Active Learning

Mithilfe von Active Learning lassen sich Machine-Learning Modelle effizient und schnell entwickeln? Was versteht man unter Active Learning? Wir beleuchten den Begriff und zeigen Vorteile auf.

AI Act

Das Gesetz über Künstliche Intelligenz der EU. Was sind die Hintergründe des AI Acts und welche Auswirkungen hat er für Unternehmen?

Algorithmus

Was verbirgt sich hinter Algorithmen, den systematischen Anweisungen oder Regeln, die von Computern ausgeführt werden, um Probleme zu lösen oder Aufgaben zu erledigen?

Anomalieerkennung

Wie lassen sich Abweichungen, ungewöhnliche Muster und Ausreißer in Daten erkennen? Und wo kommt die Erkennung von Anomalien zum Einsatz?

Ansible

Was versteht man unter „Infrastructure as code“ und wie hilft Ansible als Automatisierungsplattform im Infrastruktur-Management?

Augmented Analytics

Erfahren Sie, wie durch Augmented Analytics automatisierte Erkenntnisse generiert und so tiefere Einblicke in die Daten ermöglicht werden können.

Augmented Intelligence

Wie lassen sich künstliche und menschliche Intelligenz miteinander verbinden, um datenbasiert bessere Entscheidungen zu treffen?

AutoML

Das automatisierte maschinelle Lernen erleichtert Unternehmen Entwicklung und Einsatz von Machine-Learning-Modellen.

Bias

Ist KI immer objektiv? Unter Bias versteht man systematische Verzerrungen in Daten und Modellen, die die Ergebnisse beeinflussen können.

Big Data

Wann sind Daten „big“? Erfahren Sie mehr über die 5Vs, die Big Data charakterisieren: Volume, Variety, Velocity, Value und Veracity. 

BPA

BPA (Business Process Automation) bezieht sich auf die Anwendung von Technologien, um Geschäftsprozesse zu automatisieren und zu optimieren, was dazu beiträgt, Arbeitsabläufe zu rationalisieren und die Produktivität zu steigern.

Clusteranalyse

Mit der Clusteranalyse lassen sich ähnliche Datenelemente gruppieren, um verborgene Muster und Strukturen zu identifizieren und so wertvolle Einblicke in die Daten zu gewinnen.

Data Engineer

Data Engineers gehören zu den Schlüsselfiguren im Daten-Ökosystem. Sie gestalten, entwickeln und warten Datenpipelines und -infrastrukturen.

Data Governance

Data Governance bezieht sich auf Prozesse innerhalb einer Organisation, mit der sichergestellt werden soll, dass Daten korrekt, konsistent, sicher und nachvollziehbar verwaltet werden, um die Datenqualität und -nutzung zu optimieren.

Data Lake

Ein Data Lake ist eine zentrale Speicherlösung für strukturierte und unstrukturierte Daten im Rohformat. Was für Vorteile sich dahinter verbergen, finden Sie hier.

Data Literacy

Data Literacy umfasst u.a. Wissen über Datenquellen, Methoden und die Fähigkeit Daten zu interpretieren.

Data Mesh

Wie lassen sich mit Data Mesh Daten skalieren und die Zusammenarbeit in großen Organisationen verbessern? Data Mesh zeigt hier großes Potenzial.

DataOps

Optimiertes Datenmanagement neu definiert: Was verbirgt sich hinter dem Begriff DataOps? Wir zeigen Merkmale sowie Ziele und wie DataOps bei der effizienten Projektumsetzung helfen kann.

Data Preparation

Der Prozess der Datensammlung, -bereinigung und -transformation ist das Fundament für Data-Science- und KI-Lösungen.

Data-Driven-Culture

Mit dem richtigen Mindset und Prozessen fördern Sie in Ihrer Organisation die Nutzung und das Verständnis von Daten, um das Innovationspotenzial voll auszuschöpfen.

Data Scientists

Sie sind die Fachexperten und Fachexpertinnen, die mithilfe statistischer Methoden, Machine Learning Daten in Mehrwerte transformieren.

Datensilos

Isolierte Datenspeicher und -systeme hindern Informationsflüsse und Innovationen. Erfahren Sie mehr über Datensilos und Sie diese umgehen können.

Deep Learning

Als Teilbereich des Machine Learnings fokussiert Deep Learning auf künstliche neuronale Netze und große Datenmengen. 

DevOps

Wie lässt sich Software effizient und schnell entwickeln? DevOps kann hier helfen. Wir werfen ein Blick auf Merkmale und zeigen, wie DevOps bei der Anwendungsentwicklung helfen kann.

Ensemble Modeling

Die Kombination individueller Modelle ermöglicht in vielen Fällen präzisere Vorhersagen und bessere Analysen, in dem es die Stärken unterschiedlicher Modelle nutzt.

Explainable AI

Explainable AI bezieht sich auf die Entwicklung für den Menschen transparenter und nachvollziehbarer KI-Modelle.

Federated Learning

Beim Federated Learning werden Modelle dezentral trainiert, ohne Daten auszutauschen. Dadurch bleibt die Datenhoheit innerhalb der Organisationen und dennoch können sie von immer präziseren Modellen profitieren.

Generative AI

ChatGPT, DALL-E oder VALL-E: Immer mehr Anwendungen sind in der Lage, menschliche Befehle und historische Daten in bislang nicht dagewesene Inhalte zu verwandeln. Erfahren Sie mehr über die Hintergründe von Generative AI.

Kubernets

Eine der bekanntesten Plattformen für die Container-Orcherstrierung. Sie automatisiert Bereitstellung, Skalierung und Verwaltung von Anwendungen.

Künstliche Intelligenz

Probleme lösen, Entscheidungen treffen – wie ein Mensch: Künstliche Intelligenz (KI) beschreibt die Fähigkeit von Maschinen menschliche Fähigkeiten zu imitieren.

Long Short-term Memory

LSTM ist ein spezieller Typ von rekurrenten neuronalen Netzwerken (RNNs) in der künstlichen Intelligenz, der besonders gut darin ist, Sequenzdaten zu verarbeiten und langfristige Abhängigkeiten in den Daten zu erfassen.

Machine Learning

Mithilfe von Machine Learning lässt sich aus Daten Wissen generieren. Dabei identifizieren Algorithmen aus Trainingsdaten Muster und „lernen“ so bestimmte Aufgaben zu erfüllen.

Markow-Ketten

Markow-Ketten sind Modelle, die zukünftige Ereignisse basierend auf aktuellen und vorherigen Zuständen vorhersagen. Insbesondere nützlich für Textgenerierung, Finanzprognosen und mehr.

MLOps

Wie lässt sich die Lücke zwischen der Entwicklung von Data-Science- und KI-Modellen sowie deren reibungsloser Integration in betriebliche Abläufe schließen? Wir zeigen, was sich hinter MLOps verbirgt.

Open Source Software

Open Source bezieht sich auf Software oder Technologien, deren Quellcode öffentlich zugänglich ist, wodurch Benutzer sie einsehen, modifizieren und weiterentwickeln können, was eine transparente Zusammenarbeit und Innovation in der Entwicklergemeinschaft fördert.

Python

Python ist als eine universelle Programmiersprache, die neben R zu den beiden führenden Data-Science-Sprachen gehört.

Predictive Maintenance

Predictive Maintenance bezeichnet eine vorausschaeuene Instandhaltungsstrategie, bei der Maschinen und Anlagen mithilfe von Analytik und maschinellem Lernen überwacht werden, um zukünftige Wartungsbedarfe vorherzusagen.

R

R ist eine Programmiersprache für statistische Berechnungen und Grafiken, die von Datenwissenschaftlern und Statistikern genutzt wird, um Daten zu analysieren sowie Modelle und Visualisierungen zu erstellen.

Real-Time Analytics

Echtzeit-Analytik bezieht sich auf die Analyse von Daten, die unmittelbar nach ihrer Erfassung durchgeführt wird, um sofortige Einblicke und Handlungsmöglichkeiten zu liefern und schnelle Entscheidungen in Echtzeit zu unterstützen.

Reinforcement Learning

Reinforcement Learning ist ein Bereich des maschinellen Lernens, bei dem ein Agent durch Interaktion mit einer Umgebung lernt, welche Handlungen eine Belohnung auslösen und diese daraufhin ausrichtet.

RPA

RPA (Robotic Process Automation) ist eine Technologie zur Automatisierung von wiederkehrenden Geschäftsprozessen, mit dem Ziel, die Effizienz und Präzision in Arbeitsabläufen zu erhöhen.

Self-Service-Analytics

Self-Service-Analytik ermöglicht es Benutzern, eigenständig auf Daten zuzugreifen, Analysen durchzuführen und Berichte zu erstellen, ohne auf die Unterstützung von IT- oder Datenexperten angewiesen zu sein.

Text-Mining

Text-Mining beschreibt Verfahren, mit denen Algorithmen in der Lage sind Bedeutungen, Inahlte und Strukturen aus Texten zu identifizieren.

Warenkobanalyse

Die Warenkorbanalyse untersucht Muster im Kaufverhalten von Kunden, um Beziehungen zwischen Produkten zu identifizieren, was Einblicke für personalisierte Empfehlungen und Marketingstrategien ermöglicht.

Zeitreihenanalysen

Zeitreihenanalysen sind ein essenzielles Instrument in verschiedensten Disziplinen, da sie Einblicke in die Strukturen, Muster und Trends von Daten über die Zeit hinweg ermöglichen.