Künstliche Intelligenz im Business
Erstellung eigener Anwendungen mit Python
- 2025
- Buch
- Verfasst von
- Bernd Heesen
- Verlag
- Springer Fachmedien Wiesbaden
Über dieses Buch
In einer VUCA-Welt, die immer unbeständiger, unsicherer und komplexer ist, gilt es zeitnah und faktenbasiert zu agieren. Neben den eigenen Erfahrungen der Vergangenheit gilt es ein umfassendes Verständnis der aktuellen Lage zu besitzen, Daten über die eigene Organisation ebenso wie den Markt bei der Entscheidungsfindung zu berücksichtigen und auch Methoden der Künstlichen Intelligenz und des Maschine Learnings einzusetzen.
Die Konkurrenz schläft nicht und wer im Zeitalter der Digitalisierung nicht vertraut ist mit den Methoden und Möglichkeiten der Künstlichen Intelligenz, der ist vielleicht schon bald nicht mehr konkurrenzfähig.
Die kostenlose (Open Source) Programmiersprache Python hat sich in Verbindung mit Bibliotheken wie TensorFlow, PyTorch und Scikit-Learn als eine der führenden Entwicklungsumgebungen in dem Bereich des Machine Learning etabliert.
Dieses Buch vermittelt Ihnen auf Basis der zum Zeitpunkt der Publikation aktuellsten Version von Python, wie Sie Künstliche Intelligenz und Machine Learning nutzen können. Um die Anwendungsmöglichkeiten besser abschätzen zu können werden im Buch zunächst wesentliche Methoden und Algorithmen des Machine Learning wie Entscheidungsbäume, Random Forests, Support-Vector-Maschinen, K-Nearest-Neighbor, K-Means Clustering, Hauptkomponentenanalyse, Neuronale Netze und Deep Learning vorgestellt. Auch ein Vorgehensmodell zur Einführung von Machine Learning wird vorgestellt, welches neben der Modellauswahl und dem Modelltraining auch die Validierung und Qualitätsbewertung beinhaltet. Dieses Verständnis entmystifiziert die Künstliche Intelligenz und ermöglicht die Funktionsweise des Machine Learning nachzuvollziehen. Das dadurch entstehende Vertrauen schafft die Basis für die Akzeptanz der Künstlichen Intelligenz.
Inhaltsverzeichnis
-
Frontmatter
-
1. Nutzen von Machine Learning und KI
Bernd HeesenZusammenfassungDieses Kapitel untersucht den praktischen Nutzen von künstlicher Intelligenz (KI) und Machine Learning (ML) für Unternehmen. Es erläutert grundlegende Konzepte wie menschliche und künstliche Intelligenz, rationale Entscheidungen sowie Entscheidungsautomatisierung. Der Fokus liegt auf der Verbesserung der Geschwindigkeit und Qualität von Entscheidungen, der Rolle von Datenbasis und Business Intelligence sowie dem Einfluss von KI auf Innovation und Wettbewerbsfähigkeit. -
2. Machine Learning
Bernd HeesenZusammenfassungHier werden die grundlegenden Lernparadigmen des Machine Learning vorgestellt: überwachtes, unüberwachtes und bestärkendes Lernen. Das Kapitel beschreibt deren Funktionsweise, Einsatzgebiete und Beispiele aus der Wirtschaft, wie Prognosen, Mustererkennung und adaptive Preisgestaltung. -
3. Best Practices
Bernd HeesenZusammenfassungDieses Kapitel liefert bewährte Methoden für erfolgreiche ML‐Projekte. Themen sind Datenqualität, Visualisierungstechniken, Wahl geeigneter Entwicklungsumgebungen und Programmierprinzipien für robuste KI‐Anwendungen. Es zeigt, wie methodische Standards die Effizienz und Genauigkeit von Modellen verbessern. -
4. Entwicklungsumgebung
Bernd HeesenZusammenfassungDieses Kapitel gibt eine praxisorientierte Einführung in die Einrichtung von Entwicklungsumgebungen für ML. Beschrieben werden Tools wie Anaconda, Jupyter Notebook, Spyder und RStudio sowie die Installation und Verwaltung von Paketen in R und Python. Ziel ist es, eine reproduzierbare und flexible Arbeitsumgebung zu schaffen. -
5. Python-Grundlagen
Bernd HeesenZusammenfassungDieses Kapitel vermittelt die zentralen Grundlagen der Programmiersprache Python für den Einsatz in ML‐Projekten. Es behandelt Datentypen, Datenstrukturen, mathematische und statistische Operationen, Kontrollstrukturen, Funktionen und Klassen sowie die Erstellung eigener Module. Der Fokus liegt auf praxisnaher Umsetzung von Datenanalysen. -
6. Erstellung von KI-Anwendungen
Bernd HeesenZusammenfassungDas umfangreichste Kapitel beschreibt den vollständigen Workflow zur Entwicklung von KI‐Lösungen. Behandelt werden Import und Vorverarbeitung von Daten, explorative Datenanalysen, Bereitstellung von Trainings‐ und Testdaten sowie Modellierung, Evaluation, Training und Tuning. Praxisbeispiele zeigen, wie aus Rohdaten marktfähige ML‐Modelle entstehen. -
7. Anwendung von Machine Learning
Bernd HeesenZusammenfassungDieses Kapitel zeigt, wie ML‐Verfahren mit der Programmiersprache R umgesetzt werden können. Es beinhaltet Beispiele für Regression zur Preisschätzung, Klassifikation zur Risikominimierung, Clustering für Kundensegmente sowie Empfehlungsmaschinen und Reinforcement Learning für dynamische Preisgestaltung. -
8. Ausblick
Bernd HeesenZusammenfassungDas letzte Kapitel gibt einen Überblick über zukünftige Entwicklungen im Bereich KI und ML. Diskutiert werden Trends wie Automatisierung von Modellwahl und ‑tuning, zunehmende Integration von KI in Geschäftsprozesse und ethische Herausforderungen der Technologie.
- Titel
- Künstliche Intelligenz im Business
- Verfasst von
-
Bernd Heesen
- Copyright-Jahr
- 2025
- Electronic ISBN
- 978-3-658-49545-9
- Print ISBN
- 978-3-658-49544-2
- DOI
- https://doi.org/10.1007/978-3-658-49545-9
Die PDF-Dateien dieses Buches wurden gemäß dem PDF/UA-1-Standard erstellt, um die Barrierefreiheit zu verbessern. Dazu gehören Bildschirmlesegeräte, beschriebene nicht-textuelle Inhalte (Bilder, Grafiken), Lesezeichen für eine einfache Navigation, tastaturfreundliche Links und Formulare sowie durchsuchbarer und auswählbarer Text. Wir sind uns der Bedeutung von Barrierefreiheit bewusst und freuen uns über Anfragen zur Barrierefreiheit unserer Produkte. Bei Fragen oder Bedarf an Barrierefreiheit kontaktieren Sie uns bitte unter accessibilitysupport@springernature.com.
