagartig, wenn Netzwerkeffekte einen kritischen Punkt überschritten haben. Technologiegiganten und Start-Ups fokussieren dahingehend in dieser datengetriebenen Ära zunehmend kooperative bzw. symbiotische Anbieter-Ökosysteme schneller zu skalieren, um die Entwicklungszeit zu überstehen und die Datensammlung sowie Verarbeitung noch umfassender zu gestalten. Dies äußert sich häufig in weiteren kurzfristig skalierbaren Geschäftsmodellen oder Betriebsarchitekturen, dank der unbegrenzten Lernfähigkeit, was letztendlich zu einer Verlagerung der Wettbewerbsfaktoren und strategischen Organisationsperspektiven führt. Diese, auch bei Technologiegiganten oft zentrale, AI-Fabrik ist meist essentiell in der neuen Unternehmensgeneration zur effizienten Entscheidungsfindung und Prozesssteuerung. Die Entscheidungsfindung erscheint äußerlich dabei oft wie eine Blackbox, basiert jedoch im Regelfall auf systematischer und wissenschaftlicher Datenanalyse um Erkenntnisse, Eintrittswahrscheinlichkeiten und damit Vorhersagen sowie Entscheidungen abzuleiten. Diese speziellen, und daher meist in sich komplexitätsreduzierten, Einzelaufgaben und Entscheidungen werden von schwachen KI’s übernommen, welche in Ihrer Gesamtheit eine Vielzahl von kritischen und komplexeren Aufgaben in der Operativen handhaben können. Diese digitale Automatisierung brachte bislang ein explosives Wachstum mit sich und basiert im Kern auf der stark erhöhten Reaktionsgeschwindigkeit.