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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Industrie 4.0 und Digitale Transformation als unternehmerische Gestaltungsaufgabe Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Künstliche Intelligenz: Strategische Herausforderungen für etablierte Unternehmen

verfasst von : Justus Wolff, Andreas Keck, Andreas König, Lorenz Graf-Vlachy, Julia Menacher

Erschienen in: Handbuch Industrie 4.0 und Digitale Transformation

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Ohne Zweifel ist das Phänomen der Industrie 4.0 für sich gesehen eine einschneidende Entwicklung in der globalen Wirtschaft. Was die Industrie 4.0 allerdings zu einer besonders großen Herausforderung werden lässt, ist die Tatsache, dass gleichzeitig mit ihr zahlreiche weitere radikale und aus der Digitalisierung und Vernetzung entspringende Veränderungen einhergehen. Zusammen mit der Industrie 4.0 werden sie die ökomischen, politischen und sozialen Rahmenbedingungen unserer Gesellschaft entscheidend verändern.

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 "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 Datenfreigabe als Grundlage für erfolgreiche Smart Services im Business-to-Business-Kontext: Herausforderungen und erste Lösungsansätze
Nächstes Kapitel Zur Bedeutung von Solows Paradoxon: Empirische Evidenz und ihre Übertragbarkeit auf Digitalisierungsinvestitionen in einer Industrie 4.0
Fußnoten
1
Interessanterweise erläutern bereits recht frühe Quellen die möglichen unternehmerischen Konsequenzen sowie die sozialen und ökonomischen Einflüsse von KI. Kurzweil (2005) beschreibt beispielsweise die unternehmerischen Implikationen intelligenter Maschinen und diskutiert Phänomene wie die Dezentralisierung, die Automatisierung sowie den Wandel hin zu einer virtuellen Realität. Russell und Norvig (2009) analysieren die Konsequenzen von KI für Unternehmen und ihre Mitarbeiter aus einer philosophischen Perspektive.
 
2
Diese Methode ist auch in der Finanzmarktforschung weit verbreitet. Beispielsweise untersuchten Antweiler und Frank (2004) 1000 Finanznachrichten nach Buy-, Sell-, und Hold-Signalen, klassifizierten diese und nutzten sie als Trainingsstichprobe zum Anlernen eines Naive-Bayes-Algorithmus. Dieser wurde anschließend verwendet, um über 1,5 Mio. Nachrichten zu klassifizieren.
 
3
Eine Vorgehensweise besteht sicherlich auch darin, mit KI-Start-ups im Rahmen innovativer Konzepte und Strukturen zusammenzuarbeiten. Ein besonders vielversprechender Ansatz ist beispielsweise der Venture-Clienting-Ansatz, der dem BMW Start-up Garage zugrunde liegt (Gimmy et al. 2017).
 
Literatur
Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., Corrado, G. S., Davis, A., Dean, J., Devin, M., Ghemawat, S., Goodfellow, I., Harp, A., Irving, G., Isard, M., Jia, Y., Jozefowicz, R., Kaiser, L., Kudlur, M., Levenberg, J., Mane, D., Monga, R., Moore, S., Murray, D., Olah, C., Schuster, M., Shlens, J., Steiner, B., Sutskever, I., Talwar, K., Tucker, P., Vanhoucke, V., Vasudevan, V., Viegas, F., Vinyals, O., Warden, P., Wattenberg, M., Wicke, M., Yu, Y., & Zheng, X. (2016). TensorFlow: Large-scale machine learning on heterogeneous distributed systems. Arvix. https://​arxiv.​org/​abs/​1603.​04467. Zugegriffen: 6. Dez. 2017.
Anthony, M., & Bartlett, P. L. (2009). Neural network learning: Theoretical foundations. Cambridge: Cambridge University Press.
Antweiler, W., & Frank, M. Z. (2004). Is all that talk just noise? The information content of internet stock message boards. The Journal of Finance, 59(3), 1259–1294.CrossRef
Armstrong, S., Sotala, K., & ÓhÉigeartaigh, S. S. (2014). The errors, insights and lessons of famous AI predictions – And what they mean for the future. Journal of Experimental & Theoretical Artificial Intelligence, 26, 317–342.CrossRef
Bellman, R. E. (1978). An introduction to artificial intelligence: Can computers think?. San Francisco: Boyd & Fraser.
Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford: Oxford University Press.
Chaboud, A. P., Chiquoine, B., Hjalmarsson, E., & Vega, C. (2014). Rise of the machines: Algorithmic trading in the foreign exchange market. Journal of Finance, 69(5), 2045–2084.CrossRef
Christensen, C. M., Kaufman, S. P., & Shih, W. C. (2008). Innovation killers. Harvard Business Review, 86(1), 98–105.
Crevier, D. (1993). AI: The tumultuous search for artificial intelligence. New York: Basic Books.
Deng, J., Cummins, N., Schmitt, M., Qian, K., Ringeyal, F., & Schuller, B. (2017). Speech-based diagnosis of autism spectrum condition by generative adversarial network representations. Presentation at the 7th international digital health conference, London.
Dopico, M., Gomez, A., De la Fuente, D., García, N., Rosillo, R., & Puche, J. (2016). A vision of industry 4.0 from an artificial intelligence point of view. Presentation at the 18th ICAI international conference on artificial intelligence, Las Vegas.
Easley, R., Guo, H., & Krämer, J. (2018). From network neutrality to data neutrality: A techno-economic framework and research agenda. Information Systems Research, 29(2), 253–272.
Erickson, B. J., Korfiatis, P., Akkus, Z., & Kline, T. L. (2017). Machine learning for medical imaging. RadioGraphics, 37(2), 505–515.CrossRef
Furman, J. (2016). Is this time different? The opportunities and challenges of artificial intelligence. Presentation at AI now: The social and economic implications of artificial intelligence technologies in the near term, New York.
Gerstner, W. C., König, A., Enders, A., & Hambrick, D. C. (2013). CEO narcissism, audience engagement, and organizational adoption of technological discontinuities. Administrative Science Quarterly, 58(2), 257–291.CrossRef
Ghoshal, S., & Bartlett, C. A. (1988). Creation, adoption and diffusion of innovations by subsidiaries of multinational corporations. Journal of International Business Studies, 19(3), 365–388.CrossRef
Guo, P., Liu, T., Zhang, Q., Wang, L., Xiao, J., Zhang, Q., et al. (2017). Developing a dengue forecast model using machine learning: A case study in China. PLoS Neglected Tropical Diseases, 11(10), e0005973.CrossRef
Hambrick, D. C., & Frederikson, J. W. (2001). Are you sure you have a strategy? Academy of Management Executive, 15(4), 48–59.
Hambrick, D. C., & Mason, P. A. (1984). Upper echelons: The organization as a reflection of its top managers. Academy of Management Review, 9(2), 193–206.CrossRef
Huang, C., Mezencev, R., McDonald, J. F., & Vannberg, F. (2017). Open source machine-learning algorithms for the prediction of optimal cancer drug therapies. PloS ONE, 12(10), e0186906.CrossRef
Janott, C., Schuller, B., & Heiser, C. (2017). Akustische Informationen von Schnarchgeräuschen. HNO, 65(2), 107–116.CrossRef
Kammerlander, N., König, A., & Richards, M. (2018). Why do incumbents respond heterogeneously to disruptive innovations? The interplay of organizational domain identity and role identity. Journal of Management Studies, im Druck.
Kirilenko, A., & Lo, A. (2013). Moore’s law versus Murphy’s law: Algorithmic trading and Its discontents. Journal of Economic Perspectives, 27(2), 51–72.CrossRef
König, A. 2009. Cognitive framing and incumbent inertia in response to technological discontinuities: A replication and extension of the gilbert study in the german book retailing industry. Berlin: Pro Business.
König, A. (2012). Technological discontinuities. In E. Kessler, J. M. Bartunek, M. Hitt, A. S. Huff, P. R. Lawrence, J. Pfeffer, A. H. Van de Ven, & D. A. Whetten (Hrsg.), Encyclopedia of management theory (S. 824–829). Thousand Oaks: Sage.
König A., & Graf-Vlachy, L. (2017). Industrie 4.0: Strategische Innovation durch Strategische Sensitivität. In R. Obermaier (Hrsg.), Industrie 4.0 als unternehmerische Gestaltungsaufgabe. (S. 53-67). Wiesbaden: Springer Gabler.
König, A., Graf-Vlachy, L., Link F., & Jungeblodt O., (2018). Competence for Digitalization and Attention to Digitalization: An Empirical Study in Germany, US, and UK. Working Paper, Universität Passau.
König, A., Kammerlander, N., & Enders, A. (2013). The family innovator’s dilemma: How family influence affects the adoption of discontinuous technologies by incumbent firms. Academy of Management Review, 38(3), 418–441.CrossRef
König, A., Fehn, A., Puck, J., & Graf-Vlachy, L. (2017). Primary or complex? Towards a theory of metaphorical strategy communication in MNCs. Journal of World Business, 52(2), 270–285.CrossRef
Kurzweil, R. (1990). The age of intelligent machines. Cambridge: MIT Press.
Kurzweil, R. (2005). The singularity is near: When humans transcend biology. New York: Penguin.
Lindebaum, D., Vesa, M., & den Hond, F. (2019). Insights from the machine stops to better understand rational assumptions in algorithmic decision-making and its implications for organizations. Academy of Management Review, im Druck.
Low, S. K., Zembutsu, H., & Nakamura, Y. (2018). Breast cancer: The translation of big genomic data to cancer precision medicine. Cancer Science, 109(3), 497–506.
McCulloch, W., & Pitts, W. (1943). A logical calculus of ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5(4), 115–133.CrossRef
Moravec, H. P. (1988). Mind children: The future of robot and human intelligence. Cambridge: Harvard University Press.
Müller, V. C., & Bostrom, N. (2016). Future progress in artificial intelligence: A survey of expert opinion. In V. Müller (Hrsg.), Fundamental issues of artificial intelligence (S. 553–571). Berlin: Springer.CrossRef
Natarajan, P. (2016). The AI spring – Innovations for the next decade. München: Presentation at Confluence.
O’Reilly, C. A., & Tushman, M. L. (2013). Organizational ambidexterity: Past, present, and future. Academy of Management Perspectives, 27(4), 324–338.CrossRef
Obermaier, R. (2017). Industrie 4.0 als unternehmerische Gestaltungsaufgabe: Strategische und operative Handlungsfelder für Industriebetriebe. In R. Obermaier (Hrsg.), Industrie 4.0 als unternehmerische Gestaltungsaufgabe (2. Aufl., S. 3–34). Wiesbaden: Gabler.CrossRef
Poole, D., Mackworth, A. K., & Goebel, R. (1998). Computational intelligence: A logical approach. Oxford: Oxford University Press.
Russell, S., & Norvig, P. (1995). Artificial intelligence: A modern approach. Englewood Cliffs: Prentice Hall.
Russell, S., & Norvig, P. (2009). Artificial intelligence: A modern approach (3. Aufl.). Essex: Pearson.
Silver, D., Hubert, T., Schrittwieser, J., Antonoglou, I., Lai, M., Guez, A., Lanctot, M., Sifre, L., Kumaran, D., Graepel, T., Lillicrap, T., Simonyan, K., & Hassabis, D. (2017). Mastering chess and shogi by self-play with a general reinforcement learning algorithm. Arvix. https://​arxiv.​org/​abs/​1712.​01815. Zugegriffen: 6. Dez. 2017.
Simon, H. A., & Newell, A. (1971). Human problem solving: The state of the theory in 1970. American Psychologist, 26(2), 145–159.CrossRef
Stone, P., Brooks, R., Brynjolfsson, E., Calo, R., Etzioni, O., Hager, G., Hirschberg, J., Kalyanakrishnan, S., Kamar, E., Kraus, S., Leyton-Brown, K., Parkes, D., Press, W., Saxenian, A., Shah, J., Tambe, M., & Teller, A. (2016). Artificial intelligence and life in 2030: One hundred year study on artificial intelligence. Report of the 2015–2016 study panel. Stanford University. http://​ai100.​stanford.​edu/​2016-report. Zugegriffen: 5. Dez. 2017.
Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. New York: Borzoi Books.
Topol, E. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25, 44–56.CrossRef
Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460.CrossRef
Winston, P. H. (1992). Artificial Intelligence (3. Aufl.). Boston: Addison-Wesley.
Wolff, J., & Keck, A. (2017). Enterprise valuation for artificial intelligence and big data companies. Working paper.
Yu, K., Beam A., & Kohane, I. (2018). Artificial intelligence in healthcare. Nature Biomedical Engineering, 2, 719–731.
Metadaten
Titel
Künstliche Intelligenz: Strategische Herausforderungen für etablierte Unternehmen
verfasst von
Justus Wolff
Andreas Keck
Andreas König
Lorenz Graf-Vlachy
Julia Menacher
Copyright-Jahr
2019
Buch
Handbuch Industrie 4.0 und Digitale Transformation

Print ISBN: 978-3-658-24575-7

Electronic ISBN: 978-3-658-24576-4

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-658-24576-4_21