Top

Published in:

2022 | OriginalPaper | Chapter

Chancen und Herausforderungen beim Einsatz neuronaler Netzwerke als Methoden der Künstlichen Intelligenz oder des Maschinellen Lernens in KMU

Authors : Christina Klüver, Jürgen Klüver

Published in: Digitalisierung und Nachhaltigkeit – Transformation von Geschäftsmodellen und Unternehmenspraxis

Publisher: Springer Berlin Heidelberg

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die digitale Transformation, die rasanten Entwicklungen verschiedener Methoden sowie die großen Datenmengen, ganz zu schweigen von den gestiegenen Anforderungen seitens der Kunden, stellen Entscheider in Unternehmen vor erhebliche Herausforderungen. Der Einsatz einer Künstlichen Intelligenz, häufig in den Medien synonym für neuronale Netzwerke verwendet, scheint selbstverständlich oder zukunftsweisend zu sein. Welche Netzwerktypen damit gemeint sind, bleibt überwiegend verborgen oder der Fantasie überlassen. In der Fachliteratur hingegen werden für die speziellen Netzwerkarchitekturen Mathematik- und Statistikkenntnisse vorausgesetzt, um die Funktionsweise zu verstehen.

In diesem Beitrag wird ein Mittelweg verfolgt, indem auf mathematische Erläuterungen verzichtet wird, nicht jedoch auf die Besonderheiten verschiedener Netzwerktypen und deren Anwendungsfelder. Im Fokus stehen die Begrifflichkeiten, die methodische Vorgehensweise, die Potentiale sowie Herausforderungen beim Einsatz von Neuronalen Netzwerken in der Praxis. Der Beitrag wendet sich demnach an Interessierte ohne Vorkenntnisse, die einen Eindruck über Möglichkeiten und Grenzen von NN gewinnen möchten.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Entscheidungsunterstützung zur Auswahl einer geeigneten Blockchain-Technologie mit einem Self-Enforcing Network

next chapter KI im deutschen Mittelstand: Wo stehen wir? Wo geht die Reise hin?

Die Weiterentwicklung des Projektes wird vom Bundesministerium für Digitales und Verkehr für drei Jahre gefördert.

https://opendata.dwd.de/climate_environment/CDC/observations_germany/climate/subdaily/wind/

Ursprünglich bezog sich der Begriff Rekurrenz auf den Informationsfluss innerhalb eines Netzwerkes.

Die Hebbsche Lernregel ist für alle neuronale Netzwerke fundamental und findet sich in allen Lernregeln wieder.

Die komplexen Berechnungen in vielen neuronalen Netze haben uns veranlasst, SEN zu konzipieren, da es unwahrscheinlich ist, dass das Gehirn zum Beispiel die Verknüpfungen per Zufall generiert oder komplizierte Berechnungen durchgeführt werden.

Es ist z. B. erstaunlich wie viele Schreibweisen für die Stadt Köln in einer Datenbasis zu finden waren.

Dies ist natürlich grundsätzlich mit verschiedenen Methoden möglich.

Adate A, Tripathy BK (2022) A survey on deep learning methodologies of recent applications. In: Acharjya DP, Mitra A, Zaman N (Hrsg) Deep learning in data analytics. Studies in big data, Bd 91. Springer, Cham. https://doi.org/10.1007/978-3-030-75855-4_9

Aichele C, Herrmann J (Hrsg) (2021) Betriebswirtschaftliche KI-Anwendungen. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-33532-8

Axmann B, Harmoko H (2021) Herausforderungen bei der Einführung neuer digitaler Technologien bei KMU Teil 1: Am Beispiel der Künstlichen Intelligenz. Z Wirtsch Fabr 116(4):269–271CrossRef

Bazarbaev M, Chuluunsaikhan T, Oh H, Ryu G-A, Nasridinov A, Yoo K-H (2022) Generation of time-series working patterns for manufacturing high-quality products through auxiliary classifier generative adversarial network. Sensors 22(1)

Botvinick M, Wang JX, Dabney W, Miller JM, Kurth-Nelson Z (2020) Deep reinforcement learning and its neuroscientific implications. Neuron 107(4):603–616. https://doi.org/10.1016/j.neuron.2020.06.014CrossRef

Brito da Silva LE, Elnabarawy I, Wunsch DC (2019) A survey of adaptive resonance theory neural network models for engineering applications. Neural Netw 120:167–203CrossRef

Cisek G (2021) Machtwechsel der Intelligenzen. Springer Wieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-31863-5

Deutscher Wetterdienst (2021) https://opendata.dwd.de/climate_environment/CDC/observations_germany/climate/subdaily/wind/. Zugegriffen: 10. Dez. 2021

Ertel W (2021) Neuronale Netze. In: Ertel W (Hrsg) Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. Springer Fachmedien Wiesbaden, Wiesbaden, S 285–349CrossRef

Galke L, Scherp A (2021) Forget me not: A gentle reminder to mind the simple multi-layer perceptron baseline for text classification. arXiv preprint arXiv:2109.03777

Gauger I, Nagel T, Huber M (2022) Hybrides Maschinelles Lernen im Kontext der Produktion. In: Hartmann EA (Hrsg) Digitalisierung souverän gestalten II. Handlungsspielräume in digitalen Wertschöpfungsnetzwerken. Springer, Heidelberg, S 64–79

Ghojogh B, Ghodsi A, Karray F, Crowley M (2021) Restricted boltzmann machine and deep belief network: tutorial and survey. arXiv preprint arXiv:2107.12521

Goodfellow I, Pouget-Abadie J, Mirza M, Xu B, Warde-Farley D, Ozair S, Courville A, Bengio Y (2020) Generative adversarial networks. Commun ACM 63(11):139–144. https://doi.org/10.1145/3422622CrossRef

Grätz A (2021) Schutz des Systems – Künstliche Neuronale Netze. In: Grätz A (Hrsg) Künstliche Intelligenz im Urheberrecht: Eine Analyse der Zurechnungskriterien und der Prinzipien der Verwandten Schutzrechte vor dem Hintergrund artifizieller Erzeugnisse. Springer Fachmedien Wiesbaden, Wiesbaden, S 45–72CrossRef

Grossberg S (2021) A unified neural theory of conscious seeing, hearing, feeling, and knowing. Cogn Neurosci 12(2):69–73. https://doi.org/10.1080/17588928.2020.1839401CrossRef

Haarmeier M (2021) Künstliche Intelligenz für den Mittelstand: Erfolgreiche Einführung und Nutzung von KI-Anwendungen in Unternehmen. Springer Fachmedien Wiesbaden, WiesbadenCrossRef

Hartmann EA (2022) Digitalisierung souverän gestalten II. Handlungsspielräume in digitalen Wertschöpfungsnetzwerken. Springer, Heidelberg. https://doi.org/10.1007/978-3-662-64408-9

Jing X, Bo W, Gihong M (2022) Research on human resource allocation model based on SOM neural network. Research Anthology on Human Resource Practices for the Modern Workforce. IGI Global, Hershey, S 513–525

Katal A, Singh N (2022) Artificial neural network: models, applications, and challenges. In: Tomar R, Hina MD, Zitouni R, Ramdane-Cherif A (Hrsg) Innovative trends in computational intelligence. Springer International Publishing, Cham, S 235–257. https://doi.org/10.1007/978-3-030-78284-9_11

Klüver C, Klüver J (2021a) Decision Support in Everyday Business Using Self-enforcing Networks. In: Dingli A, Haddod F, Klüver C (Hrsg) Artificial Intelligence in industry 4.0: a collection of innovative research case-studies that are reworking the way we look at industry 4.0 thanks to Artificial Intelligence. Springer International Publishing, Cham, S 31–44

Klüver C, Klüver J (Hrsg) (2021b) Neue Algorithmen für praktische Probleme. Springer Vieweg, Wiesbaden

Klüver C, Klüver J, Schmidt J (2021) Modellierung komplexer Prozesse durch naturanaloge Verfahren. Springer Vieweg, WiesbadenCrossRef

Klüver C, Klüver J (2022) Ewiges Leben durch künstliche Intelligenz und künstliche Gesellschaften. In: Willmann T, El Maleq A (Hrsg) Sterben 2.0: (Trans-)Humanistische Perspektiven zwischen Cyberspace, Mind Uploading und Kryonik. De Gruyter, 121–137

Krüger S (2021) Was ist KI und was nicht. In: Krüger S (Hrsg) Die KI-Entscheidung: Künstliche Intelligenz und was wir daraus machen. Springer Fachmedien Wiesbaden, Wiesbaden, S 71–212CrossRef

Kruse R, Borgelt C, Braune C, Klawonn F, Moewes C, Steinbrecher M (2015) Computational Intelligence. Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. Springer Vieweg, Wiesbaden

Landes M, Steiner E, Utz T (2022) Unternehmen im Wandel – Interdisziplinäre Wege zu Kreativität und Innovation. In: Landes M, Steiner E, Utz T (Hrsg) Kreativität und Innovation in Organisationen : Impulse aus Innovationsforschung, Management, Kunst und Psychologie. Springer, Berlin, S 1–8

Li F, Zhang X, Lu A, Xu L, Ren D, You T (2022) Estimation of metal elements content in soil using x-ray fluorescence based on multilayer perceptron. Environ Monit Assess 194(2):1–12. https://doi.org/10.1007/s10661-022-09750-xCrossRef

Loscher G (2021) Potenziale in den Handlungsfeldern des Personalmanagements’, Quick Guide People Analytics: Wie Sie das Personalmanagement verändern können. Springer Fachmedien Wiesbaden, Wiesbaden, S 61–92CrossRef

Mangelsdorf A, Wittenbrink N, Gabriel P (2022) Regulierung und Zertifizierung von KI in der Industrie: Ziele, Kriterien und Herausforderungen. Digitalisierung souverän gestalten II. Springer Vieweg, Berlin, S 110–119

Maronese M, Prati E (2021) A continuous rosenblatt quantum perceptron. Int J Quantum Inf 19(04):2140002CrossRef

Mockenhaupt A (2021) Maschinelles Lernen. In: Mockenhaupt A (Hrsg) Digitalisierung und Künstliche Intelligenz in der Produktion: Grundlagen und Anwendung. Springer Fachmedien Wiesbaden, Wiesbaden, S 133–163CrossRef

Mohammadi M, Al-Fuqaha A, Sorour S, Guizani M (2018) Deep learning for IoT Big Data and streaming analytics: a survey. IEEE Communications Surveys & Tutorials 20(4):2923–2960CrossRef

Pohlink C, Fischer S (2021) Verantwortungsvolle und robuste KI in Unternehmen. In: Knappertsbusch I, Gondlach K (Hrsg) Arbeitswelt und KI 2030: Herausforderungen und Strategien für die Arbeit von morgen. Springer Fachmedien Wiesbaden, Wiesbaden, S 155–163CrossRef

Reinhart F, Neumann K, Aswolinskiy W, Steil J, Hammer B (2018) Maschinelles Lernen in technischen Systemen. In: Trächtler A, Gausemeier J (Hrsg) Steigerung der Intelligenz mechatronischer Systeme. Springer, Berlin, S 73–118

Richter S (2019) Statistisches und maschinelles Lernen. Springer Spektrum, Berlin. https://doi.org/10.1007/978-3-662-59354-7_1

Roedenbeck M, Qari S, Herold M (2021) Künstliche Intelligenz im Recruiting: Performancevergleiche des (un-)supervised Learnings bei Bewerbungsdokumenten. In: Barton T, Müller C (Hrsg) Künstliche Intelligenz in der Anwendung: Rechtliche Aspekte, Anwendungspotenziale und Einsatzszenarien. Springer Fachmedien Wiesbaden, Wiesbaden, S 219–237CrossRef

Roth S, Corsten H (Hrsg) (2022) Handbuch Digitalisierung. Vahlen, München

Schneider T (2022) Digitalisierung und Künstliche Intelligenz. Springer Gabler, WiesbadenCrossRef

Singh A (2022) Ogunfunmi T (2022) An overview of variational autoencoders for source separation, finance, and bio-signal applications. Entropy 24:55. https://doi.org/10.3390/e24010055CrossRef

Thiemermann S, Braun G, Klüver C (2021) Homogenitätsprüfung von LED-Lichtleitern durch Neuronale Netzwerke. In: Klüver C, Klüver J (Hrsg) Neue Algorithmen für praktische Probleme: Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Springer Fachmedien Wiesbaden, Wiesbaden, S 325–339CrossRef

VDI-Statusreport (2019) Maschinelles Lernen. Künstliche Intelligenz mit neuronalen Netzen in optischen Mess- und Prüfsystemen. https://www.vdi.de/ueber-uns/presse/publikationen/details/kuenstliche-intelligenz-mit-neuronalen-netzen-in-optischen-mess-und-pruefsystemen

VDI-Statusreport (2020) Maschinelles Lernen in KMU – Künstliche Intelligenz im eigenen Unternehmen nutzen. https://www.vdi.de/ueber-uns/presse/publikationen/details/vdi-statusreport-maschinelles-lernen-in-kmu

von der Malsburg C (1986) Frank Rosenblatt: principles of neurodynamics: perceptrons and the theory of brain mechanisms. In: Palm G, Aertsen A (Hrsg) Brain theory. Springer, Berlin. https://doi.org/10.1007/978-3-642-70911-1_20

Welsch A, Eitle V, Buxmann P (2018) Maschinelles Lernen. HMD Praxis der Wirtschaftsinformatik 55(2):366–382CrossRef

Werner M (2021) Künstliche Neuronen und Lernen. In: Werner M (Hrsg) Digitale Bildverarbeitung: Grundkurs mit neuronalen Netzen und MATLAB®-Praktikum. Springer Fachmedien Wiesbaden, Wiesbaden, S 319–347CrossRef

Wijayaningrum VN, Saragih TH, Putriwijaya NN (2021) Optimal multi-layer perceptron parameters for early stage diabetes risk prediction’. IOP Conference Series: Materials Science and Engineering 1073(1):012070CrossRef

Wittpahl V (2021) Künstliche Intelligenz. Technologie, Anwendung, Gesellschaft. Springer Vieweg, Berlin. https://doi.org/10.1007/978-3-662-58042-4

Yorek N, Ugulu I, Aydin H (2016) Using self-organizing neural network map combined with ward’s clustering algorithm for visualization of students’ cognitive structural models about aliveness concept. Comput Intell Neurosci (Article ID 2476256). https://doi.org/10.1155/2016/2476256

Zinkhan D (2021) Entscheidungsunterstützungssystem zur Interpretation probabilistischer Wettervorhersagen für den Flughafen Frankfurt. In: Klüver C, Klüver J (Hrsg) Neue Algorithmen für praktische Probleme: Variationen zu Künstlicher Intelligenz und Künstlichem Leben. Springer Fachmedien Wiesbaden, Wiesbaden, S 229–244CrossRef

Zinkhan D, Eiermann S, Klüver C, Klüver J (2021) Decision support systems for air traffic control with self-enforcing networks based on weather forecast and reference types for the direction of operation. Advances in Computational Intelligence. Springer International Publishing, Cham, S 404–415

Title: Chancen und Herausforderungen beim Einsatz neuronaler Netzwerke als Methoden der Künstlichen Intelligenz oder des Maschinellen Lernens in KMU
Authors: Christina Klüver
Jürgen Klüver
Publisher: Springer Berlin Heidelberg
Book: Digitalisierung und Nachhaltigkeit – Transformation von Geschäftsmodellen und Unternehmenspraxis
Print ISBN: 978-3-662-65508-5

Electronic ISBN: 978-3-662-65509-2

Copyright Year: 2022
DOI: https://doi.org/10.1007/978-3-662-65509-2_8