Wenn eine Bank bei einem Softwareunternhemen anfragt und wissen will, wie sie Künstliche Intelligenz nutzen könnte, steht das für etwas: Erstens, dass die Bank KI-willig ist und zweitens, dass die Bank KI-ratlos ist. Banken wollen KI ja haben, sie könnten auch durchaus – Budget ist da. Aber sie wissen nicht,
Wie schon gesagt, ich bin Gamer. Ich bin außerdem Freizeit-Spieleentwickler und Angestellter. Es ist also nicht weiter verwunderlich, dass Gamification (ich möchte hier bei der englischen Schreibweise bleiben) ein interessantes Thema für mich ist. Gemeint ist damit die Übertragung von Techniken, die üblicherweise in Spielen eingesetzt werden, auf andere Bereiche,
„Die wichtigsten Dinge schreibt man am besten gleich in die Einleitung! Eventuell lesen einige ja gar nicht bis zum Hauptteil weiter“. Einen ähnlichen Gedanken hatte ich bei meinem aktuellen Buch Applying Data Science – Business Case Studies Using SAS auch. Da sind bereits in der Einleitung die Mehrwerte aufgezählt, die
In meinem letzten Blogpost ging es darum, welche Aufgaben „Robo A“ mir als Bankmitarbeiter womöglich schon abnehmen kann, sodass ich Zeit für wichtigere Themen gewinne. KI spielt in Banken schon lange keine Nebenrolle mehr. Die Suche nach dem ultimativen Use Case, der einerseits über den Hype und andererseits über den
Vor zwei, drei Jahren war „digitale Transformation“ nur ein Wort. Heute findet sie statt. Handwerk, Industrie, Banken, Gesundheitswesen – überall werden überholte und ineffiziente Strukturen abgelöst. Gerade Dienstleistungen sind schon spürbar schneller, unkomplizierter und besser verfügbar geworden. Und die Services öffentlicher Behörden? Auch dort bewegt sich einiges, aber: Es ist
Lenin ist sauer, saurer sogar, als es Bolschewiken-Art ist. „Ich habe Ihre IoT-Blogs gelesen“, sagt er. Und er ist sauer. Noch auf dem SAS Forum in Bonn hatte er unsere Zusammenarbeit gepriesen und den Stellenwert von Datenanalyse und künstlicher Intelligenz hervorgehoben. Auch Lenins Mitarbeiter waren dort gewesen, die Hornbrillen-Dame und
Heute ist alles Daten. Ein Data-Hype jagt den nächsten. Die Empfehlung für weitere Produkte bei einer Online-Bestellung, die Auswertung von Wearables zur Fitnessoptimierung, das Anzeigen der besten Fahrroute – all das basiert auf zuvor gesammelten Informationen und Systemen, die dem Anwender Handlungsoptionen aufzeigen. Schon damals schien es ganz normal, dem
Versicherungen arbeiten intensiv daran, ihre Geschäftsmodelle zu erneuern. Ein modernisiertes Aktuariat spielt dabei eine Schlüsselrolle. Warum? Das habe ich meinen Kollegen und ausgebildeten Aktuar Diego Rivas gefragt. Das Versicherungsgeschäft wirkt von außen wie ein langer, ruhiger Fluss. Trügt der Schein? Heute – eindeutig ja. Der Markt ist längst gesättigt, und
Im vorangegangenen Blog habe ich die „vier Säulen des Vertrauens“ für automatisierte Entscheidungen vorgestellt. Dieser hat gezeigt: Erklärbarkeit und Transparenz beziehen sich auf den gesamten analytischen Prozess. Wie sieht es aber mit der „Blackbox“ der maschinellen Lernalgorithmen aus? Auch dort muss Transparenz durch eine analytische Plattform gewährleistet sein. Die gute
Lenin schaut übellaunig wie ein Bolschewik: „Sherlock? Der hat mit leistungsfähiger künstlicher Intelligenz so wenig zu tun wie mit echter Detektivarbeit! Wir brauchen weder Sherlock noch seinen Doktor!“ Lenin hatte mich zum Challenger Workshop eingeladen. Ein Berater der Accelerator Change & Disruption Consultancy (AC&DC) bat nach kurzem Impulsvortrag (Change! Disruption!)
