Zusammenfassung
Dieses Kapitel gibt einen Überblick über die wichtigsten Technologien und Modelle, die gemeinhin unter dem Begriff der „Künstlichen Intelligenz“ zusammengefasst werden. Es geht darum, ein grundlegendes Verständnis der Funktions- und Arbeitsweise dieser Technologien zu entwickeln und Anwendungsfälle kennenzulernen. Wichtig hierbei ist auch, dass es sich trotz des Namens nicht um eine menschenähnliche Form der Intelligenz in Maschinen und Systemen handelt, sondern in erster Linie die Optimierung unterschiedlicher Prozesse das Ziel von KI-Anwendungen ist.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Agarwal, P. K.: Public Administration Challenges in the World of AI and Bots. Public Administration Review. Nov/Dec2018, Vol. 78 Issue 6, p917–921. 5p. 1 Black and White Photograph.
Aggarwal, Charu C.: Machine Learning for Text, Cham 2018
André, Elisabeth; Bauer, Wilhelm (Hrsg.): Kompetenzentwicklung für Künstliche Intelligenz – Veränderungen, Bedarfe und Handlungsoptionen. Whitepaper aus der Plattform Lernende Systeme, München 2021
Azarian, B.: A neuroscientist explains why artificially intelligent robots will never have consciousness like humans. Raw Story – Celebrating 18 Years of Independent Journalism, 2020
Becker, M.: Messung und Bewertung von Humanressourcen. Konzepte und Instrumente für die betriebliche Praxis, Stuttgart 2008
Bieser, J. et al. (Bitkom Hrsg.): Klimaschutz durch digitale Technologien. Chancen und Risiken, Berlin 2020
Boll, S.; Schnell, M. et al.: Mit Künstlicher Intelligenz zu nachhaltigen Geschäftsmodellen. Nachhaltigkeit von, mit und durch KI, München 2022
Bresnahan, T.F.; Brynjolfson, E.; Hitt, L.: Information Technology, Workplace Organization and the demand for skilled labour: Firm level Evidence, in: Quarterly Journal of Economics 117/2001, S. 339–376
Brynjolfson, E.; Hitt, L.; Yang, S.: Intangible Assets: Computer and organizational capital, Brookings Papers on economic activity, 2002, S.137–198
Bundesverband Digitale Wirtschaft (Hrsg.): Mensch, Moral, Maschine. Digitale Ethik, Algorithmen und Künstliche Intelligenz, Berlin 2019
Capgemini Research Institute (Hrsg.): Why addressing ethical question in ai will benefit organizations, o.O. 2020
Christen, M.: Wie programmiert man ethische Intuition?, in: Die Volkswirtschaft 12/2019
Cioffi, R; Travaglioni, Marta; Piscitelli, Giuseppina; Petrillo, Antonella; Felice, Fabio de: Artificial Intelligence and Machine Learning Applications in Smart Production: Progress, Trends and Directions, Sustainability 12(2) 2020
Damacharla, P., Javaid, A. Y., Gallimore, J. J., & Devabhaktuni, V. K.: Common metrics to benchmark human-machine teams (HMT): A review. IEEE Access, 6, 38637–38655, 2018
Doherty, Conor; Camina, Steven; White, Kevin; Orenstein, Gary: The Path to Predictive Analytics and machine Learning, Boston 2016
Ertel, Wolfgang: Grundkurs Künstliche Intelligenz. Eine praxisorientierte Einführung, Wiesbaden 2018
European Political Strategy Center (Hrsg.): The Age of Artificial Intelligence, Brussels 2018
Fitoussi, D.; Hitt, L.; Brynjolfson, E.: The IT Iceberg: Measuring the tangible and intangible computing assets, Working Paper 2004
Fraunhofer Allianz Big Data und Künstliche Intelligenz (Hrsg.): Quantum Machine Learning. Eine Analyse zu Kompetenz, Forschung und Anwendung, Sankt Augustin, 2020
Galaz, Victor; Centeno, Miguel; Callahan, Peter; Causevic, Amar; Patterson, Thayer; Brass, Irina; Baum, Seth; Farber, Darell; Fischer, Joern; Garcia, David; McPhearson, Timon; Jimenez, Daniel; King, Brian; Larcey, Paul; Levy, Karen: Artificial intelligence, systemic risks, and sustainability, Technology and Society, 2021
Goodfellow, Ian; Bengio, Yoshua; Courville, Aaron: Deep Learning, Frechen 2019
Graesser, Laura; Keng Wah Loon: Foundations of Deep Reinforcement Learning: Theory and Practice in Python, Boston 2019
Haller, Klaus: Structuring and Delivering AI Projects, S. 23–60. In: Managing AI in the Enterprise: Apress, Berkeley, CA, 2022
Heesen, J.; Grundwald, A.; Matzner, T.; Roßnagel, A.: Ethik Briefing, Leitfaden für eine verantwortungsvolle Entwicklung und Anwendung von KI-Systemen, München 2020
Herweijer, C., Combes, B., Ramchandani, P., Sidhu, J.: Fourth Industrial Revolution for the Earth: Harnessing Artificial Intelligence for the Earth. o.O. 2018
High Level Expert Group on Artificial Intelligence: Ethics Guidelines for trustworthy AI, Bruxelles 2019
Hofmann, P. et al.: KI-Anwendungsfälle zielgerichtet identifizieren, Wirtschaftsinformatik und Management 5/2020
Huang, M. H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of service research, 21(2), 155–172
Huchler, N. et al: Kriterien für die Mensch-Maschine-Interaktion bei KI. Ansätze für die menschengerechte Gestaltung in der Arbeitswelt, München 2020
Jacobs, J. et al.: Dynamisches Kompetenzmanagement – Kompetenzbedarfe früh erkennen, passgenaue Angebote ableiten. Ein Praxis-Leitfaden des Human-Resources Kreises von acatech (acatech DISKUSSION), München 2021
Kaplan, Jerry: Künstliche Intelligenz. Eine Einführung, Frechen 2017
Kienbaum, F.; Mecke, M. et al: Leadership in the age of technologically assisted decision making, Köln 2022
Kaack, Lynn; Donti, Priya; Strubell, Emma; Kamiya, George; Creutzig, Felix; Rolnick, David: Aligning artificial intelligence with climate change mitigation, hal-03368037, 2021
Koch, D.; Lentes, J.; Schuseil, F.; Waltersmann, L.: Nachhaltigkeit durch KI. Potenziale und Handlungsleitfaden für produzierende Unternehmen, Stuttgart 2022
Kramer, O.: Machine learning for evolution strategies. Studies in big data. Cham 2016
Kraus, T. et al.: Erklärbare KI. Anforderungen, Anwendungsfälle und Lösungen, Berlin 2021
Kreutzer, Ralf; Sirrenberg, Marie: Künstliche Intelligenz verstehen. Grundlagen – Use-Cases – unternehmenseigene KI-Journey, Wiesbaden 2019
Lämmel, Uwe; Cleve, Jürgen: Künstliche Intelligenz. Wissensverarbeitung – Neuronale Netze, München 2020
Lapan, Maximilian: Deep Reinforcement Learning, Frechen 2020
Ligozat, Anne-Laure; Lefevre, Julien; Bugeau, Aurelie; Combaz, Jacques: Unraveling the hidden environmental impacts of AI solutions for environment, 2021
Lottick, Kadan; Friedler, Sorelle; Wilson, Jonathan; Susat, Silvia: Energy usage reports. Environmental awareness as part of algorithmic accountability, Workshop on Tackling Climate Change with Machine Learning at the 33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada, 2019
Lozo, Olena; Onishchenko, Oleksii: The Potential Role of the Artificial Intelligence in Combating Climate Change and Natural Resources Management: Political, Legal and Ethical Challenges, Journal of Natural Resources, 4(3), 2021
Mock, M. et al.: Management System Support for trustworthy artificial intelligence, St. Augustin 2021
Moring, A.: AI on the Job, Wiesbaden 2021
Moring, A.; Just, V. et al: Systemdesign nachhaltiger Digitalisierung. KI-Methodenkoffer zur Messung von Umweltbelastungen im Einsatz von KI, sowie IoT und DLT, Wuppertal 2022
Müller, H.: Deus ex machina? Überlegungen zu einer Ethik der Künstlichen Intelligenz, 2020
Nabavi, Ehsan; Daniell, Katherine; Bentley, Caitlin: AI for sustainability. A changing landscape, Artificial Intelligence for better or worse, 2019
Poretschkin, M. et al: Leitfaden zur Gestaltung vertrauenswürdiger Künstlicher Intelligenz, St. Augustin 2021
Raschka, Sebastian; Mirjalili, Vahid: Machine Learning mit Python und Scikit-learn und TensorFlow, Frechen 2018
Rashid, Tariq: Neuronale Netze selbst programmieren, Heidelberg 2016
Rahwan, I., Cebrian, M., Obradovich, N., Bongard, J., Bonnefon, J. F., Breazeal, C., Wellman, M.: Machine behaviour. Machine Learning and the City: Applications in Architecture and Urban Design, 143–166, 2022
Russel, Stuart; Norvig, Peter: Artificial Intelligence: A Modern Approach, Essex 2016
Schmid, Thomas; Hildesheim, Wolfgang; Holoyad, Taras; Schumacher, Kinga: The AI Methods, Capability and Criticality Grid. A three dimensional classification scheme for artificial intelligence applications; KI Künstliche Intelligenz 35(3), S.425–440, 2021
Seeber, I., Bittner, E., Briggs, R. O., De Vreede, T., De Vreede, G. J., Elkins, A., Söllner, M.: Machines as teammates: A research agenda on AI in team collaboration. Information & management, 57(2), 2020
Stowasser, Sascha; Suchy, Oliver et al. (Hrsg.): Einführung von KI-Systemen in Unternehmen. Gestaltungsansätze für das Change Management. Whitepaper aus der Plattform Lernende Systeme, München 2020
Strubell, Emma; Ganesh, Ananya; McCallum, Andrew: Energy and policy considerations for deep learning in NLP, 2019
Warden, T., Carayon, P., Roth, E. M., Chen, J., Clancey, W. J., Hoffman, R., & Steinberg, M. L.: The national academies board on human system integration (BOHSI) panel: Explainable AI, system transparency, and human machine teaming. In Proceedings of the Human Factors and Ergonomics Society Annual Meeting (Vol. 63, No. 1, pp. 631–635). Sage CA: Los Angeles, CA: SAGE Publications, 2019
Wartala, Ramon: Praxiseinstieg Deep Learning, Heidelberg 2018
WBGU – Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen: Unsere gemeinsame digitale Zukunft. Zusammenfassung. Berlin: WBG, 2019
Wu, Carole-Jean; Raghavendra, Ramya; Gupta, Udit; Acun, Bilge; Ardalani, Nishwe; Maeng, Kiwan; Chang, Gloria; Behram, Fiona Aga; Huang, James; Bai, Charles; Gschwind, Michael; Gupta, Anorag: Sustainable AI: Environmental Implications, Challenges and Opportunities, 2021
Wynne, K. T., & Lyons, J. B.: An integrative model of autonomous agent teammatelikeness. Theoretical Issues in Ergonomics Science, 19(3), 353–37, 2018
Wynsberghe, Aimee van: Sustainable AI: AI for sustainability and the sustainability of AI, AI and Ethics, 2021
Xiong, W., Fan, H., Ma, L., & Wang, C.: Challenges of human—machine collaboration in risky decision-making. Frontiers of Engineering Management, 1–15, 2022
Xu, W.: Toward human-centered AI: a perspective from human-computer interaction. interactions, 26(4), 42–46, 2019
Yao, Haipeng; Jiang, Chunxiao; Qian, Yi: Developing Networks using Artificial Intelligence, Cham 2019
Zielinski, Oliver: Fachmagazin des August-Wilhelm Scheer Instituts. Heft 3, S. 14, 2020
Zweig, K.A. et al.: Wo Maschinen irren können. Verantwortlichkeiten und Fehlerquellen in Prozessen algorithmischer Entscheidungsfindung. Gütersloh: Bertelsmann Stiftung, 2018
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Moring, A. (2023). Funktion und Einsatz von Künstlicher Intelligenz. In: Künstliche Intelligenz und Intuition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-42018-5_2
Download citation
DOI: https://doi.org/10.1007/978-3-658-42018-5_2
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-42017-8
Online ISBN: 978-3-658-42018-5
eBook Packages: Business and Economics (German Language)