Innovation

Künstliche Intelligenz – Schulungsempfehlungen

Experten warnen davor, daß Deutschland und Europa aufpassen müssen, um nicht von amerikanischen und chinesischen Unternehmen auf dem Gebiet der künstlichen Intelligenz abgehängt zu werden. Aus- und Weiterbildung könnte diese Entwicklung abmildern. Heute  möchte ich Ihnen einige Onlinetrainings vorschlagen.


Künstliche Intelligenz und Datenschutz

Nicht erst seit der Einführung der Datenschutz Grundverordnung hat der Datenschutz eine hohe Priorität in der IT. Wer mit künstlicher Intelligenz arbeitet, unterliegt noch weitergehenden Anforderungen.


Künstliche Intelligenz – Aufholjagd nötig

China und die USA sind die großen Player im Bereich der künstlichen Intelligenz, und viele Experten warnen davor, daß Europa und Deutschland im Begriff sind, abgehängt zu werden. Dabei hängt die zukünftige Wertschöpfung an der Frage, ob die Unternehmen den Anschluss halten können.


Nachhaltigkeit und künstliche Intelligenz

Angeregt durch einen Beitrag in Google’s „The Keyword“ Newsletter habe ich mir angesehen, was die künstliche Intelligenz im Bereich Nachhaltigkeit leisten kann, beziehungsweise schon leistet.


Typische Big Data Projekte

Heutzutage können Big Data Projekte richtig groß werden. Rund um Flugzeugtriebwerke und deren Wartung entstehen besonders große Datenmengen und Projekte. Um solche Datenmengen zu speichern und auszuwerten, benötigt man Datalakes und leistungsfähige Werkzeuge des maschinellen Lernens.


Digital Twins

Digital Twins (digitale Zwillinge) sind digitale Abbilder realer Maschinen oder Anlagen, und ermöglichen den fehlerlosen Betrieb dieser Anlage. Möglich wird ein solches digitales Abbild durch das Dreigespann maschinelles Lernen, Internet of Things und Big Data.


Lese- und Lernempfehlungen Data Science

Inzwischen dürfte selbst den größten Zweiflern klar geworden sein, daß sich mit der künstlichen Intelligenz viel ändern wird. Die Firma von morgen ist intelligent.

Heute möchte ich Ihnen Lernquellen vorstellen, die sich mit dem großen Thema der Data Science und des Deep Learning befassen.


Machine Learning und Algorithmic Bias – Eine Einführung

Neulich habe ich eine Artikelserie verfolgt, in der es um die Befangenheit (Bias) in Algorithmen der Maschinenintelligenz ging, die durchaus problematisch sein kann.

IBM hat eine Softwarebibliothek veröffentlicht, die bei dieser Problematik weiterhilft, und bietet eine große Menge an weiterführenden Informationen an.


Ethik der künstlichen Intelligenz

Wenn Sie sich ein wenig mit dem Thema der künstlichen Intelligenz befassen, werden Sie schnell auf Fragestellungen stoßen, die über die reine Technologie hinausgehen oder auch über die betriebswirtschaftlichen Aspekte.

Über intelligente Algorithmen verleihen wir Maschinen menschliche Fähigkeiten, und fragen uns richtigerweise ob diese Software allen ethischen Aspekten genügt.


Fünf zentrale Websites zum Thema Visualisierung von Daten

Letzte Woche habe ich über Data-Lakes geschrieben. Richtig interessant werden diese großen Datenspeicher aber erst, wenn man die vielen Daten auch visualisieren kann. Hierfür benötigt man drei Dinge: Inspiration, Frameworks und Designtechniken.

Die Quellen, die ich in der Anlage zum Artikel aufgeführt habe, liefern genau das.


Anforderungen aus Data Science Projekten

Im Zuge der fortschreitenden Digitalisierung wenden sich immer mehr Unternehmen ihren großen Datenbeständen zu, und versuchen aus diesen Daten geschäftsrelevantes Wissen zu extrahieren. Für solche Auswertungen sind Data Scientists nötig, mit ihrem spezifischen Know How und Techniken.

Fragt sich, wo die Stolpersteine im Bereich Data Science liegen, und was solche Projekte erfolgreich macht.


Machine Learning – Erfahrungen der Fast Movers

Dafür, daß es sich derzeit um eines der meistbesprochenen fachlichen Themen in der IT handelt, blicken die Techniken des maschinellen Lernens auf eine erstaunlich lange Geschichte zurück.

Die Economist Intelligence Unit hat zusammen mit der Firma SAP eine Studie veröffentlicht, die zeigt, wie erfolgreiche Firmen diese Technologie heutzutage einsetzen.


Unternehmensgründung und Wachstum

Junge Unternehmen stehen nicht nur vor der Aufgabe, ein tragfähiges Produkt zu entwickeln, sondern sie müssen sich auch um Aspekte, wie das Marketing oder die Positionierung kümmern.

Ein praxisorientierter Guide kann hierbei helfen.


Arbeitsumgebungen für Machine Learning und Data Science

Data Science Projekte oder Machine Learningmodelle bestehen oft aus einer Vielzahl von Modellelementen oder Detailanalysen, die man zusammen betrachten muss.

In der Praxis ist es keine einfache Angelegenheit, den notwendigen Überblick zu behalten. Zwei interessante Bibliotheken füllen diese Lücke.


Buchbesprechung – Produktmanagement für Dummies

Ich habe mir das neue Buch von Lawler und Schure zum Thema Produktmanagement näher angesehen. Wer einen Überblick über die Arbeitsweisen im Produktmanagement sucht, und dabei Wert auf einen leicht verständlichen Text legt, ist meiner Meinung nach mit diesem Buch gut bedient.


Ideenmanagement und Befragungstechniken

Innovative Produkte sind eigentlich in jeder Branche wichtig. Fragt sich, welche Organisationsform besonders innovationsfördernd ist.

Lange ging man davon aus, daß ein großes Netzwerk erforderlich ist. Eine neue Studie zeigt, daß es auch anders geht.


Cloud Computing: Einführung in Kubernetes und Docker

Kubernetes und Docker liefern wichtige Fähigkeiten, die speziell im Cloud Umfeld benötigt werden aber auch On-Promise eingesetzt werden.

Beide Tools sind besonders bei Entwicklern und im DevOps beliebt, lassen sich aber auch in anderen Bereichen einsetzen. Daher sollte man beide Tools einmal gesehen haben.

Heute gibt es eine Kurzeinführung.


Warum Hardwareunternehmen versagen (10 Gründe)

Bei vielen (neugegründeten) Unternehmen besteht das Produktportfolio aus Hardware und aus Software. Dabei kann der Hardwareteil ähnlich komplex werden, wie der Softwareteil.

Es fragt sich, was man falsch machen kann, wenn man Hardware anbieten will.


Verantwortung für die Informationssicherheit übernehmen

Inzwischen haben wohl die meisten Unternehmenschefs und ProduktmanagerInnen die große Bedeutung der Informationssicherheit erkannt. Die Frage ist, wie man entsprechende Strategien entwickelt und umsetzt.


Cluster Economics

Als Produktmanager in einem globalen Markt stößt man früher oder später auf den Begriff der „Cluster Economics“. Prof. M. Porter ist einer der wichtigsten Vertreter dieser Forschungsrichtung.

Angeregt durch den Artikel „How Economic Clusters Drive Globalization“ aus dem HBR habe ich passende Literatur im Internet zusammengestellt, um mich auf den neuesten Stand zu bringen.


Google’s hybrider Forschungsansatz

Google ist bekannt für seine Kreativität und die vielen neuen Ideen, die das Unternehmen ausprobiert und auf den Markt bringt.

Die Firma gilt deshalb oft als ein Leuchtturm für Unternehmen, die ihre eigene Innovationskraft verbessern wollen. Ein Bericht beschreibt Google’s Forschungsansatz.


Wie Innovation wirklich funktioniert

Eine größere Studie zeigt die Wichtigkeit der Einflussfaktoren der Innovation auf. Die Ideenrate steht erwartungsgemäß weit oben. Doch was beeinflußt den Ideenreichtum eines Unternehmens positiv?


Innovationsstrategien – Das Beispiel Faber-Castell

Wir leben in einer schnelllebigen Zeit, in der viele Unternehmen auf exponentielles Wachstum abzielen, und in der eine disruptive digitale Innovation die Nächste jagt.

Faber-Castell ist über 200 Jahre mit dem sehr alten Produkt „Bleistift“ erfolgreich. Ein Interview zeigt, daß man eine ganz andere Vorgehensweise benutzt, um so erfolgreich zu bleiben.


Nutzungsstatistiken in der Produktentwicklung

Spätestens seitdem die agilen Entwicklungsmethoden Einzug in den Entwicklungsprozess gehalten haben, können Nutzungsstatistiken dabei helfen, das Produkt zu verbessern. Hierzu einige Ideen.