Eberhard Hechler ist Executive Architect im IBM Deutschland R&D Lab. Er ist Mitglied der DB2-Analytics-Accelerator-Entwicklungsgruppe und befasst sich mit dem breiteren Bereich Daten und KI auf IBM Z, einschließlich maschinelles Lernen für z/OS. Nach zweieinhalb Jahren im IBM Kingston Lab in New York arbeitete er in den Bereichen Softwareentwicklung, Leistungsoptimierung, IT/Lösungsarchitektur und -design, Open-Source-Integration (Hadoop und Spark) und Stammdatenmanagement. Er ist Mitglied des IBM Academy of Technology Leadership Teams und Co-Autor der folgenden Bücher: Enterprise MDM, The Art of Enterprise Information Architecture, und Beyond Big Data.Martin Oberhofer ist ein IBM Distinguished Engineer und Executive Architect. Er ist Technologe und technischer Leiter mit umfassender Erfahrung in den Bereichen Stammdatenmanagement, Data Governance, Datenintegration, Metadaten- und Referenzdatenmanagement, künstliche Intelligenz und maschinelles Lernen. Er versteht es, Kundenbedürfnisse in Softwarelösungen umzusetzen, und arbeitet mit global verteilten Entwicklungs-, Design- und Managementteams zusammen. Er leitet Entwicklungsteams, die agile und DevOps-Softwareentwicklungsmethoden anwenden. Er ist ein gewähltes Mitglied der IBM Academy of Technology und des TEC CR. Er ist ein zertifizierter IBM Master Inventor mit über 100 erteilten Patenten und zahlreichen Veröffentlichungen, darunter vier Bücher.
Thomas Schaeck ist IBM Distinguished Engineer bei IBM Data and AI und leitet Watson Studio on IBM Cloud (Cloud Pak for Data) Desktop und die Integration mit anderen IBM-Angeboten. Zuvor leitete er die Architektur und technische Strategie für IBM Connections, WebSphere Portal und IBM OpenPages. Außerdem leitete er die Architektur und technische Ausrichtung der WebSphere Portal Platform und die Entwicklung der WebSphere Portal Foundation, initiierte und leitete die Portalstandards Java Portlet API und OASIS WSRP und Apache Open Source Referenzimplementierungen und initiierte und leitete die Web 2.0 Initiative für WebSphere Portal.

Intermediate-Advanced user level

Vergleicht KI mit menschlichen kognitiven Fähigkeiten

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.

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.