Eine aktuelle Studie von Crisp Research in Kooperation mit The unbelievable Machine Company (*um) und Dell EMC zeigt, dass der digitale Wertschöpfungsanteil von KI und Machine Learning rasant zunimmt.

Der Spezialist für Echtzeit-Datenanwendungen Data Artisans sieht einen Trend zum verstärkten Einsatz von Stream Processing. Schon jetzt werden Geschäftsdaten wie Sensormessungen, Website-Klicks oder Datenbankänderungen häufig als kontinuierlicher Ereignisstrom erzeugt.

Mit IBM Watson Studio kann der komplette Lebenszyklus von Lernmodellen beim Einsatz von Machine Learning begleitet werden. Das erhöht die Produktivität von Data Scientists und verbessert Vertrauen und Transparenz für die KI-Lösung.

Wer aus Big Data konkret umsetzbare Erkenntnisse gewinnen möchte, kommt um leistungsstarke Algorithmen nicht umhin. Auf einschlägigen AaaS-Marktplätzen – kurz für Algorithmen as a Service – werden Unternehmen schnell fündig.

Presto eignet sich für SQL-Abfragen großer Datenmengen mit niedrigen Latenzzeiten. Es handelt sich um eine verteilte SQL-Abfrage-Engine auf Open-Source-Basis, die ursprünglich von Facebook entwickelt wurde. Die Engine arbeitet mit unterschiedlichen Datenquellen wie dem Hadoop Distributed File System, MySQL, Amazon S3, PostgreSQL, Apache Cassandra, Microsoft SQL Server, MongoDB und vielen anderen zusammen.

Eine Inferenzmaschine ist ein zentraler Bestandteil eines Expertensystems. Sie ermöglicht schlussfolgerndes Denken auf Basis einer Wissensdatenbank. Zur Gewinnung neuer Aussagen und neuen Wissens kommt Software aus dem Bereich der Künstlichen Intelligenz (KI) zum Einsatz.

Projekte für maschinelles Lernen sind komplex. Wo sollen Daten gespeichert werden? Wir sollen Algorithmen trainiert werden? Viele offene Fragen schrecken Firmen schon vor dem Start zurück. Der Start geht aber auch einfach.

Big-Data-Anwendungen greifen meistens auf Daten aus verschiedenen Quellen zu. Dabei besteht die Gefahr, dass bestehende Kontrollen der Zugriffsberechtigung umgangen werden. Das muss man aus Datenschutzgründen verhindern.

Wer der Welt neue, mächtige Technologien zur Verfügung stellt, sollte darauf achten, dass Vertrauen und Transparenz genauso im Fokus stehen, wie der technische Nutzen. Maschinen haben die Aufgabe, die Begabungen von Menschen zu stärken und sie zu unterstützen. Dabei kann KI helfen. Der Beitrag zeigt, auf was dabei geachtet werden muss.

Darüber, dass in der Auswertung und Analyse von Daten einmalige Chancen für ein modernes, effizientes Marketing liegen, sind sich die meisten Unternehmen einig. Und mittlerweile hält auch die technologische Entwicklung mit den theoretischen Modellen des frühen „Daten-Zeitalters“ Schritt.