Posts Tagged ‘Strategie’

Die ESA AstroPi Challenge 2017/2018

Letztes Jahr habe ich in Artikel „AstroPi – Interessantes Lernprojekt der ESA“ ein Lernprogramm der ESA auf Basis des Raspberry PI vorgestellt. Die Challenge der ESA für 2017/ 2018 lädt gerade.


Big Data Visualisierung – Ein offener Framework von Uber

Die Firma Uber wird zwar in Europa als Taxiunternehmen, und nicht als die Visualisierungsfirma eingestuft, die sie gerne sein würde, trotzdem hat sie eine Visualisierungslösung veröffentlicht, die sehr gut aussieht.

Diese Bibliothek schaue ich mir heute kurz an.


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.


Mit einem Quantencomputer experimentieren

Das maschinelle Lernen, künstliche Intelligenz, oder ganz generell das Lösen von Optimierungsproblemen erfordert Rechnerkapazitäten, und Rechenleistungen, die es heute noch nicht gibt. 

Man setzt deshalb viele Hoffnungen in eine neue Art von Rechnern, genannt Quantencomputer. IBM (R) hat einen kostenlosen Service ins Netz gestellt, mit dem man solche Maschinen ausprobieren kann.


Glanzmomente der Informationstechnik – Eniac und Apollo 11

Gelegentlich finde ich es interessant, mir noch einmal die Vergangenheit der IT anzusehen. Im ZKM in Karlsruhe existiert eine große Abteilung mit alten Spielecomputern – dort macht Historie Spaß.

Heute habe ich einige alte Artikel herausgesucht zur Frühzeit der IT, die in eine ähnliche Richtung gehen.


Eine inspirierende Serie von Designvorträgen

Die SAP design talks sind eine interessante Idee und ein tolles Format. Die Serie richtet sich insbesondere auch an nicht-Designer, die mit Designern zusammenarbeiten. Ich möchte Ihnen diese Serie heute kurz vorstellen.


Künstliche Intelligenz und Wohlstand in Europa

Der Wettbewerb zwischen den einzelnen Weltregionen in der Zukunftstechnologie der „künstlichen Intelligenz“ ist sehr intensiv.

Das kommt auch daher, weil inzwischen Jedem (und insbesondere den großen Spielern USA, China und Europa) klar geworden ist, daß intelligente Systeme ein riesiges ökonomisches Potential haben.

Welches sind eigentlich die Effekte, und wie kann die Politik dabei helfen, die Technologie zu erschliessen? Hierzu ist ein zukunftsweisender Artikel erschienen.


Wie Produktmanager mit Designern erfolgreich zusammenarbeiten

Als MitarbeiterIn im Produktmanagement ist es Ihre Aufgabe, dafür zu sorgen, daß die von Ihnen betreuten Teams den Kunden ein Produkt liefern, das einen Wertbeitrag beiträgt; und dies konstant. Ein zentraler Produktbestandteil ist das Design. Wie ticken Designer eigentlich, und wie arbeitet man mit ihnen zusammen?


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.


Kontrolle von Maschinenintelligenz und Bias

In einer Welt, in der sich zunehmend intelligente Software verbreitet, gewinnt eine zuverlässige Qualitätssicherung der Algorithmen an Bedeutung.

Die Frage ist, wie man qualitätssichernde Prozesse sinnvoll in der Organisation verankert.


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.


Machine Learning – Empfehlungen für Onlinekurse

Verfahren der Artificial Intelligence, das Machine Learning und das mathematisch-statistische Rechnen finden nach wie vor rasant Verbreitung in der IT.

Wie Sie weiter unten sehen, habe ich Ihnen schon häufiger Empfehlungen für solche Trainings zusammengestellt, an denen ich auch selbst teilnehme.

Derzeit gibt es wieder interessante Lernmöglichkeiten.


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?


Big Data und Daten Journalismus

Daten werden nicht nur in den Unternehmen immer wichtiger, sondern auch im Bereich des Journalismus. Ein Google Newsletter gibt einen guten Überblick – und zeigt auch die Sorgen und Nöte der Journalisten mit der Digitalisierung auf.

Diese sind übrigens ganz ähnlich wie die in den Betrieben.


Big Data Rollen und Teams

Universalgenies sind selten, auch im Bereich der Analytics. Die Entwicklung von Big Data Anwendungen, oder auch Machine Learning Projekte erfordern Mitarbeiterteams, die unterschiedliche Rollen ausfüllen.


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.


Big Data Anwendungen entwickeln und testen

Intelligente Software und Big Data Anwendungen folgen anderen Paradigmen als „normale“ Softwareanwendungen. Daher erfordert ihre Entwicklung eine besondere Vorgehensweise insbesondere im Bereich der Qualitätssicherung.


Machine Learning – Kursempfehlungen

Machine Learning und Data Sciences gehören derzeit zu den heißen Themen in der IT. An beiden Themenbereichen wird schon lange geforscht und gelehrt.

Daher gibt es eine unübersehbar große Menge an guten Materialien, die den Einstieg erleichtern. Ich habe Online Kurse zusammengestellt, die mir geholfen haben, oder, die mir interessant erscheinen.


Machine Learning mit Google Blogs

In der letzten Woche hatte ich Google’s TensorFlow™ als eine der möglichen Bibliotheken für das Machine Learning erwähnt.

Da sehr aktiv in diesem Bereicht, bietet das Unternehmen auf weiteren Gebieten nützliche Inhalte, die sich an Anfänger und Fortgeschrittene in Sachen „Machine Learning“ wenden.


Machine Learning mit TensorFlow

Neulich habe ich über ein Rechnercluster geschrieben, das man einsetzen kann, um darauf Big Data Szenarien auszuprobieren, und Machine Learning Algorithmen zu testen.

TensorFlow™ von Google ist eine der möglichen Bibliotheken für das Machine Learning, die man auf diesem Cluster einsetzen könnte. Daneben ist die TensorFlow Dokumentation eingängig geschrieben, und kann damit auch Einsteigern helfen, die verstehen wollen, wie solche Szenarien aussehen.


Machine Learning in einem eigenen Rechnercluster

Viele Big Data Szenarien verwenden den sogenannten SMACK-Softwarestack (Spark, Mesos, Akka, Cassandra, und Kafka) als Laufzeitumgebung. Dabei handelt es sich um frei verfügbare Software, die normalerweise auf Rechnerclustern in Datenzentren installiert wird, um dort Big Data Anwendungen durchzuführen.

Der kleine Raspberry Pi bietet eine interessante Möglichkeit, um sich ein eigenes Rechnercluster im Wohnzimmer aufbauen zu können.


Mathematische Optimierung mittels OptaPlanner

Im Rahmen des Maschine Learning werden Verfahren, wie neuronale Netze oder Decision Tree Algorithmen eingesetzt, und es werden damit in vielen Fällen gute Erfahrungen gesammelt.

Für manche Problemstellungen bieten sich aber nach wie vor Optimierungsverfahren aus dem Bereich des Operation Research an. OptaPlanner ist eine offene und dabei mächtige Bibliothek.