AI

Die Welt wird immer vernetzter, die Systeme zunehmend komplexer. Im Bereich der Datenanalytik rücken daher verstärkt Technologien in den Vordergrund, die auf die Analyse und Modellierung von Datenbeziehungen und Netzwerken spezialisiert sind. Graph Data Science (GDS) und Graph Analytics haben sich hier in den letzten Jahren als neue Kategorie etabliert – vor allem im Zusammenhang mit Machine Learn..

Die Bedeutung von Machine Learning in der Industrie ist in den vergangenen Jahren stetig gewachsen. Jedoch schaffen es nach wie vor zahlreiche Machine-Learning-Projekte nicht bis zur Produktion. Dabei stehen Unternehmen vor- und nachgelagert, in der Entwicklung und im laufenden Betrieb vor enormen Herausforderungen in den Bereichen Kollaboration, Testing und Monitoring. Machine Learning Operations..

Die Erwartungen an Machine Learning (ML) sind riesig. Dass viele ML-Projekte in der Pilot- oder Proofof-Concept-Phase stecken bleiben, liegt aber nur zum Teil an überzogenen Erwartungen. Es fehlt den Unternehmen oft an Infrastruktur, den richtigen Capabilities oder schlicht an Daten. Dieser Beitrag beschreibt, auf was Unternehmen achten sollten, damit ML-Lösungen tatsächlich produktiv eingesetzt w..

Die Mensch-Maschine-Interaktion wird in Zukunft stärker aus einer kollaborativen Perspektive betrachtet werden. Dazu gehört die organisatorische Kompetenz zur stabilen Bereitstellung von KI-Systemen für die eigenen Prozesse oder in neuen Produkten und Services wie auch um die Einhaltung von komplexen Regularien und Normen. In diesem Artikel wird dargelegt, welche Qualitätsaspekte eine MLOps-Archit..

Sprachassistenten sind mittlerweile weit verbreitet. Integriert in Smartphones, Speakern oder Autos sind sie als „unsichtbare“ Interfaces allgegenwärtig. Neben Smarthome und Entertainment spielen sie im Gesundheitswesen und vielen weiteren Wirtschaftszweigen eine immer größere Rolle. In diesem Artikel zeigen wir auf, entlang welcher Fragen Designer einen Sprachassistenten gestalten, wo Chancen und..