Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Themenseite: Projektmanagement

Für Profis und Einsteiger.
Sorgfältig ausgewählte Inhalte, die Ihnen helfen, Ihre Fähigkeiten im Projektmanagement gezielt zu verbessern und Projekte erfolgreich abzuschließen.
Erweiterte Suche
Anmelden
nach oben

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Erschienen in:
KI-Einführung Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

9. KI und Stammdatenmanagement

verfasst von : Eberhard Hechler, Martin Oberhofer, Thomas Schaeck

Erschienen in: Einsatz von KI im Unternehmen

Verlag: Apress

Einloggen

Zusammenfassung

In Kap. 8, „KI und Governance“, haben wir Information Governance und den Einsatz von KI-Funktionen vorgestellt, die Information-Governance intelligenter machen. Ein ähnliches Thema, das von vielen Unternehmen genutzt wird, ist das Stammdatenmanagement (Wir verwenden hiefür im Folgenden die Abkürzung MDM (Master Data Management).). Abhängig von der Branche sind Kunden, Personen, Organisationen, Produkte, Lieferanten, Patienten, Mitarbeiter, Bürger und Vermögenswerte typische Beispiele für Stammdatenentitäten. MDM wird verwendet, um eine zuverlässige 360°-Sicht der Stammdaten bereitzustellen, die viele wichtige betriebliche Prozesse wie Kundenservice, Cross- und Upselling, konsistente Kundenerfahrung in einer Multichannel-Architektur oder eine optimierte Einführung neuer Produkte bzw. Services unterstützt.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

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!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

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!

Jetzt informieren
Vorheriges Kapitel KI und Governance
Nächstes Kapitel KI und Change Management
Fußnoten
1
Siehe [1], [2], [3] und [4] für weitere Details zu MDM.
 
2
Hierfür nutzen wir im Folgenden die Abkürzung CDP (Customer Data Platform).
 
3
Siehe [5], [6], [7] und [8] für weitere Details.
 
4
Siehe [9] zu Grenzen von GNN-Netze.
 
5
Siehe [10] für Details des torch_geometric-Paket im PyTorch-Python-Paket.
 
6
Siehe [11] zu verschiedenen ML-Techniken, einschließlich eines Vergleichs ihrer Vorhersagequalität und Leistungsüberlegungen. Random Forest und Extreme Gradient Boosting sind in Bezug auf die Vorhersagequalität vergleichbar, aber Random Forest ist schneller zu trainieren und benötigt weniger Hardware-Ressourcen für das Training.
 
7
Siehe [12] für weitere Informationen.
 
8
Bitte lesen Sie hierzu auch das Kap. 5, „Von Daten zu Vorhersagen zu optimalen Maßnahmen“.
 
Literatur
1.
Allen Dreibelbis, Eberhard Hechler, Ivan Milman, Martin Oberhofer, Paul van Run, Dan Wolfson: Enterprise Master Data Management. An SOA Approach to Managing Core Information. ISBN-13: 978-0134857503, Pearson Education, 2008.
2.
Mark Allen, Dalton Cervo: Multi-Domain Master Data Management: Advanced MDM and Data Governance in Practice. ISBN-13: 978-0128008355, Morgen Kaufmann, 2015.
3.
Eberhard Hechler, Ivan Milman, Martin Oberhofer, Scott Schumacher, Dan Wolfson: Beyond Big Data. Using Social MDM to Drive Deep Customer Insight. ASIN: B00OM1MBKA, IBM Press, 2014.
4.
Alex Berson, Larry Dubov: Master Data Management and Data Governance. ISBN-13: 978-0071744584, McGraw-Hill Education, 2000.
5.
6.
7.
8.
9.
10.
11.
Lars Bremer, Mariya Chkalova, Martin Oberhofer: Machine Learning Applied to the Clerical Task Management Problem in Master Data Management Systems. In: BTW 2019, p, 419–431.
12.
Metadaten
Titel
KI und Stammdatenmanagement
verfasst von
Eberhard Hechler
Martin Oberhofer
Thomas Schaeck
Copyright-Jahr
2023
Verlag
Apress
Buch
Einsatz von KI im Unternehmen

Print ISBN: 978-1-4842-9565-6

Electronic ISBN: 978-1-4842-9566-3

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-1-4842-9566-3_9