Augmented Learning and Data Filtering: Knowledge Management and Discovery

Seit den Veröffentlichungen der Autoren über die Grenzen von Entscheidungsbäumen, Prognosen und geschäftlichen Ökosystemen sind über ein Jahrzehnt die Techniken zur Planung und Gestaltung von Unternehmenssystemen mit prädiktiven Modellen in den Fokus der Aufmerksamkeit gerückt. Heuristiken zur prädiktiven Analytik werden mit neuartigen Anwendungen zu Entscheidungsbäumen entwickelt. Erweiterte Welt und prioritätsbasierte Entscheidungsbäume sind neue Anwendungen für maschinelles Lernen und Big-Data-Filterung. Zu den behandelten Bereichen gehört die Entwicklung prädiktiver Modelle mit strategischen Entscheidungssystemen mit Anwendungen zur Analytik, Unternehmensmodellierung und kognitiven Social-Media-Geschäftsschnittstellen. Die weiter erforschten Bereiche reichen von der Zufriedenheit mit Planzielentscheidungsbäumen mit wettbewerbsfähigen Geschäftsmodellen bis hin zu prädiktiven Analysemodellen, die Ziele auf dreistufigen Einblicken in Geschäftssysteme erreichen. Beispielhaft wird die Anwendung von Entscheidungsunterstützung für KI-KM mit Anwendungen vorgestellt. Erweiterte Lernentscheidungen zeigen, wie KI den Entscheidungsprozess durch umfassendere kognitive Ansichten zu Geschäftsmodellen und Infrastrukturen verbessert.