Whitepaper Künstliche Intelligenz

Lesen Sie mehr über Künstliche Intelligenz in der Intralogistik in unserem Whitepaper.

artificial intelligence, connection human and machine

Whitepaper Künstliche Intelligenz

Können Maschinen denken?

Seit 2017 herrscht viel Aufregung um Künstliche Intelligenz (KI) als Zweig der Informationstechnologie. KI hat sich bereits für eine Vielzahl von Anwendungen als nützlich erwiesen: virtuelle Assistenten, Anwendungen, Denkspiele und vieles mehr.

Aber zurück zu unserer ursprünglichen Frage: Können diese Maschinen wirklich denken? Sofort stehen wir vor einem Problem: Was genau wird gedacht? Es gibt keine eindeutige Definition des Begriffs.

Doch was unterscheidet künstliche Intelligenz von menschlicher Intelligenz?

Das einzigartige Merkmal des Menschen – zumindest im Moment – ​​ist kreatives und innovatives Denken. Maschinen hingegen können aus bestehenden Entscheidungsmöglichkeiten wählen und eine unglaublich große Menge an Daten und Informationen verarbeiten. Darüber hinaus überzeugen sie durch Zuverlässigkeit, Genauigkeit und Kontinuität – sie können rund um die Uhr arbeiten. Auch komplexe Aufgaben können bei entsprechender Anleitung selbstständig durchgeführt werden. Algorithmen, hohe Rechenleistung und das exponentielle Wachstum der zu verarbeitenden Daten bilden die Grundlage der künstlichen Intelligenz.

Schon hier wird deutlich, dass künstliche Intelligenz ein enormes Potenzial hat. Die kontinuierliche Weiterentwicklung des maschinellen Lernens hat auch Konsequenzen für die Arbeitswelt.

Blog Künstliche Intelligenz

Ist Künstliche Intelligenz (KI) nur ein Schlagwort oder steckt mehr dahinter? Wie wir planen, KI in unseren Projekten zu nutzen.

Zum Blog
Artificial Intelligence

Grundbegriffe der künstlichen Intelligenz

Innovations and Trends in material handling and logistics

Künstliche Intelligenz (KI) ist ein Zweig der Informationstechnologie, der sich mit der Automatisierung intelligenten Verhaltens befasst. KI ist der Versuch, einen Computer so zu programmieren, dass er in der Lage ist, Probleme selbstständig zu bearbeiten, ähnlich wie es ein Mensch mit entsprechender Ausbildung tun würde. Problemlösung bedeutet, Entscheidungen zu treffen, die eine angemessene Reaktion auf das zugrunde liegende Problem innerhalb einer bestimmten Zeit darstellen, basierend auf Daten aus verschiedenen Quellen (Datenbanken, Sensoren, Videokameras usw.).

artificial intelligence, brain with data streams, networking

Maschinelles Lernen ist ein Sammelbegriff für verschiedene Verfahren zur Bestimmung eines unbekannten funktionalen Zusammenhangs zwischen Eingabe- und Ausgabedaten. Neben den nach wie vor wichtigen traditionellen Anwendungen wie Clusterbildung, Regression, Faktor- und Zeitreihenanalysen integriert es auch komplexere Methoden wie neuronale Netze, evolutionäre Ansätze und Support Vector Machines.

Vorausschauende Analytik in der Intralogistik

Der Einsatz von Big-Data-Technologien ermöglicht die Verarbeitung gigantischer Datenmengen sowie die zeitnahe Abbildung der realen Welt und eine treffsichere Entscheidungsfindung. Lesen Sie in unserem Whitepaper, welche Voraussetzungen für Predictive Analytics erfüllt sein müssen

Mehr erfahren

Simulation

Bei der Planung von Logistiksystemen spielt die Simulation eine entscheidende Rolle. Unser Whitepaper beschreibt, wie KI für die Planung eingesetzt wird und welche Vorteile dies mit sich bringt.

Mehr erfahren

Kognitives Computing - Künstliche Intelligenz

Cognitive Computing – Maschinenassistenten statt Menschen übernehmen Aufgaben oder treffen Entscheidungen. Sehen Sie sich unser Video an und erfahren Sie mehr über die wichtigsten Anwendungsbereiche, in denen Maschinen den Menschen unterstützen.

Mehr erfahren

Tiefes Lernen

Deep learning oder tiefes Lernen ist eine Technologie, die es Computern ermöglicht, eine für Menschen natürliche Fähigkeit zu erwerben: aus Erfahrung zu lernen. Dies wird zum Beispiel in der Bild- und Spracherkennung verwendet. Erfahren Sie hier, was Deep Learning ist und wie es sich in den letzten Jahren entwickelt hat.

Mehr erfahren

Lernstrategien

Lernstrategien – eine hohe Wiederholungszahl und eine gute Datenqualität spielen beim Lernen eine entscheidende Rolle! Aber welche unterschiedlichen Lernstrategien werden angewendet?

Mehr erfahren

Maschinelles Lernen

Personalisierte Online-Werbung oder automatisiertes Filtern von Spam-E-Mails werden durch maschinelles Lernen ermöglicht. Wie das funktioniert, erfahren Sie in diesem Video.

Mehr erfahren

Künstliche Intelligenz

Erfahren Sie mehr über künstliche Intelligenz.

Mehr erfahren

Künstliche Intelligenz in der Logistik

Reden wir über Möglichkeiten...

Mehr erfahren

Die Autoren des Whitepapers Künstliche Intelligenz

... studierte Technische Mathematik an der TU Wien mit den Schwerpunkten Simulation, Operations Research und Statistik. Nach Abschluss seines Studiums verbrachte er einige Zeit in Glasgow, wo er Kernel-Methoden für den Einsatz in diskreten Ereignissimulationsmodellen erforschte. 2001 trat er in das Forschungszentrum Seibersdorf ein, zunächst als Projektleiter, später als Leiter der Arbeitsgruppe „Prozessoptimierung“, wo er nationale und internationale Forschungsprojekte zu Transportlogistik, Standortlogistik und globalen Supply Chains durchführte und leitete . Parallel zu seiner Forschung begann er auch mit der Lehrtätigkeit an verschiedenen Hochschulen in ganz Österreich, die später zu seinem Hauptberuf wurde.

Markus Klug ist seit 2013 Teil der SSI SCHÄFER IT Solutions GmbH. Ursprünglich verantwortete er den Aufbau der Datenanalyse und -simulation innerhalb des Unternehmens, eine Rolle, die später um Data Science und künstliche Intelligenz/Maschinelles Lernen erweitert wurde. Als militärischer Experte für Reservistenlogistik mit besonderem Fokus auf militärischer Einsatzforschung ist er auch als Gutachter für das österreichische Bundesheer tätig und berät fachlich bei der Entwicklung mathematischer Modelle und Verfahren im militärischen Bereich. Markus Klug verfügt über umfangreiche Kenntnisse und Erfahrungen, wie seine zahlreichen wissenschaftlichen Veröffentlichungen, Vorträge, die Mitgliedschaft in wissenschaftlichen Programmkomitees, Sitzungsvorsitzende auf wissenschaftlichen Konferenzen und seine Tätigkeit als Gutachter für internationale Fachzeitschriften zeigen.

Autor Georg Rief

Georg Rief hat einen Bachelor-Abschluss in Computational Sciences und einen Master-Abschluss in Physik. Er konzentrierte sich hauptsächlich auf Simulation und Data Science, da Künstliche Intelligenz damals kein besonders wichtiges Thema war und daher nicht im Mittelpunkt seines Studiums stand. Er hatte 8 Jahre Erfahrung in der Softwareentwicklung in anderen Branchen, bevor er im März 2014 zu SSI SCHÄFER kam. Zunächst arbeitete er als W4-Entwickler für Kundenprojekte, bevor er im Dezember 2016 in die Abteilung Data Science/Simulation wechselte.

New Content Item (1)

Karina Konrath studierte Technische Mathematik an der TU Graz und arbeitet seit November 2017 bei SSI SCHÄFER. Als Data Scientist ist sie maßgeblich für die Analyse und Aufbereitung von Daten verantwortlich, was den intensiven Einsatz von Statistik und Mathematik erfordert.

Haben Sie Fragen oder Anmerkungen?