Skip to main content
main-content

Über dieses Buch

In diesem Sammelband geht es darum, neue Algorithmen aus den Bereichen der Künstlichen Intelligenz (KI) und des Künstlichen Lebens (KL) und deren praktische Anwendung zu zeigen. Der wesentliche Aspekt des Bandes ist, dass in den Beiträgen exemplarisch gezeigt wird, dass und wie diese neuen Algorithmen auf praktische Probleme in sehr verschiedenen Bereichen erfolgreich eingesetzt werden können: Von der Modellierung sozialer Aspekte in der Softwareentwicklung bis zur Entscheidungsunterstützung, welche Start- und Landebahn an einem Flughafen ausgewählt werden soll; von der Analyse von Krankheitsverläufen bis zur Auswahl und Optimierung technischer Systeme, sowie Alternativen für die Bildbearbeitung.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung: Thema mit Variationen

Zusammenfassung
In diesem Sammelband geht es darum, neue Algorithmen aus den Bereichen der Künstlichen Intelligenz (KI) und des Künstlichen Lebens (KL) zu zeigen und deren praktische Anwendung zu zeigen; diese Algorithmen sind gewissermaßen Variationen zu etablierten KI- und KL-Algorithmen. Der wesentliche Aspekt des Bandes ist jedoch, dass in den Beiträgen exemplarisch gezeigt wird, dass und wie diese neuen Algorithmen auf praktische Probleme in sehr verschiedenen Bereichen erfolgreich eingesetzt werden können: Von der Modellierung sozialer Aspekte in der Softwareentwicklung bis zur Entscheidungsunterstützung, welche Start- und Landebahn an einem Flughafen ausgewählt werden soll; von der Analyse von Krankheitsverläufen bis zur Auswahl und Optimierung technischer Systeme, sowie Alternativen für die Bildbearbeitung. Praktische Probleme können durch diese Algorithmen in einer neuen Weise bearbeitet werden, wie anhand von 22 Beispielen demonstriert wird.
Christina Klüver, Jürgen Klüver

Einsatz des Self-Enforcing Networks (SEN)

Frontmatter

Kapitel 2. Teil I: KI – Das Self-Enforcing Network (SEN)

Zusammenfassung
In dieser Einleitung werden die formalen Grundlagen von Self-Enforcing Networks (SEN) gezeigt, auf denen die inhaltlichen Beiträge aufbauen.
Christina Klüver, Jürgen Klüver

Kapitel 3. Bewertung und Auswahl von Vorgehensmodellen im IT-Projektmanagement – Ein Ansatz für die Unternehmenspraxis

Zusammenfassung
Die Auswahl eines geeigneten Vorgehensmodells für ein Projekt ist für viele IT-Manager ein wiederkehrendes Problem. Zur Unterstützung existieren vielfältige theoretisch-orientierte Ansätze, die jedoch unterschiedliche Defizite mit sich bringen, so dass eine erfolgreiche Überführung in die Unternehmenspraxis bisweilen nicht erfolgt ist. Dieser Beitrag stellt einen neuen Ansatz zur Vorgehensmodellauswahl vor, welcher auf einem künstlichen neuronalen Netzwerk, dem Self-Enforcing Network, basiert und zugleich die Ergebnisse einer Expertenbefragung einbezieht. Anhand zweier Beispiele wird vorgestellt, wie dieser Ansatz bei der Auswahl von agilen und sogar hybriden Vorgehensmodellen Entscheidern durch ein formales Modell einen Mehrwert erbringen kann.
Christoph Albers

Kapitel 4. Qualitätsverbesserung im Anforderungsmanagement durch Einsatz von Metriken

Zusammenfassung
Anforderungsformulierungen und Dokumentationstechniken gehören zum Alltag in der Softwareentwicklung. In diesem Beitrag wird zunächst gezeigt, wie ein Self-Enforcing Network bei der Auswahl der passenden Dokumentationstechnik unterstützen kann. Darüber hinaus werden Metriken in das Modell eingeführt, um eine Qualitätsverbesserung zu gewährleisten. Die Verwendung von Metriken hat zum Ziel, eine Kennzahl zur Beurteilung eines Qualitätskriteriums für Anforderungen zu erstellen.
Katrin Traue

Kapitel 5. KI-gestützte Aufwandsschätzung in agilen IT-Projekten

Zusammenfassung
Dieser Beitrag beschreibt einen Ansatz zur Aufwandsschätzung in agilen IT-Projekten, bei dem durch den Einsatz des „Self-Enforcing Networks“ (SEN) die Schätzqualität verbessert werden kann.
Die Softwareentwicklung erfordert eine immer schnellere Anpassung an veränderte (technischen) Bedingungen und Wünschen der Kunden. Dies benötigt nicht nur ein agiles Vorgehen, sondern auch eine Aufwandsschätzung, die sich klassischen Schätzmethoden entzieht. Da die Komplexität und die Umsetzungskosten von bereits implementierten Anforderungen (User-Stories) bekannt sind, wird dieses Wissen genutzt, um die Schätzung neuer User-Stories zu unterstützen.
Auf Basis des agilen Vorgehensmodells Scrum und der darin verwendeten Schätzmethodik wird aufgezeigt, wie Komplexitätsschätzungen durch das Self-Enforcing Network kostengünstiger und in höherer Qualität erstellt werden können.
Matthias Köhler

Kapitel 6. Ermittlung und Bewertung wesentlicher Aufwandstreiber für das Defect-Management – eine Fallstudie

Zusammenfassung
Der vorliegende Beitrag befasst sich mit Optimierungspotenzialen im Defect-Management und geht dabei auf die verschiedenen Aspekte im Defect-Management ein. Dazu wird auf Grundlage eines agilen Softwareprojektes eine Ansammlung von Defects untersucht und mit dem Self-Enforcing-Network (SEN) auf Optimierungspotenziale geprüft. Das SEN zeigt Optimierungsmöglichkeiten auf, die unmittelbar in der Praxis angewandt werden können. Dazu zählen im Wesentlichen vier Aspekte: Relevante Eigenschaften zur effizienten Lösungsdauer eines Defects, Grundlagen zur Prognose der Lösungsdauer eines Defects, Auswirkungen der Qualität eines erfassten Defects, sowie die Identifikation von Duplikaten in den Defects. Aus den gewonnenen Erkenntnissen werden handlungsreiche Maßnahmen im Defect-Management abgeleitet, sodass dieses ressourcenbezogen optimiert wird.
Guido Schwering

Kapitel 7. Entscheidungsunterstützung bei Auswahlprozessen von Softwarekomponenten durch Self-Enforcing Networks (SEN)

Zusammenfassung
In einem durchgeführten IT-Projekt stand eine Auswahlentscheidung zwischen verschiedenen Softwarekomponenten an. Die Alternativenbewertung erfolgte anhand vielfältiger Kriterien mithilfe einer Nutzwertanalyse. Bei Entscheidungsprozessen spielen geeignete Kriterien zur Bewertung der Alternativen eine wesentliche Rolle; weiterhin ist es wichtig, eine Methode zu wählen, die auch bei komplexen Fragestellungen handhabbar ist und gute Ergebnisse liefert. Da die Nutzwertanalyse gerade bei Auswahlprozessen mit vielen Kriterien an ihre Grenzen stößt, wurde eine alternative Bewertung der Software mit einem Self-Enforcing Network (SEN) durchgeführt. Die SEN-Software bietet gegenüber der Nutzwertanalyse eine bessere Benutzerfreundlichkeit, ist äußerst flexibel und kann problemlos durch neue Softwarealternativen oder Bewertungskriterien erweitert werden. In diesem Beitrag werden beide Verfahren vorgestellt und deren Ergebnisse gegenübergestellt.
Kathrin Stein

Kapitel 8. Einsatz eines Self-Enforcing Netzwerkes für die Ermittlung geeigneter Führungsstile auf Basis des „Process Communication“ Modells (PCM)

Zusammenfassung
Mitarbeiter zu führen stellt eine große Herausforderung dar, da es sich grundsätzlich um ein Zusammenspiel zwischen eigener Führungskompetenz und individuell zu führender Charaktere handelt. Da die eigene Persönlichkeit ebenfalls bestimmte Führungsstile bevorzugt, ist es notwendig, die Zusammensetzung der Charaktere im Team zu analysieren und sich selbst zu reflektieren, um konstruktiv führen zu können. Ein Modell, mit einer Methode der Künstlichen Intelligenz, soll dabei unterstützen: Die Führungsstile werden in einem Self-Enforcing Network (SEN) gelernt und die Persönlichkeitstypen werden als Referenzobjekte definiert. Das SEN soll nach dem Lernprozess für einen Mitarbeiter einen geeigneten Führungsstil empfehlen.
Stefan Engels

Kapitel 9. Erhöhung der Effizienz von agilen Teams unter Verwendung von Self-Enforcing Networks

Zusammenfassung
In einer dynamischen Zeit, in der eine Digitale Transformation oder der Einsatz von Künstlicher Intelligenz Unternehmen für die Zukunft rüsten soll, wird Agilität hoch geschrieben. Die Entwicklung der Software erfolgt immer mehr in agilen Teams, die großen Herausforderungen entgegentreten müssen. In diesem Beitrag wird untersucht, wie Agilität formal erfasst und wie die Effizienz von agilen Teams gesteigert werden kann. Durch den Einsatz eines Self-Enforcing-Networks (SEN) werden verschiedene Aspekte der Agilität analysiert und simuliert.
Christine Salzeller

Kapitel 10. Entwicklung einer Konzeption zur Effektivitätsmessung von IT-Beratern

Zusammenfassung
Das Beratungsumfeld wird in einer Zeit, in der Unternehmen sehr flexibel auf Änderungen reagieren müssen, immer komplexer und Entscheidungen müssen schnell getroffen werden. Ein entwickeltes Modell mit einer Methode der Künstlichen Intelligenz, nämlich einem Self-Enforcing Network (SEN), kann eine Entscheidungsunterstützung bieten. Die Voraussetzung für den Einsatz von SEN besteht darin, die Effektivität von Beratern sichtbar, messbar und auswertbar zu machen. Wie dies gelingen kann, wird systematisch in diesem Beitrag gezeigt und diskutiert.
Moritz Eifler

Kapitel 11. Rekonstruktion der US-Wahlergebnisse 2016: Modellierung und Simulation der Prognosen

Zusammenfassung
Die US-amerikanische Präsidentenwahl im Jahr 2016 hat weltweit für Aufmerksamkeit gesorgt, da anhand der damaligen Prognosen mit der Niederlage von Hilary Clinton nicht gerechnet wurde. In diesem Beitrag geht es um die Rekonstruktion der Prognosen anhand vorhandener Umfragewerte mit dem Self-Enforcing Network (SEN) und um ein erweitertes Prognosemodell, um mögliche Gründe für die Wahl von Donald Trump aufzuzeigen.
Alexandar Schkolski, Mina Maria Zengin, Jan Demmer

Kapitel 12. Meinungsprognosen mithilfe von sozialen Netzwerken – künstliche Intelligenz als neues Instrument zur Wahlprognose

Zusammenfassung
In der Vergangenheit entsprachen durchgeführte Wahlprognosen großer Meinungsforschungsinstitute häufig nicht den korrekten Wahlausgängen. Dies traf unter anderem auf verschiedene Landtagswahlen sowie die Wahl zum deutschen Bundestag im Jahr 2017 zu. In diesem Beitrag wird am Beispiel der Bundestagswahl 2017 gezeigt, wie die Prognose durch die Modellierung mit einem Self-Enforcing Network und durch Einbeziehung der erfassten Meinungen in den Social Media optimiert werden kann.
Erik Karger, Marko Kureljusic, Arda Cayci, Kevin Sigmund

Kapitel 13. Entscheidungsunterstützungssystem zur Interpretation probabilistischer Wettervorhersagen für den Flughafen Frankfurt

Zusammenfassung
In diesem Kapitel wird ein Entscheidungsunterstützungssystem zur Interpretation probabilistischer Wettervorhersagen auf der Basis eines Self-Enforcing Networks (SEN) vorgestellt. Als zu unterstützende Entscheidungssituation wird die Entscheidung über die Betriebsrichtung der Start- und Landebahnen des Flughafens Frankfurt betrachtet. Als Entscheidungsgrundlage stehen Daten aus dem Ensemble-Vorhersagemodell COSMO-DE – Ensemble Prediction System (COSMO-DE-EPS) des Deutschen Wetterdienstes (DWD) zur Verfügung.
Dirk Zinkhan

Kapitel 14. Logistische Regressionsanalysen und Self-Enforcing Networks zur Entdeckung von Akquisezielen in der deutschen Stahlindustrie durch Finanzkennzahlen

Zusammenfassung
Die Stahlindustriebranche steht großen Herausforderungen gegenüber: Die rückgängige Nachfrage, Forderung nach Innovationskraft, die schnelle Anpassung an veränderte politische- wie Umweltbedingungen setzen die Unternehmen weltweit unter Druck. Es stellt sich daher die Frage, ob es grundsätzlich möglich ist, eine Prognose für die Übernahme oder Fusion von Unternehmen zu erstellen. In diesem Beitrag wird dieser Frage nachgegangen und gezeigt, welche Voraussetzungen für die Erstellung eines Prognosemodells notwendig sind und welche Ergebnisse erzielt werden können durch eine logistische Regressionsanalyse sowie durch ein Self-Enforcing Network.
Fatih Önder

Kapitel 15. Analyse und Klassifikation von Voice Over IP-Angriffsdaten mit „ClustSEN“

Zusammenfassung
Voice Over IP (VoIP) ist die Technologie, die den aktuellen Kommunikationsnetzen zugrunde liegt. Anbieter wie auch Nutzer dieser Technologie sind darauf angewiesen, mögliche Angriffe zu erkennen und abzuwehren. Dabei fallen enorme Datenmengen an, die analysiert werden müssen. In diesem Beitrag wird vorgestellt, wie ein Self-Enforcing Network (SEN) für die Analyse und Klassifizierung von Datenmengen im mehrstelligen Millionenbereich erweitert wurde. Dazu wird der Ansatz der Sequentiellen Clusterbildung verwendet und für „ClustSEN“ modifiziert. Die Datenmenge wird unterteilt, die Untermengen nacheinander in ein SEN geladen, basierend der SEN-Ausgaben geclustert und die Teilergebnisse zum Schluss zusammengefügt. Dieser Ansatz wird am Beispiel von Angriffen in VoIP-System demonstriert, wobei sowohl bekannte Klassifizierungen bestätigt als auch neue Angriffstools identifiziert werden.
Waldemar Hartwig

Kapitel 16. Datenanalyse von Arbeitszeiten aus Bilddateien mit Self-Enforcing Networks

Zusammenfassung
Das automatisierte Abgleichen eingereichter Leistungsnachweise von Kunden und Mitarbeitern wird durch unterschiedliche Abrechnungssysteme erschwert. Besonders schwierig ist es herauszufinden, ob die Abrechnungen identisch sind oder ob sich (Tipp-)Fehler eingeschlichen haben, da diese in unterschiedlichen Formaten vorliegen können. In diesem Beitrag wird ein hybrider Ansatz zur automatisierten Überprüfung von Leistungsnachweisen durch eine Software zur Analyse von Bilddateien sowie einem Self-Enforcing Network vorgestellt. Anhand konkreter Beispiele wird gezeigt, wie Unterschiede in den Abrechnungen aufgedeckt werden können.
Daniel Büttner

Kapitel 17. Bilderkennung von Verkehrszeichen mit Self-Enforcing Networks

Zusammenfassung
Das zuverlässige Erkennen von Verkehrszeichen ist ein essentieller Teilaspekt der verschiedenen Grade des autonomen Fahrens und wird bereits seit einigen Jahrzehnten erforscht. Insbesondere die Tatsache, dass die automatisierte Interpretation von Verkehrszeichen durch Angriffsvektoren manipuliert wird, trägt zur Aktualität und nach wie vor hohen Relevanz dieses Forschungssektors bei. Anhand dieser Domäne zeigt der Beitrag auf, dass auch selbstorganisiert lernende Systeme eine ernstzunehmende Konkurrenz zu den etablierten Deep Learning Verfahren sein können. Es werden die technischen Grundlagen der Klassifikation von Bilddaten mit einem Self-Enforcing Network erörtert, allgemeine Probleme bei der Klassifikation von Bilddaten aufgezeigt, sowie verschiedene Methoden demonstriert, die zur schrittweisen Verbesserung eines SEN Modells beitragen können.
Björn Zurmaar

Kapitel 18. Homogenitätsprüfung von LED-Lichtleitern durch Neuronale Netzwerke

Zusammenfassung
Die Prüfung von LED-Lichtleitern in Kraftfahrzeugen unterliegt nicht nur objektiven Qualitätskriterien, sondern auch subjektiver Wahrnehmung. Wenn ein Defekt offensichtlich vorliegt, ist die Bewertung unproblematisch. Handelt es sich jedoch um die Entscheidung, ob die Lichtleiter ein gleichmäßiges, angenehmes Licht ausstrahlen, oder ob nicht, kommt die Subjektivität ins Spiel, die zum Beispiel durch Müdigkeit oder persönliche Wahrnehmung beeinflusst werden kann. Um die subjektiven Bewertungen zu minimieren, wird eine automatisierte Qualitätsprüfung angestrebt. In diesem Beitrag werden zur Problemlösung verschiedene neuronale Netzwerke (Convolutional Neural Networks, Multi-Layer Perceptrons, Self-Enforcing Networks) sowie Modelle eingesetzt und deren Ergebnisse diskutiert.
Sandra Thiemermann, Gregor Braun, Christina Klüver

Einsatz des Regulatoralgorithmus (RGA)

Frontmatter

Kapitel 19. Künstliches Leben (KL) – Der Regulator Algorithmus (RGA)

Zusammenfassung
In dieser Einleitung werden die formalen Grundlagen des Regulator Algorithmus (RGA) gezeigt, auf denen die inhaltlichen Beiträge aufbauen.
Christina Klüver, Jürgen Klüver

Kapitel 20. Materialbedarfsplanung unter Berücksichtigung von Ressourcenkapazität und minimaler Losgröße durch einen RGA

Zusammenfassung
In diesem Artikel wird ein Verfahren für die Materialbedarfsplanung beschrieben, welches sowohl Ressourcenkapazitäten als auch minimale Losgrößen bei der Erstellung eines Materialbedarfsplans berücksichtigt. Das Verfahren basiert auf einem Regulator Algorithmus (RGA). Die Leistungsfähigkeit des RGA wird beurteilt, indem der RGA mit zwei weiteren Algorithmen der Materialbedarfsplanung, nämlich dem genetischen Algorithmus und dem Material Requirements Planning (MRP), verglichen wird. Die Leistung der Implementierung des RGA, des genetischen Algorithmus und des MRP-Verfahrens wird anhand von Messgrößen gemessen. Als Messgrößen werden Leistungskennzahlen verwendet, die im Rahmen eines Experiments jeweils für den RGA, den genetischen Algorithmus und das Material Requirements Planning berechnet werden. Anschließend werden die von den Algorithmen im Rahmen eines Experiments erzielten Kennzahlwerte miteinander verglichen, um die Leistung der Implementierungen der drei Algorithmen zu beurteilen.
Matthias Hubert

Kapitel 21. Variabilitätsmodellierung und Optimierung softwareintensiver Systeme durch einen Regulator Algorithmus (RGA)

Zusammenfassung
In der heutigen Zeit besteht immer mehr der Wunsch nach individueller Konfigurierbarkeit der Systeme. Die Industrie hat sich in deren jeweiligen Produktlinien bereits darauf eingestellt, dass Kunden ihre Autos, Rechner, Schuhe oder Müsli nach eigenen Bedürfnissen konfigurieren möchten. Dies gilt auch für softwareintensive Systeme, deren Systemkomponenten (Features) trotz einer Vielzahl möglicher Kombinationen kontrolliert werden müssen, damit sie einwandfrei funktionieren. In diesem Beitrag wird die Herausforderung variabilitätsintensiver Softwaresysteme anhand der Modellierung eines Smart-Home-Systems vorgestellt und wie eine Optimierung des Modells durch einen Regulator Algorithmus erfolgen kann.
Ole Meyer

Kapitel 22. Raumbelegungspläne mit einem Regulator Algorithmus

Zusammenfassung
Raumbelegungspläne an Universitäten stellen nach wie vor eine große Herausforderung dar. Zurzeit existiert keine Standardlösung, die problemlos auf die individuellen Bedürfnisse einer Universität angepasst werden kann. Die meisten Raumbelegungspläne werden daher überwiegend manuell erstellt und weltweit werden verschiedene Algorithmen entwickelt und getestet, um dem Problem zu begegnen. Die Herausforderung besteht in der Optimierung verschiedener Constraints, die nicht verletzt werden dürfen. In diesem Beitrag wird der Regulator Algorithmus (RGA) zur Lösung der Raumbelegungspläne vorgestellt. Es handelt sich dabei um einen zweidimensionalen Optimierungsalgorithmus, der es erlaubt, die Constraints als Steuerungsinstanz einzusetzen.
Marcel Kleine-Boymann

Kapitel 23. Webbasierte Raum- und Zeitplanung für schriftliche Prüfungen in der universitären Lehre

Zusammenfassung
Die Prüfungsorganisation an Universitäten stellt eine große Herausforderung dar, da die Planung in einer kurzen Zeit durch mehrere Beteiligte und in mehreren Innstanzen erfolgen muss. In diesem Beitrag wird der Regulator Algorithmus für eine automatisierte Prüfungsplanung vorgestellt. Dieser Algorithmus berücksichtigt nicht nur die Hard-Constraints sondern auch die verschiedenen Wünsche der Beteiligten. Die Planung kann dadurch in einer kürzeren Zeit erfolgen und außergewöhnliche Situationen, wie zum Beispiel die Corona-Pandemie, berücksichtigen.
Arne Hetzenegger, Firas Zaidan

ANG und hybride Systeme

Frontmatter

Kapitel 24. Die Generierung von Datenordnungen durch den Algorithm for Neighborhood Generating (ANG)

Zusammenfassung
In dieser Einleitung werden die formalen Grundlagen des Algorithm for Neighborhood Generating (ANG) gezeigt, auf denen die inhaltlichen Beiträge aufbauen.
Christina Klüver, Jürgen Klüver

Kapitel 25. Webbasierte Anwendung des Algorithm for Neighborhood Generating (ANG) zur Strukturierung und Analyse großer Datenmengen

Zusammenfassung
Die Digitalisierung führt zu einem enormen Datenanstieg und für die Analyse dieser „Big Data“ werden neue Methoden der Künstlichen Intelligenz oder des Maschinellen Lernens erforscht, um diesen Herausforderungen zu begegnen. In diesem Beitrag wird der Algorithm for Neighborhood Generating (ANG), eine neue Methode des „Künstlichen Lebens“ und ein entwickelter Anwendungsprototyp vorgestellt, der für die Strukturierung und Analyse großer Datenmengen konzipiert ist. Da die Digitalisierung auch im Gesundheitswesen vorangetrieben wird, um langfristig eine individuelle und präventive medizinische Versorgung zu gewährleisten, werden die Potenziale des ANG anhand von Beispielen aus diesem Sektor aufgezeigt.
Jozsef Sütö, Christina Klüver

Kapitel 26. Auswahl technischer Komponenten durch die Koppelung des „Algorithm for Neighborhood Generating“ (ANG) mit „Self-Enforcing Networks“ (SEN)

Zusammenfassung
Die Auswahl technischer Komponenten zum Aufbau eines PC-Systems ist von vielen Faktoren abhängig, wie die primäre Verwendung des PCs, die gewünschte Leistungsfähigkeit, Kompatibilität einzelner Komponenten, und natürlich spielt auch das Budget eine nicht unwesentliche Rolle bei der Kaufentscheidung. Die Kombinationsmöglichkeiten steigen sehr schnell, wodurch Entscheidungsprozesse erschwert werden. In diesem Beitrag wird das hybride System ANG-SEN als Entscheidungsunterstützungssystem vorgestellt. Bei diesem System handelt es sich um die Koppelung eines Algorithm for Neighborhood Generating (ANG) mit einem Self-Enforcing Network (SEN). ANG strukturiert die Datenmenge und trifft eine Vorauswahl, die vom SEN weiterverarbeitet wird. Um die Ergebnisse persistent zu speichern und eine gezielte Abfrage zu ermöglichen, wurde eine Neo4J-Datenbank angebunden. An verschiedenen Beispielen wird die Leistungsfähigkeit des ANG-SEN für die Auswahl technischer Komponenten vorgestellt.
Janis Höpken

Kapitel 27. Epilog

Zusammenfassung
Die Beiträge dieses Bandes zeigen, auf welch unterschiedliche Themengebiete die hier vorgeführten Algorithmen erfolgreich angewendet werden können; sie zeigen aber auch, welch unterschiedliche Bedeutung jeweils der Modellbegriff haben kann – und muss -, um den es fundamental in jedem Beitrag geht. Es klingt zwar trivial, aber sowohl bei Studierenden, die mit unseren Algorithmen gearbeitet haben, als auch bei Anwendungsinteressenten aus beruflichen Praxisbereichen erwies es sich häufig als notwendig, erst einmal festzulegen, was ein Modell des jeweiligen Problembereichs leisten soll und was die unverzichtbaren Bestandteile des Modells demzufolge sein müssen. Diese Arbeit ist, wie in der allgemeinen Einleitung bereits betont, der Preis, der für KI und KL orientierte Problemlösungen stets zu entrichten ist.
Christina Klüver, Jürgen Klüver
Weitere Informationen

Premium Partner

    Bildnachweise