Blog

Die Logistikbranche wird und muss sich im Zuge der Digitalisierung umfassend verändern. Prozesse werden mit Hilfe von neuen Technologien wie RFID, Beacons oder Pick-by-Solutions revolutioniert.

Künstliche Intelligenz bietet die Möglichkeit, aus enormen ungeordneten Datenmengen relevante Informationen zu extrahieren und diese in Form von Wissen zu generalisieren. Die Einsatzmöglichkeiten von künstlicher Intelligenz sind enorm vielfältig, sodass Unternehmen und Organisationen vor der Herausforderung stehen, den spezifischen Nutzen für sich zu identifizieren.

Ob künstliche Intelligenz, maschinelles Lernen oder Deep Learning, in der Praxis werden diese Begriffe häufig als Synonyme verwendet. Dabei besitzen die drei Begrifflichkeiten große Unterschiede in ihrer Bedeutung und stehen in einer strikten Hierarchie zueinander. Die künstliche Intelligenz ist der Oberbegriff für alle Methoden und Technologien, die ein intelligentes Verhalten vorweisen. Das maschinelle Lernen ist dabei ein Teilgebiet der KI, welches eine Vielzahl an (Lern-)Methoden basierend auf der mathematischen Optimierung und Statistik umfasst. Deep Learning wiederum ist ein spezieller Teilbereich des maschinellen Lernens, der versucht, die statistischen Korrelationen in den Daten durch künstliche neuronale Netze abzubilden.

Daten werden immer mehr zur universellen Sprache – und Unternehmen, die sie beherrschen, werden erfolgreich sein.

Das digitale Gesundheitswesen lag in Deutschland viele Jahre in einem Dornröschenschlaf. Eine sich gegenseitig blockierende Selbstverwaltung, eine desinteressierte Politik hatten zur Folge, dass Deutschland hinsichtlich der Digitalisierung in Europa abgehängt wurde. Ein Indiz ist die über 10-jährige Verzögerung bei der Einführung der Elektronischen Gesundheitskarte.

Wer dem KI-Diskurs folgt, stößt dabei häufig auf Begriffe, wie Machine Learning, Deep Learning, Neuronale Netze usw. Was es mit den verschiedenen Begriffen auf sich hat und worin sie sich unterscheiden, soll hier erläutert und an praxisnahen Beispielen verdeutlicht werden.

In Deutschland ist nicht nur ein Drittel der Landesfläche mit Wäldern bedeckt, sondern Wälder sind auch wichtige Ökosysteme und zugleich ein bedeutsamer Wirtschaftsfaktor. An einer nachhaltigen Bewirtschaftung von Wäldern in Anbetracht klimatischer Veränderungen besteht aus diesem Grund ein erhebliches nationales Interesse. In diesem Artikel wird herausgestellt, wie innovative Verfahren der künstlichen Intelligenz zur Auswertung von Fernerkundungsdaten eingesetzt werden können, um einen klaren Lösungsbeitrag zu ökologischen Herausforderungen im forstwirtschaftlichen Bereich zu bilden.