Der Entscheidungsweg, das heißt, wie eine KI auf ihr Ergebnis kommt, muss nachvollziehbar und für alle Akteure transparent kommunizierbar sein. Das gilt vor allem innerhalb der Versicherungsbranche. Es wird also eine Umwandlung der Blackbox in eine Whitebox benötigt. Genau an dieser Stelle kommt Explainable AI (XAI) ins Spiel. Was es damit auf sich hat, erklären wir in unserem Blog-Beitrag.

IT und Business bilden ein gemeinsames Wertschöpfungssystem, in dem sich durch die Demokratisierung der Technologie die Verantwortungsbereiche verschieben und sich neue Prozesse und Organisationsstrukturen ausbilden. Gleichzeitig bietet sich die Chance für eine neue Zusammenarbeitskultur. In meinem Blog-Beitrag erkläre ich die Zusammenhänge.

Das Gebiet der Künstlichen Intelligenz (KI) ist wohl der größte technologische Treiber der Zukunft, doch vielfach scheitern Projekte an der komplexen Implementierung oder fehlenden ExpertInnen. Im ersten Teil dieser Serie haben wir versucht, eine Antwort auf die Frage zu geben, wie Low Code-Plattformen KI-Adoption erleichtern können. In diesem Teil beschäftigen wir uns nun mit intelligenter Prozessautomatisierung – eine Kombination aus verschiedenen Technologien: Künstliche Intelligenz, Low Code und Robotic Process Automation (RPA). Welche Vorteile bringt dieses Zusammenspiel? Durch einen wohlbekannten Use Case mit SAP stellen wir euch die Vorteile der intelligenten Prozessautomatisierung zur Optimierung von Workflows vor.

Durch die Corona-Krise kamen Videokonferenzen verstärkt zum Einsatz. Doch auch nach der Pandemie werden sie aus unserem Arbeitsalltag nicht mehr wegzudenken sein. Da Videokonferenzen aber auch einige Nachteile gegenüber der Face-to-Face-Kommunikation haben, möchten wir in diesem Blog-Beitrag erklären, wie der Einsatz von KI dabei unterstützen kann, die Aufmerksamkeit aller Teilnehmenden in Videokonferenzen zu verbessern.

Damit KI-Initiativen nicht hinter den gesteckten Zielen hinterherhinken, ist eine ganzheitliche Vorgehensweise notwendig, die auch den Menschen – sowohl den Kunden als auch den Mitarbeitenden – mit einbezieht. Wie schon in einigen vorangegangenen Blog-Beiträgen erwähnt, sind die Herausforderungen zum Einsatz von KI-gestützten Systemen vielfältig. Dieser Beitrag beschäftigt sich mit den Besonderheiten in der Vorgehensweise und damit, wie sich diese von klassischen Projekten unterscheiden. Auf regulatorische Aspekte gehe ich in diesem Beitrag nicht ein.

Personalisierung im Internet – ein Thema der Zukunft? Nein, sondern ein Thema der Gegenwart, das bereits unverzichtbar ist und zukünftig noch unverzichtbarer werden wird! In diesem Blog-Beitrag veranschauliche ich, wie ihr bereits jetzt von KI-gestützter persönlicher Kommunikation profitieren könnt und sowohl euer Unternehmen sowie eure Produkte und Dienstleistungen von der Konkurrenz erfolgreich differenziert.

Als Familienvater einer jungen Tochter eröffnen sich neue Blickwinkel hinsichtlich Verantwortung und Wertevermittlung. Eine ausgewogene abwechslungsreiche Ernährung dient als Fundament für die gesunde Entwicklung und als Vorbild ist der Umgang mit Lebensmitteln wichtig. Auf Spurensuche unserer Ernährung ist das Bewusstsein für Nachhaltigkeit größer und das Ausmaß der Lebensmittelverschwendung deutlicher geworden. Dabei sind Fragestellungen aufgekommen, mit welchen Lösungen Digitalisierung und Künstliche Intelligenz zur Verbesserung der Lebensmittelkette beitragen.

Das Gebiet der Künstlichen Intelligenz ist wohl der grösste technologische Treiber der Zukunft, doch vielfach scheitern Projekte an der komplexen Implementierung oder fehlenden Fachleuten. Im ersten Teil dieser Blog-Serie beschäftigen wir uns mit der Frage, wie Low-Code-Plattformen als disruptive Neuheit in der Softwareentwicklung KI-Adoption erleichtern können und zeigen euch anhand zweier Use Cases, wie die Technologie zur „Demokratisierung von KI“ beiträgt.

Künstliche neuronale Netze werden häufig zur Bild- oder Spracherkennung, für Vorhersagen oder aber zur Erkennung von Betrugsfällen genutzt. In bestimmten Bereichen sind die Ergebnisse sogar besser als eine menschliche Vorhersage. Damit diese Trefferquoten erreicht werden können, müssen die Netze zuvor leider mit Unmengen von Testdaten aufwändig trainiert werden. Falls ausreichende Testdaten nicht zur Verfügung stehen oder aber diese erst zur Laufzeit generiert werden können, bieten genetische Algorithmen eine Alternative zum Training der Netze an.