Sigurd Schacht beschäftigt sich seit mehr als zehn Jahren in Theorie und Praxis mit betriebswirtschaftlichen Datenanalysen und der Prüfung von SAP-Systemen. Seit drei Jahren beschäftigt er sich in Forschung und Lehre zusätzlich mit der Distributed-Ledger-Technologie.
Carsten Lanquillon beantwortet seit mehr als 20 Jahren unternehmerische Fragestellungen erfolgreich mit Hilfe maschineller Lernverfahren.
Im Data Science Lab an der Hochschule Heilbronn erforschen und transferieren die beiden Professoren Big-Data- und Blockchain-Technologien zur Steigerung des Unternehmenswertes.

Zusammentragen der wesentlichen Distributed-Ledger-Technologien (DLT), insbesondere Blockchain, Tangle, Blöcke auf Basis von Hashbäumen, u.a. und Herausarbeitung der Anwendungsgebiete, Vor- und Nachteile diese Technologien mit maschinellem Lernen (ML) zu verbinden.

Einleitung.-DLT und Blockchain-Grundlagen: Kurze Hinführung zum Thema Blockchain, DLT und deren Komponenten.-Machinelles Lernen Überblick und Möglichkeiten.-Blockchain und maschinelles Lernen, Überblick des Forschungsstandes.-Wie kann die DLT mit ML verbessert werden?.-Wie kann ML von DLT profitieren?.-Der Analystics-Marktplatz - Ordnungsrahmen für eine Kombination beider Technologien.-Anwendungsorientierte Sicht: Use Cases im Energiesektor.

Durch Bitcoin wurde die Blockchain als zugrundeliegende Technologie bekannt. Sie zählt zu den Distributed-Ledger-Technologien, die zukünftig viele Bereiche des wirtschaftlichen Handels beeinflussen werden. So bergen dezentrale autonome Anwendungen enormes Potenzial, nicht nur Prozesse, sondern auch Vertragsabstimmungen zu automatisieren. Beispielsweise kann ein automatisiertes wirtschaftliches Handeln zwischen Maschinen ermöglicht werden. Um einen derart hohen Automatisierungsgrad zu erreichen, müssen datenbasierte Entscheidungen autonom - ohne menschliches Zutun - getroffen werden. Maschinelle Lernverfahren können dabei eine zentrale Komponente bei der Entscheidungsfindung einnehmen. Das Buch stellt erstmalig die komplementären Themengebiete Distributed-Ledger-Technologie und maschinelles Lernen gegenüber und zeigt auf, welches Potenzial freigesetzt werden kann, wenn beide Technologien zielführend miteinander verbunden werden. Das Buch ist eine unverzichtbare Lektüre für diejenigen, die sich tiefgreifendes Wissen in der Kombination beider Themengebiete aufbauen wollen, indem einerseits die theoretischen Grundlagen und andererseits auch mögliche Anwendungsszenarien dargestellt werden.