Hub für Cloud-Computing-Konzepte

Bei der Datenerfassung werden Daten aus verschiedenen Quellen gesammelt und zur Speicherung und Analyse in ein Zielsystem übertragen. Moderne Systeme betrachten Daten als „fließend“ in die Organisation in verschiedenen Formaten und Geschwindigkeiten. Zum Beispiel werden Daten von intelligenten Sensoren kontinuierlich als konstanter Strom von Sensoreingaben empfangen, während Verkaufsdaten von Kunden am Ende des Tages gesammelt und eingegeben werden können. Die verschiedenen Datenquellen erfordern unterschiedliche Authentifizierungs- und Validierungsprüfungen, Vorverarbeitung und Fehlerverwaltung, bevor die Daten in die Organisation gelangen können. Die Datenerfassung umfasst alle Technologien und Prozesse, die für die sichere Erfassung, Vorverarbeitung und Speicherung der Daten für weitere Analysen erforderlich sind.

Ein Daten-Stack ist eine Sammlung von Technologien, die zusammenarbeiten, um Daten in einer Organisation zu sammeln, zu speichern und zu verarbeiten. Das Datenvolumen und die datengestützte Entscheidungsfindung haben in den letzten zehn Jahren erheblich zugenommen. Data-Stack-Technologien integrieren und kommunizieren miteinander, um Daten von der Quelle zum Datenspeicher und weiter zur Verwendung zu bewegen. Sie ermöglichen es einer Organisation, ihre Daten für Business Intelligence zu nutzen und gleichzeitig alle regulatorischen und sicherheitstechnischen Anforderungen zu erfüllen.

Ein Datenbankmanagementsystem (DBMS) ist eine Softwaretechnologie, die die Informationen in Ihrer Datenbank skaliert verwaltet. Eine Datenbank ist eine elektronisch gespeicherte Datensammlung, mit der Sie Daten lesen, schreiben und aktualisieren können. Wenn Ihr Datenumfang jedoch wächst, wird es notwendig, die Speicherung und Replikation für eine optimale Verwendung der Daten zu verwalten. Ein Datenbankmanagementsystem erleichtert die Speicherung von Daten in großem Maßstab und erhöht gleichzeitig die Verfügbarkeit, Zuverlässigkeit und Leistung. Es bietet auch Tools, um Datenkorrelationen zu identifizieren und bei Bedarf Analysen innerhalb des Systems durchzuführen.

Gedankenketten-Prompting ist eine Technik, mit der große Sprachmodelle (LLMs) dazu angeleitet werden, Aufgaben mithilfe einer logischen Abfolge von Schritten abzuschließen. Obwohl KI-Modelle versuchen, Menschen nachzuahmen, benötigen sie detaillierte Anweisungen, sogenannte Prompts, um qualitativ hochwertige, genaue und relevante Ergebnisse zu erzielen. Prompt-Engineering ist die Kunst und Wissenschaft, gute Prompts zu kreieren. Chain-of-Thought (CoT)-Argumentation ist eine schnelle technische Technik, bei der komplexe Aufgaben in eine Reihe einfacherer, überschaubarer Schritte unterteilt werden, um zu einer Antwort zu gelangen. Dies gibt Benutzern mehr Kontrolle und Einblick in die Art und Weise, wie das LLM zu seinen Antworten gelangt. 

Beispiel für eine Gedankenkette

„Lösen Sie die folgenden mathematischen Textaufgaben Schritt für Schritt.

Wenn Sie 7 Bananen haben und Ihrem Freund 4 Bananen geben, erhalten Sie 5 weitere Bananen und werfen anschließend 3 faule Bananen weg. Wie viele Bananen bleiben Ihnen dann übrig?“

Ergebnis der Gedankenkette

Lassen Sie uns das Schritt für Schritt aufschlüsseln:

1. Sie fangen mit 7 Bananen an.
2. Sie geben Ihrem Freund 4 Bananen, sodass Sie noch 7 - 4 = 3 Bananen übrig haben
3. Sie kaufen 5 weitere Bananen, sodass Sie jetzt 3 + 5 = 8 Bananen haben

4. Sie werfen 3 Bananen weg, sodass Sie noch 8 - 3 = 5 Bananen übrig haben

Daher bleiben Ihnen noch 5 Bananen übrig.

Unter Cognitive Computing versteht man den Prozess, Software so zu programmieren, dass sie wie ein Mensch „denkt“. Die angeborene, hochentwickelte Denkfähigkeit des Menschen ermöglicht es uns, uns an neue Situationen anzupassen und komplexe Probleme zu lösen. Beispielsweise könnte sich ein Mensch, der sich im Wald verirrt hat, in Richtung des Wassers bewegen, um zu überleben, oder sich dem Verkehrslärm nähern, um Hilfe zu suchen. In ähnlicher Weise zielt Cognitive Computing darauf ab, menschliche Denkprozesse in Softwaresystemen über Wahrnehmung, Aufmerksamkeit und Gedächtnis zu simulieren.

Herkömmliche Systeme der künstlichen Intelligenz (KI) können Probleme lösen, für die sie speziell trainiert wurden, wie etwa die Analyse von Daten, das Treffen von Vorhersagen oder das Generieren von Text nach Anweisung des Benutzers. Cognitive Computing zielt jedoch darauf ab, die künstliche Intelligenz weiterzuentwickeln, indem es Softwaresystemen beibringt, durch eigenständige Entscheidungsfindung als Reaktion auf Umweltveränderungen vorgegebene Ziele zu erreichen. 

Beispiel für Cognitive Computing

Erwägen Sie eine Aufgabe zur Terminplanung für einen Spezialisten in Ihrem Unternehmen. Neue Termine sollten ausschließlich nachmittags vereinbart werden, wenn der Spezialist verfügbar ist und bereits eine Beziehung zum Klienten besteht. Termine sollten auch innerhalb von 2 Wochen nach der Anfrage vereinbart werden. Diese Bedingungen weisen jedoch Nuancen auf, wie z. B. 

• verärgerte oder aufgebrachte Kunden, die frühzeitige Termine erhalten, auch morgens.
• Terminanfragen sind über das zweiwöchige Zeitfenster hinaus möglich.
• Bestimmte Langzeitkunden erfordern möglicherweise besondere Überlegungen, wie z. B. eine persönliche E-Mail nach Abschluss der Buchung.

Normalerweise kann KI darauf trainiert werden, die Aufgabe durch Erfüllung der Hauptbedingungen zu automatisieren, sie kann jedoch nicht mit den Nuancen umgehen, wie es ein menschlicher Fachmann tun würde. Bei Cognitive Computing handelt es sich jedoch um eine KI-Technologie, die die Bedingungen nach Bedarf anpassen kann, um das Ziel der Kundenzufriedenheit bei der Buchung zu erreichen. Beispielsweise kann das System die Stimmung in der Nachricht des Kunden erkennen und seine Buchung priorisieren oder einen Termin am frühen Morgen vereinbaren, um den Anforderungen eines Langzeitkunden gerecht zu werden.

Natürliches Sprachverständnis (NLU) ist die Fähigkeit eines Computersystems oder einer Software, die menschliche Sprache zu verstehen. Dadurch kann die Software die Absicht und Stimmung im Chat erkennen und durch lebensechte Gesprächsinteraktionen äußerst ansprechende Benutzererfahrungen bieten. Beispielsweise reagieren Assistenten wie Alexa auf die menschliche Stimme und KI-gestützte Chatbots nehmen an textbasierten Gesprächen teil. Durch das natürliche Sprachverständnis sind diese Systeme in der Lage, alle von Menschen generierten Gesprächseingaben in die Syntax einer internen Computersprache umzuwandeln und auf der Grundlage dieser Eingaben zu handeln. Benutzer können auf natürliche Weise in der Sprache ihrer Wahl mit Maschinen interagieren.

Multimodale KI ist ein System der künstlichen Intelligenz, das mehrere Datentypen wie Text, Bilder, Audio und Video verarbeitet, interpretiert und integriert. Viele geschäftliche Workflows generieren und verwenden komplexe Datensätze mit mehreren verwandten Datentypen, z. B. Videos mit Untertiteln, Bilder mit Lebensläufen oder Audio-Besprechungsnotizen mit relevanten Entwurfsplänen. Multimodale KI kann einen äußerst vielfältigen und umfangreichen Informationssatz für komplexe Analysen und Automatisierung interpretieren. Unternehmen nutzen Videoanalyse, Dokumentenverarbeitung, Inhaltserstellung und ähnliche Workflows, um genaue Erkenntnisse aus unstrukturierten, multimodalen Datenquellen zu gewinnen und die Prozesseffizienz zu steigern.

Die SQL-Datenbank ist eine Datensammlung, die als Tabellen mit Zeilen und Spalten visualisiert wird. Daten werden ähnlich wie in einer Tabelle gespeichert, wobei Spalten Datenattribute angeben und Zeilen die Entität oder das Objekt beschreiben, um das es in den Daten geht. Die meisten SQL-Datenbanken verwenden die strukturierte Abfragesprache („Structured Query Language“, SQL) für Benutzerdateninteraktionen – daher der Name. Sie sind relationale Datenbanken, da Sie Datenbeziehungen zwischen Tabellen speichern können.

Eine Produkttabelle enthält beispielsweise Spalten wie Produktname, Typ, Kosten usw., und eine Zeile enthält Werte für die einzelnen Produkte. Eine Kundentabelle enthält Spalten mit Kundennamen und Kontaktdaten. Sie können eine dritte Tabelle erstellen, die Kundendaten mit den von ihnen gekauften Produkten verknüpft.

Datenarchitektur ist das übergreifende Framework, das die Datenerfassung, -verwaltung und -nutzung eines Unternehmens beschreibt und regelt. Unternehmen verfügen heute über riesige Datenmengen, die aus verschiedenen Datenquellen stammen, und unterschiedliche Teams, die auf diese Daten für Analytik, Machine Learning, künstliche Intelligenz und andere Anwendungen zugreifen möchten. Moderne Datenarchitektur stellt ein zusammenhängendes System dar, das Daten zugänglich und nutzbar macht und gleichzeitig die Datensicherheit und -qualität gewährleistet. Sie definiert Richtlinien, Datenmodelle, Prozesse und Technologien, die es Unternehmen ermöglichen, Daten einfach zwischen Abteilungen zu verschieben und sicherzustellen, dass sie bei Bedarf verfügbar sind – einschließlich Echtzeitzugriff. Gleichzeitig wird die Einhaltung gesetzlicher Vorschriften in vollem Umfang unterstützt.

Ein unabhängiger Softwareanbieter (ISV) ist eine Organisation, die Softwareprodukte erstellt und verkauft, die unabhängig von der zugrunde liegenden Hardware und den Betriebssystemen sind. Die Softwarelösung löst in der Regel ein spezifisches Kundenproblem, wie etwa die Erstellung und Verwaltung von Verkaufs- oder Finanzdaten. Es könnte sich auch um eine Infrastruktursoftware handeln, die Datenspeicher, Sicherheit oder Authentifizierung unterstützt. Der Anbieter stellt die Softwarekompatibilität mit verschiedenen Hardwareplattformen sicher, um eine breite Kundenbasis anzusprechen.

Unabhängige Softwareanbieter (ISVs) verkaufen ihre Software in verschiedenen Formaten wie unbefristete Lizenzen, befristete Verträge oder Software as a Service (SaaS). Die Software wird an Kunden lizenziert, die Eigentumsrechte verbleiben jedoch beim unabhängigen Softwareanbieter.

Chatbots sind Programme oder Anwendungen, mit denen sich Benutzer mündlich oder schriftlich unterhalten können. Seit den ersten Chatbots in den 1960er-Jahren hat sich die zugrunde liegende Technologie verändert. Herkömmliche Chatbots verwenden vordefinierte Regeln, um mit Benutzern zu kommunizieren und skriptbasierte Antworten zu geben. Moderne Chatbots können dank natürlicher Sprachverarbeitung (NLP) Benutzer verstehen und komplexe Fragen sehr detailliert und genau beantworten. Ihre Organisation kann mit Chatbots die Kommunikation in allen Bereichen skalieren, personalisieren und verbessern, von Kundenservice-Workflows bis hin zum DevOps-Management.

Unter künstlicher Intelligenz (KI) für Unternehmen versteht man die Einführung fortschrittlicher KI-Technologien in großen Unternehmen. Der Übergang von KI-Systemen vom Prototyp zur Produktion bringt mehrere Herausforderungen in Bezug auf Skalierung, Leistung, Datenverwaltung, Ethik und Einhaltung gesetzlicher Vorschriften mit sich. Unternehmens-KI umschließt Richtlinien, Strategien, Infrastruktur und Technologien für den weit verbreiteten Einsatz von KI in einem großen Unternehmen. Auch wenn dies erhebliche Investitionen und Anstrengungen erfordert, ist Unternehmens-KI für große Unternehmen wichtig, da KI-Systeme immer mehr zum Standard werden.