Über unsMediaKontaktImpressum

Künstliche Intelligenz / Machinelles Lernen

Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) werden inzwischen in fast allen Bereichen unseres Lebens eingesetzt, insbesondere Deep Learning und künstliche neuronale Netze haben zuletzt zu deutlichen Fortschritten geführt. Künstliche Intelligenz gilt als Wachstumsfaktor für Unternehmen, viele Großkonzerne forcieren massiv ihr Engagement in selbstlernende IT-Systeme. Viele Facetten der neuen Technologie – wie ihre Auswirkungen auf unsere Lebensbedingungen, die Verteilung der Produktionsbedingungen und Arbeitsmodelle – sind noch lange nicht ausreichend untersucht.

Microservices-Ansatz für Data-Science-Projekte

Entscheidungswege beim Einsatz einer Microservices-Architektur werden aus der Sicht von Data Scientists diskutiert. Vorteile werden aufgezeigt und manche... >> Weiterlesen

Neuronale Netze: Ein Blick in die Black Box

Die Diskussion um die gesellschaftlichen Auswirkungen von KI schwankt zwischen Utopie und Horrorszenario. Klärende Frage: Wie sind künstliche neuronale Netze... >> Weiterlesen

Künstliche Intelligenz und Ethik

Welche Rolle der Ethik innerhalb des Gestaltungszyklus von KI-basierten Systemen zukommt und warum die Nicht-Beachtung gesellschaftliche, wirtschaftliche und... >> Weiterlesen

Maschinelles Lernen und der Klimawandel

Von Energie bis Forstwirtschaft: Hunderte Forschungsarbeiten und Projekte im Bereich Machine Learning verfolgen das Ziel, den Ausstoß von Treibhausgasen zu... >> Weiterlesen

Data Science: Buzzword mit gehaltvollem Kern

Data Science mag heute noch ein Thema mit überschaubarer Praxisrelevanz für spezifische Anwendungen sein, es ist aber wohl eines mit großer Zukunft für eine... >> Weiterlesen

Data Science in der Praxis

Dieser Artikel zeigt, wie Data Scientisten und Engineers Werkzeuge wie DVC (Data Version Control) nutzen können, um sämtliche Elemente eines Projekts zu... >> Weiterlesen

Künstliche Intelligenz interpretierbar machen

KI erledigt einfache, sich wiederholende Aufgaben und automatisiert Entscheidungen. Aber viele Black-Box-Modelle sind nicht leicht zu verstehen. Wir brauchen... >> Weiterlesen

Herausforderungen für die IT-Sicherheit bei der Elektromobilität und autonomem Fahren

Die Zukunft der Verkehrssicherheit: Angriffe auf Bezahlsysteme oder Ladesysteme, vor allem aber die Abwendung der Gefahr von Verkehrsunfällen speziell beim... >> Weiterlesen

KI zum Management der Informationssicherheit?

Jedes Unternehmen braucht ein ISMS. Dieser Artikel skizziert ein Modell für ISMS, bei dem menschliche und künstliche Intelligenz in interdisziplinären Teams... >> Weiterlesen

Sicherheitsschwächen von maschinellen Lernverfahren

Fortschritte im Bereich Machine Learning beflügeln den Traum einer künstlichen Superintelligenz. Ein Überblick, welche Angriffsmöglichkeiten existieren und wie... >> Weiterlesen
Weitere Artikel >>