Künstliche Intelligenz für Business Analytics
Grundlagen, Architekturen und Anwendungen
Umfassendes und anwendungsbezogenes Handbuch
dpunkt.verlag |
|
Autor:innen |
|
342 Seiten, Hardcover |
|
Erschienen |
02/2026 |
978-3-98889-050-4 9783988890504 |
Künstliche Intelligenz erfolgreich im Unternehmen einsetzen
Künstliche Intelligenz (KI) ist längst kein Zukunftsthema mehr, sondern eine geschäftskritische Technologie. Unternehmen stehen heute vor der Aufgabe, KI nicht nur technisch zu verstehen, sondern sie strategisch und gewinnbringend einzusetzen. Dieses umfassende und praxisnahe Handbuch begleitet Sie Schritt für Schritt bei der KI-Transformation – von den Grundlagen über erste Anwendungsfälle bis hin zu nachhaltigen Geschäftsmodellen. Dabei verbindet es verständliche Erklärungen mit konkreten Beispielen aus der Unternehmenspraxis, insbesondere aus der BI- und Analytics-Welt.
Verständlicher Einstieg in moderne KI-Technologien
Zu Beginn vermittelt das Buch fundiertes Basiswissen zu zentralen KI-Technologien. Dazu gehören maschinelles Lernen, Natural Language Processing, Computer Vision sowie KI-gestützte Robotik. Auch aktuelle Entwicklungen wie generative KI, Large Language Models (LLMs) und Chatbots werden verständlich erklärt. Ziel ist es, technische Zusammenhänge klar darzustellen, ohne tiefes Vorwissen vorauszusetzen.
Strategie, Organisation und Verantwortung
Ein weiterer Schwerpunkt liegt auf den strategischen und operativen Fragen rund um den KI-Einsatz im Unternehmen. Das Buch zeigt, wie KI-Systeme erfolgreich operationalisiert werden können und welche organisatorischen Voraussetzungen dafür notwendig sind. Themen wie der Aufbau einer KI-Einheit, Governance-Strukturen sowie rechtliche und ethische Aspekte werden praxisnah beleuchtet.
Praxisbeispiele aus BI und Analytics
Zahlreiche detaillierte Praxisfälle aus unterschiedlichen Branchen machen deutlich, wie Unternehmen KI konkret einsetzen. Die Beispiele zeigen typische Herausforderungen, erfolgreiche Lösungsansätze und die Potenziale, die sich durch den Einsatz von KI erschließen lassen. So wird die Schnittstelle zwischen Theorie und Praxis, zwischen Modellentwicklung und Anwendung, anschaulich dargestellt.
Aus dem Inhalt
- Teil 1: Grundlagen
- Teil 2: Weiterführende Konzepte
- Teil 3: Anwendungsfälle aus der Praxis
Der erste Teil dieser Leseprobe befasst sich mit der Operationalisierung eines KI-Modells. Darunter versteht man den Prozess, bei dem ein entwickeltes KI-Modell oder -System aus der Forschungs- oder Entwicklungsphase in den praktischen Einsatz überführt wird, sodass es im vorgesehenen Anwendungskontext genutzt werden kann. Die damit verbundenen Herausforderungen sind erheblich und werden häufig unterschätzt. In vielen Fällen sind sie sogar komplexer und aufwendiger als die eigentliche Entwicklung des KI-Modells.
Im zweiten Teil lesen Sie, wie KI zur Reduzierung der Lärmemissionen und Steigerung der Betriebseffizienz urbaner Geothermiebohrungen eingesetzt wird.
Wer hat's geschrieben?
Prof. Dr. Uwe Haneke ist seit 2003 Professor für Betriebswirtschaftslehre und betriebliche Informationssysteme an der Hochschule Karlsruhe – Technik und Wirtschaft. Dort vertritt er u.a. die Bereiche Business Intelligence, Geschäftsprozessmanagement im Fachgebiet Informatik. Seine Publikationen beschäftigen sich mit den Themen Open Source Business Intelligence, Self-Service-BI und Analytics.
Dr. Michael Zimmer verantwortet bei der Zurich Gruppe Deutschland das Thema künstliche Intelligenz. Hierbei beschäftigt er sich sparten- und ressortübergreifend mit der Identifikation, Entwicklung, Produktivsetzung und Industrialisierung von KI-Anwendungsfällen. Er hat über Data & Analytics Governance promoviert, ist Autor und Herausgeber diverser Publikationen und TDWI Fellow. Vor seiner Zeit bei der Zurich Deutschland war er fast 14 Jahre in der Beratung tätig und beschäftigte sich mit dem Aufbau komplexer Data-, Analytics- und KI-Architekturen sowie der Einführung und Konzeption zugehöriger Governance-Strukturen.
Prof. Dr. Stephan Trahasch ist Professor für betriebliche Kommunikationssysteme und IT-Sicherheit an der Hochschule Offenburg. Seine Forschungsschwerpunkte liegen in den Bereichen Data Mining, Big Data und Agile Business Intelligence. In Forschungsprojekten beschäftigt er sich mit der praktischen Anwendung von Data Mining und Big-Data-Technologien und deren Herausforderungen in Unternehmen. Er ist Leiter des Institute for Machine Learning and Analytics und Mitglied der Forschungsgruppe Analytics und Data Science an der Hochschule Offenburg.
dpunkt.verlag |
|
Autor:innen |
|
342 Seiten, Hardcover |
|
Erschienen |
02/2026 |
978-3-98889-050-4 9783988890504 |