Einsatz von KI im Unternehmen

Ihr Unternehmen hat sich für KI entschieden. Glückwunsch, was nun? Dieses praktische Buch bietet einen ganzheitlichen Plan für die Implementierung von KI aus der Perspektive der IT und des IT-Betriebs im Unternehmen. Sie erfahren etwas über die Fähigkeiten, das Potenzial, die Grenzen und die Herausforderungen von KI. In diesem Buch erfahren Sie, welche Rolle KI im Kontext etablierter Bereiche wie Design Thinking und DevOps, Governance und Change Management, Blockchain und Quantum Computing spielt, und diskutieren die Konvergenz von KI in diesen Schlüsselbereichen des Unternehmens.Deploying AI in the Enterprise bietet Anleitungen und Methoden zur effektiven Bereitstellung und Operationalisierung nachhaltiger KI-Lösungen. Sie lernen die Herausforderungen bei der Implementierung kennen, wie z. B. Probleme bei der KI-Operationalisierung und Hindernisse bei der Umsetzung von Erkenntnissen in umsetzbare Prognosen. Sie werden auch lernen, wie Sie die Schlüsselkomponenten der KI-Informationsarchitektur erkennen und welche Rolle sie für eine erfolgreiche und nachhaltige KI-Implementierung spielt. Und Sie werden verstehen, wie Sie KI effektiv einsetzen können, um die Nutzung von Kerninformationen in Master Data Management (MDM)-Lösungen zu verbessern.
Was Sie lernen werdenVerstehen der wichtigsten KI-Konzepte, einschließlich maschinelles Lernen und Deep LearningBefolgen von Best Practices und Methoden zur erfolgreichen Bereitstellung und Operationalisierung von KI-LösungenErkennen der kritischen Komponenten der KI-Informationsarchitektur und der Bedeutung eines PlansIntegration von KI in bestehende Initiativen innerhalb einer OrganisationErkennen der aktuellen Grenzen von KI und wie sich dies auf Ihr Unternehmen auswirken könnteBewusstsein für wichtige und aktuelle KI-Forschung schaffenIhre Denkweise anpassen, um KI von einem ganzheitlichen Standpunkt aus zu betrachtenMachen Sie sich mit den Möglichkeiten von KI in verschiedenen Branchen vertraut.
Für wen ist dieses Buch gedacht?IT-Profis, Datenwissenschaftler und Architekten, die sich mit den Herausforderungen bei der Implementierung und dem Betrieb von KI auseinandersetzen müssen und einen umfassenden Überblick darüber benötigen, wie sich KI auf andere geschäftskritische Bereiche auswirkt. Es ist keine Einführung, sondern richtet sich an Leser, die nach Beispielen für die Nutzung von Daten suchen, um daraus verwertbare Erkenntnisse und Vorhersagen abzuleiten, und die die aktuellen Risiken und Grenzen von KI verstehen und berücksichtigen müssen und wissen wollen, was dies in einem branchenrelevanten Kontext bedeutet.

Eberhard Hechler is an Executive Architect at the IBM Germany R&D Lab. He is a member of the Data and AI development organization and addresses the broader analytics scope, including machine learning (ML). After more than two years at the IBM Kingston Lab in New York, he worked in software development, performance optimization, IT/solution architecture and design, Hadoop and Spark integration, and mobile device management (MDM).Eberhard worked with Db2 on the MVS platform, focusing on testing and performance measurements. He has worked worldwide with IBM clients from various industries on a vast number of topics such as data and AI, information architectures, and industry solutions. From 2011 to 2014, he was at IBM Singapore, working as the Lead Big Data Architect in the Communications Sector of IBM's Software Group throughout the Asia-Pacific region.
Eberhard has studied in Germany and France, and holds a master's degree (Dipl.-Math.) in Pure Mathematics and abachelor's degree (Dipl.-Ing. (FH)) in Electrical Engineering. He is a member of the IBM Academy of Technology, and has co-authored the following books:: Enterprise MDM, The Art of Enterprise Information Architecture, Beyond Big Data, and Deploying AI in the Enterprise (Apress).
Maryela Weihrauch is an IBM Distinguished Engineer in the Data and AI development group for IBM Z Technical Sales, and is a Customer Success leader. She has extensive experience with relational databases in terms of systems, application, and database design. She is engaged with enterprises across the world and helps them adopt new data and analytics technologies. Her former roles in Db2 for z/OS development have involved determining a Db2 for z/OS strategy for HTAP (Hybrid Transaction and Analytics Processing), including the Db2 Analytics Accelerator strategy and implementation as well as Db2's application enablement strategy.
Maryela consults withenterprises around the globe on many data modernization initiatives and leads an effort to develop a methodology to determine the best data architecture for a given application based on data architecture decision criteria. Maryela holds two master's degrees in Computer Science from Technical University Chemnitz, Germany and California State University, Chico, California, USA. She holds a number of patents and is a member of the IBM Academy of Technology. She frequently shares her experience at conferences around the world.Yan (Catherine) Wu is the Program Director at the IBM Silicon Valley Lab. She is an engineering leader with deep expertise in data governance, artificial intelligence (AI), machine learning (ML), enterprise design thinking, and pragmatic product marketing. She has extensive experience working with large clients to discover use cases for data governance and AI, explore how the latest technologies can be applied to resolve real-world business challenges, and deploy these technologies to accelerate enterprise digital transformation. She has a proven track record in translating customer needs into software solutions while working collaboratively with globally distributed development, design, and offering management teams.
Prior to her current position at IBM US, Catherine was the Lab Director of the Data and AI development lab at IBM China. In these roles, Catherine demonstrated her ability to think horizontally and strategically to bring teams together to create innovative solutions for complex problems.
Catherine is an ambassador for the Women in Data Science organization (https://www.widsconference.org/). She is passionate about inspiring and educating data scientists worldwide, particularly women in this field. She organized WiDS regional events over the past three years. Catherine holds a master's degree in Computer Science from National University of Singapore, and a bachelor's degree in Computer Technology from Tsinghua University.

Teil I: Erste Schritte.- Kapitel 1: KI-Einführung.- Kapitel 2: Historische Perspektive der KI.- Kapitel 3: Schlüsselkonzepte für ML, DL und Entscheidungsoptimierung.- Teil II: KI-Einsatz.- Kapitel 4: KI-Informationsarchitektur.- Kapitel 5: Von Daten zu Vorhersagen zu optimalen Maßnahmen.- Kapitel 6: Die Operationalisierung von KI.- Kapitel 7: Design Thinking und DevOps im KI-Kontext.- Teil III: KI im Kontext.- Kapitel 8: Anwendung von KI auf Data Governance und MDM.- Kapitel 9: KI und Governance.- Kapitel 10: KI und Change Management.- Kapitel 11: KI und Blockchain.- Kapitel 12: KI und Quantum Computing.- Teil IV: Grenzen der KI und zukünftige Herausforderungen.- Kapitel 13: Grenzen der KI.- Kapitel 14: Zusammenfassung und Ausblick.- Kapitel 15: Anhang: Abkürzungen.