Über unsMediaKontaktImpressum

Predictive Analytics: Potentiale und Grenzen

Vorhersagemodelle mit Big Data, Deep Learning und Data Science: Unternehmen sollten die Potentiale für ihre Anwendungsfälle nicht unterschätzen. >> Weiterlesen

Machine Learning – eine Challenge für Architekten

Vor dem Hintergrund des Data-Science-Prozesses, der den Weg eines ML-Modells von der experimentellen Phase bis zur Operationalisierung beschreibt, vergleicht… >> Weiterlesen

Machine Learning 101: Datenanalyse abseits des Hypes

Das Einmaleins des Machine Learning: Die automatisierte Auswertung von Daten erfordert grundlegende Vorbereitungsschritte. Schritte die ein jeder Akteur auf dem… >> Weiterlesen

Künstliche Intelligenz und die Wirtschaft der Zukunft

Die KI trägt heute zu unserem Wohlstand bei und treibt das Wirtschaftswachstum weiter an. Aber die Grenzen des Wachstums auf der Erde sind erreicht. Gefragt ist… >> Weiterlesen

Maschinelles Lernen – Wie geht es weiter?

Deep Learning und künstliche neuronale Netze haben zuletzt zu deutlichen Fortschritten im Machine Learning geführt. Aber noch ist maschinelles Lernen nicht so… >> Weiterlesen

Natural Language Understanding (NLU)

Der Artikel setzt sich mit den Chancen und Grenzen von Technologien, die sich an der Verarbeitung der natürlichen Sprache versuchen, auseinander, zeigt mögliche… >> Weiterlesen

Autonomes Fahren und Strafrecht

Durch die Übertragung von Entscheidungen und Verantwortung auf autonome Kraftfahrzeuge wird das Recht vor erhebliche Herausforderungen gestellt – dieser Artikel… >> Weiterlesen

Künstliche Intelligenz und Erklärbarkeit

KI ist als regelrechter Hype in der breiten Masse angekommen. Dennoch herrscht oft noch Skepsis und nicht nur Politik und Gesellschaft werfen Fragen auf.… >> Weiterlesen

Die grundrechtlichen Aspekte Autonomen Fahrens

Die Zukunft des Verkehrs aus rechtlicher Sicht: Beim autonomen Fahren steht das Recht vor neuen Herausforderungen. >> Weiterlesen

Machine Learning im Unternehmen – Nutzen und Potentiale

Machine Learning kann ein Motor sein – wenn Sie Daten als Benzin haben. Drei Beispiele des sogenannten Supervised Learnings liefern Inspiration für Ihr eigenes… >> Weiterlesen