Tag: Machine Learning

Analytics | Artificial Intelligence | Machine Learning
Christian Engel 0
Künstliche Intelligenz (KI) in der Bankbranche: Herausforderungen und Möglichkeiten (Teil 2)

Bankkunden werden auch immer anspruchsvoller. Im Zeitalter von Google, Apple, Facebook und Amazon haben wir uns daran gewöhnt, personalisierte Angebote auf Basis der von uns freiwillig zur Verfügung gestellten Daten zu erhalten. Hier ist sie wieder, unsere Chatbot-Idee aus meinem 1. Beitrag zu KI in der Bankbranche, und es gibt

Analytics | Artificial Intelligence | Machine Learning
Christian Engel 0
Künstliche Intelligenz (KI) in der Bankbranche: Ein Fallbeispiel (Teil 1)

Selbstfahrende Sport Utility Vehicle auf unseren öffentlichen Straßen, Siri immer im Zugriff, Alexa im Wohnzimmer … Künstliche Intelligenz und die dahinter funktionierenden Machine-Learning-Verfahren begegnen uns bereits heute, zum Teil eingebettet in den Alltag, zum Teil mit unserem „Wow“, wenn die US-Verkehrsaufsichtsbehörde NHTSA bestätigt, dass es bei einem Unfall mit einem selbstfahrenden

Analytics | Artificial Intelligence | Machine Learning
Andreas Becks 0
KI steckt noch in den Kinderschuhen – warum eigentlich?

Artificial Intelligence (AI), Machine Learning und Deep Learning zählen zu den heißesten Themen, die im Markt diskutiert werden. Und dafür gibt es gute Gründe. Zum einen erleben wir, dass Apps und Software generell, Maschinen und Fahrzeuge immer smarter werden. Wir sprechen mit unseren Smartphones. Autos fahren bald selbst. Die automatische

Advanced Analytics | Analytics | Machine Learning
Andreas Becks 0
Künstliche Intelligenz in der Versicherung: Wo steht Europa?

Wo steht eigentlich die europäische Versicherungswirtschaft in puncto Advanced Analytics, KI und Automatisierung? Erleben wir, dass gerade auch in der Assekuranz traditionelle Verfahren der Datenanalyse mit dem Begriff „maschinelles Lernen" überklebt werden? Oder ist die Branche hier schon deutlich weiter? Sind beispielsweise echte Chatbots wirklich schon allgegenwärtig? Aktuelle Einblicke gibt

Analytics | Data Management | Machine Learning
Andreas Becks 0
Paradies gesucht? Die Daten haben West Perth gefunden

Wollten Sie schon immer mal an einem Ort leben, wo es kostenlosen öffentlichen Nahverkehr gibt, die höchste Dichte an Self-Made-Millionären herrscht, wo jedem Einwohner umgerechnet ca. fünf Golfplätze an Grünflächen zur Verfügung stehen oder es 84.274,6 km Fußgängerwege gibt? Willkommen in West Perth! Zumindest analytisch gesehen ist der kleine Stadtteil

Analytics | Machine Learning | Risk Management
Carsten Krah 0
Machine Learning allein reicht nicht, der menschliche Verstand ist weiterhin gefragt

Science-Fiction-Autoren sind seit Langem fasziniert von der Vorstellung, dass Roboter die Weltherrschaft übernehmen könnten. Und sie überlegen, was man tun könnte, um die Welt vor dieser Machtübernahme zu bewahren. Doch diese Vorstellung geht weit an der Realität vorbei. Tatsächlich wissen wir heute: Maschinen – und Machine Learning – funktionieren am

Machine Learning | Risk Management
Thorsten Hein 0
Hand aufs Herz: Kann Ihre Risikobetrachtung mit den Marktveränderungen Schritt halten?

Ich möchte Sie etwas fragen? Sehen Sie Risikomanagement als: alleinige Aufgabe des Chief Risk Officer, als Pflichtübung, die jede Menge Papierkram – aber keine wirklichen Vorteile – bringt; oder Verantwortung von allen im Unternehmen und eine Chance, eine sichere Umgebung für heikle Geschäftsentscheidungen zu schaffen? Natürlich sind diese beiden Auffassungen

Advanced Analytics | Machine Learning
Andreas Becks 0
Stop Algorithm Porn! Warum Machine Learning alleine kein Wundermittel ist

In meinem vorherigen Beitrag  ging es darum, wie sich das Internet of Things (IoT) über den aktuellen Hype hinaus geschäftsfähig machen, also operationalisieren, lässt. Und um die Hürden, die Unternehmen in Sachen Analytics dafür überwinden müssen. Immer wieder spreche ich in diesem Zusammenhang mit Kunden über ein Thema, das nicht

Analytics | Machine Learning | Risk Management
Christian Engel 0
Data Scientists im Gesundheitswesen – Chancen im morbiditätsorientierten Risikostrukturausgleich

Seit 2009 sollen der Gesundheitsfonds und der morbiditätsorientierte Risikostrukturausgleich in der deutschen gesetzlichen Krankenversicherung (GKV) für eine ausgewogenere Verteilung der Einnahmen bei den Kassen sorgen. Ziel ist ein sozialer Ausgleich für unterschiedliche Einkommensstruktur und Krankheitslasten bei den Mitgliedern. Über einen sehr interessanten Nebeneffekt, den dieses regulatorische System ungewollt ausgelöst hat,