Zur Mitarbeit und Anwendung sind Grundkenntnisse beider Sprachen notwendig. Neben einer manuellen Implementierung werden wir Python testen, um die Arbeitsprozesse miteinander zu vergleichen. Darüber hinaus geben wir Ihnen einen umfangreichen Literaturstock an die Hand, mit dem Sie ihre Kenntnisse nach Belieben selbst weiter vertiefen können.

In der kostenlosen Case Study über den WhatsApp-Service von BMW erfahren Sie, wie fast 80% der Antworten automatisiert werden konnten und BMW somit effizienten Kundenservice betreibt.

AI Spektrum veröffentlicht im Juni 2019 ein Sondermagazin zum Thema „Artificial Intelligence“. Dieses richtet sich an erfahrenes Publikum, wie AI-Professionals und AI-Treiber.

AI Spektrum wird praxisnah berichten und informieren: über Hintergründe, aktuelle Trends und Anwendungsfälle rund um die Themen Künstliche Intelligenz, Machine Learning, Deep Learning, Neuronale Netze und Robotics.

Menschen machen Fehler – na gut. Das muss nicht schlecht sein, jedenfalls dann nicht, wenn man Fehlerfähigkeit, -akzeptanz und -überwindung als Prozess genauer betrachtet. Fehler zu machen (womöglich auch öfter) und irgendwann aus ihnen zu lernen, ist menschlich. So entstehen Kreativität und Innovation. Einige der größten Erfindungen und Entdeckungen der Geschichte gehen auf Fehler zurück.

Künstliche Intelligenz (KI) verändert rasant, wie Unternehmen operieren, Produkte entwickeln und Entscheidungen treffen. Was in den 1950ern als akademisches Gedankenexperiment begann, ist längst Realität. KI-Technologien, kognitive Systeme und lernende Maschinen prägen bereits die digitale Transformation von Wirtschaft und Gesellschaft. Bis heute sorgen KI-Tools in zahlreichen Anwendungsgebieten für Innovationen – von Chatbots im Kundenservice über Produktempfehlungen im Online-Shop bis zur Krebserkennung im MRT.

AI ist in aller Munde. Doch wie geht man als Unternehmen an dieses Thema heran?

Wir zeigen Ihnen die Reise von hier zur AI und geben Ihnen 5 Überlegungen zum Erfolg mit auf den Weg!

Was bedeutet das IBM fortiss Center of AI für IBM? Welche Anwendungen sollen dort entwickelt werden? Und warum ist das KI-Zentrum im IBM Watson IoT Center beheimatet? Das hat  Matthias Hartmann von IBM Michael Hülskötter anlässlich der Eröffnung der KI-Forschungseinrichtung erzählt.

Liegt die europäische KI wirklich so weit hinter der KI aus den USA und China zurück? Peter Seeberg sagt: Nein, das ist nicht der Fall. Zudem soll die KI hierzulande den Menschen dienen, und nicht so sehr den Unternehmen und Staaten.

Mit Dr. Hans-Joachim Popp sprach Christoph Witte über die Frage, wie der Datenschutz in Zeiten von Datenreichtum und „Big Data“ funktionieren kann und ob die von der Politik geforderte digitale Souveränität ein frommer Wunsch bleibt.

Der Tüv Süd und das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) schließen sich zusammen, um Genesis  zu entwickeln – eine offene, nicht proprietäre Plattform zur kontinuierlichen Validierung von AI-Modulen in autonomen Fahrzeugen.

Retest, ein junges Softwareunternehmen aus Karlsruhe, bringt mit der neuen Version 2.0 seiner Software für Testautomatisierung einen AI-basierten Testansatz, der über reines Testen hinausgeht und eine Art Versionsverwaltung für die grafische Benutzerschnittstelle (Graphical User Interface, GUI) darstellt.

Gute Prognosen sind die Basis für eine umfassende Supply-Chain-Planung und die daraus resultierende Optimierung von Prozessen und KPIs. Je schlechter die Prognosen sind, desto höher sind Abschreibungen, Warenverderb im Lebensmittelbereich oder das gebundene Kapital. Um diese Basis so exakt wie möglich zu berechnen, bedarf es verschiedener Tools.

Um AI-Anwendungen allen Unternehmen zugänglich zu machen, hat Google eine neue Cloud-Lösung vorgestellt: Mit AutoML können Unternehmen trotz geringer Vorkenntnisse eigene „Machine-Learning“-Modelle entwickeln. Auch dank der simplen Zugänglichkeit soll Cloud AutoML neue Anwendungsfelder für AI erschließen und ML-Anfängern helfen, leistungsfähige Systeme zu erstellen.

Machine Learning hat heute schon vielfältige Anwendungsbereiche. Mit ML-Unterstützung kann man zum Beispiel im Handel intelligente Entscheidungen treffen oder auch logistische Prozesse optimieren. Wie, das demonstriert das Osnabrücker IT-Architekturhaus Sievers-Group. Welche Potenziale bieten selbstlernende Systeme für den Handel? Als Antwort auf diese Frage verknüpft die Sievers-Group Microsofts Azure Machine Learning Studio mit den Bestandsmanagement- oder ERP-Systemen ihrer Kunden.

ZF ProAI dient als automobiler Supercomputer für das neue Valet-Parksystem von Baidu. Damit ausgestattete Pkw können für Nutzer die Fahrt zu einem Parkplatz und zurück übernehmen. Die Einsatzpremiere feierte diese AI-Lösung in Carsharing-Fahrzeugen des großen chinesischen Mobilitätsanbieters Pand Auto. Außerdem stellte ZF auf der CES 2018 sein „Dream Car“ vor.