Gemeinsame sache: Cerner und Amazon arbeiten künftig in Sachen Künstliche Intelligenz eng zusammen

2019 ◽  
Vol 24 (10) ◽  
pp. 70-71
Author(s):  
Alexandra Heeser
Keyword(s):  
Machine Learning ◽  
Central Europe ◽  
Business Development ◽  
Künstliche Intelligenz ◽  
Maschinelles Lernen

Das Gesundheits-IT Unternehmen Cerner und der Logistikriese Amazon arbeiten künftig im Bereich KI und maschinelles Lernen im Gesundheitswesen zusammen, um Innovationen im Gesundheitswesen weltweit voranzutreiben. Bereits in der Vergangenheit haben die beiden Branchenführer beim „Amazon Machine Learning Solution Lab“ kooperiert. kma spricht über den aktuellen Zusammenschluss mit Bernhard Calmer, Leiter Business Development Central Europe von Cerner.

Künstliche Intelligenz, Maschinelles Lernen und Big Data - Grundlagen, Marktpotenziale und wirtschaftspolitische Relevanz

2019 ◽  
Vol 48 (11) ◽  
pp. 34-41
Author(s):  
Volker Brühl
Keyword(s):  
Big Data ◽  
Künstliche Intelligenz ◽  
Maschinelles Lernen

Künstliche Intelligenz, maschinelles Lernen und Big Data sind zunehmend Gegenstand wirtschaftspolitischer Diskussionen, zuletzt auch im Zuge der Vorstellung der Industriestrategie 2030 durch das Bundeswirtschaftsministerium. Der Beitrag erläutert die wichtigsten Technologien und deren Bedeutung für die künftige Wettbewerbsfähigkeit der deutschen Wirtschaft. Da das globale Marktpotenzial „smarter“ Produkte und Dienstleistungen bei ca. 900 Mrd. USD im Jahr 2025 liegt, stellt sich die Frage, wie die Ergebnisse deutscher Spitzenforschung künftig rascher in marktfähige Produkte umgesetzt werden können.

Künstliche Intelligenz und Maschinelles Lernen: Hintergrund, Anwendungsfälle und Chancen für Medienunternehmen

2018 ◽  
Vol 15 (3) ◽  
pp. 30-35
Author(s):  
Christoph P. Mayer
Keyword(s):  
Künstliche Intelligenz ◽  
Maschinelles Lernen

Künstliche Intelligenz bezeichnet den Versuch, menschliche Entscheidungsstrukturen in einem Computer nachzubilden. Beispiele dafür sind automatische Bild-Erkennung oder passende Produktvorschläge. Die Hürden zur Anwendung solcher Technologien sind deutlich gesunken und stellen kein K.O.-Kriterium für Medienunternehmen mehr dar. Oft werden mit ihrer Nutzung grundsätzlich neue Geschäftsmodelle in Verbindung gebracht – ein Fehler: Die Technologien bieten viele Ansatzpunkte, um bestehende Prozesse in Medienunternehmen effizienter und intelligenter zu machen.

Künstliche Intelligenz und maschinelles Lernen in der Diabetesforschung

2021 ◽  
Author(s):  
Phong Nguyen ◽  
Alexander J. Ohnmacht ◽  
Ana Galhoz ◽  
Maren Büttner ◽  
Fabian Theis ◽  
...  
Keyword(s):  
Künstliche Intelligenz ◽  
Maschinelles Lernen

scholarly journals Künstliche Intelligenz-unterstützte Behandlung in der Rheumatologie

2021 ◽  
Author(s):  
Thomas Hügle ◽  
Maria Kalweit
Keyword(s):  
Künstliche Intelligenz ◽  
Maschinelles Lernen ◽  
Rheumatologische Erkrankungen

ZusammenfassungComputergesteuerte klinische Entscheidungssysteme finden seit Längerem Einzug in die Praxis. Deren primäre Ziele sind die Verbesserung der Behandlungsqualität, Zeitersparnis oder Fehlervermeidung. Meist handelt es sich um regelbasierte Algorithmen, die in elektronische Patientenakten integriert werden, z. B. um Medikamenteninteraktionen zu erkennen. Durch künstliche Intelligenz (KI) können klinische Entscheidungssysteme disruptiv weiterentwickelt werden. Aus Daten wird durch maschinelles Lernen konstant neues Wissen geschaffen, um individuelle Krankheitsverläufe bei Patienten vorherzusagen, Probleme schneller zu erkennen, Phänotypen zu identifizieren oder die Therapieentscheidung zu unterstützen. Solche Algorithmen für rheumatologische Erkrankungen gibt es bereits. Am weitesten fortgeschritten hierbei sind die automatisierte Bilderkennung sowie Vorhersagen zum Krankheitsverlauf bei der rheumatoiden Arthritis. Von nutzerfreundlichen, durch Schnittstellen vernetzten KI-Entscheidungssystemen kann aber noch nicht gesprochen werden. Zudem sind die Algorithmen oft noch nicht genügend validiert und reproduzierbar. Anstatt die KI-unterstützte Wahl der Behandlung dem Arzt oder der Ärztin vorzugeben, wird KI eher als hybride Entscheidungsunterstützung dienen – immer unter Einbezug sowohl des Experten als auch des Patienten. Es gibt zudem ein großes Bedürfnis nach Sicherheit durch nachvollziehbare und auditierbare Algorithmen, um die Qualität und Transparenz von KI-unterstützten Therapieempfehlungen nachhaltig zu gewährleisten.

scholarly journals KI‑Systeme

2021 ◽  
Vol 30 (3) ◽  
pp. 11-16
Author(s):  
Bernhard G. Humm ◽  
Stephan Lingner ◽  
Jan C. Schmidt ◽  
Karsten Wendland
Keyword(s):  
Big Data ◽  
Künstliche Intelligenz ◽  
Maschinelles Lernen

Künstliche Intelligenz (KI) ist – ebenso wie damit verknüpfte Techniken wie maschinelles Lernen und Big Data – in aller Munde. Die große Dynamik und Tragweite dieser Entwicklungen zeigen sich bereits in zahlreichen Anwendungsgebieten von Wirtschaft, Gesellschaft und Wissenschaft. Technikfolgenabschätzung (TA) von KI hat in diesem Zusammenhang zunächst die Aufgabe, etwaige überzogene öffentliche Erwartungen und Befürchtungen in sachliche, realistische Perspektiven zu transformieren. In einem zweiten Schritt kann TA entlang begründbarer Entwicklungsziele von KI und legitimer gesellschaftlicher Wertvorstellungen Impulse für die weitere, wünschbare Gestaltung von KI geben. Wenn TA diese Orientierungsaufgabe nah am technologischen Kern wahrnimmt, findet sie dabei große gestalterische Freiräume in frühen Phasen der Technikentwicklung vor. Die damit zusammenhängenden Gedanken werden im vorliegenden Einleitungskapitel konkretisiert und auf die Beiträge zu diesem Themenschwerpunkt angewendet.

Künstliche Intelligenz zur Entwicklung von Screening-Parametern im Bereich der kornealen Biomechanik

2019 ◽  
Vol 236 (12) ◽  
pp. 1423-1427 ◽  
Author(s):  
Sven Reisdorf
Keyword(s):  
Machine Learning ◽  
Künstliche Intelligenz ◽  
Corvis St ◽  
Screening Parameter

ZusammenfassungMachine Learning stellt insbesondere dann eine sinnvolle Alternative dar, wenn eine Datenanalyse mit wissensbasierten analytischen Methoden sehr aufwendig und schwierig ist. In solchen Fällen bietet sich auch eine Kombination aus analytischen Methoden und empirischen Methoden mittels künstlicher Intelligenz (KI) an. Die Entwicklung verschiedener Auswertefunktionen des Corvis ST ist hierfür ein konkretes Beispiel. In diesem Beitrag wird die Entwicklung dreier Screening-Parameter mittels KI beschrieben. Der Artikel zeigt, wie diese Entwicklungen im Bereich der Erkennung von klinischem und subklinischem Keratokonus sowie Glaukom-Screening klinisch hilfreich sind.

Panasonic übernimmt Blue Yonder für 6 Milliarden Euro

2021 ◽  
Vol 73 (17) ◽  
pp. 33-33
Author(s):  
Jörg Rode
Keyword(s):  
Machine Learning ◽  
Künstliche Intelligenz

Scottsdale/Osaka. Der japanische Elektronikkonzern Panasonic kauft für knapp 6 Mrd. Euro Blue Yonder. Das ist einer der weltgrößten Anbieter von Retail-Software – darunter Programme für Prognose und Auto-Dispo. Blue Yonder setzt stark auf Künstliche Intelligenz (KI) in Form von Machine Learning.

Logistik-Digitalisierung: Politik der kleinen Schritte

2019 ◽  
Vol 33 (07-08) ◽  
pp. 22-24
Keyword(s):  
Machine Learning ◽  
Supply Chain ◽  
Internet Of Things ◽  
Künstliche Intelligenz ◽  
Neue Technologien

Interview | Der globale SAP-Logistikpartner leogistics unterstützt Unternehmen bei der Transition aus der alten in die neue IT-Welt, in der Digital Supply Chain, beim Transportmanagement und der Werks- und Standortlogistik. Im Gespräch mit dieser Zeitschrift analysiert leogistics-CEO André Käber die Hürden der Digitalisierung und spricht über konkrete Chancen, die sich durch neue Technologien rund um das Internet of Things (IoT), Künstliche Intelligenz (KI) und Machine Learning für die Optimierung der Werks- und Transportlogistik nutzen lassen.

Spritzgießen 2019

2019 ◽  
Keyword(s):  
Machine Learning ◽  
Affective Computing ◽  
Technology Innovation ◽  
Künstliche Intelligenz

Inhalt Plenarvorträge Produktentwicklung einmal anders – effizient, flexibel, agil! Dr. rer. nat. S. Lambertz, Freudenberg Technology Innovation, Weinheim 1 Spreu und Weizen – Welche Automobilzulieferer schaffen den Strukturwandel, welche nicht? M.-R. Faerber, Managing Partner der Struktur Management Partner GmbH, Köln 7 Wenn Sinneswahrnehmungen digital werden und Technik fühlen lernt – Trends und Anwendungen des Affective Computing Dr.-Ing. J. Garbas, Fraunhofer IIS, Erlangen 9 Kurzberichte aus der Forschung Machine Learning zur Erkennung von Veränderungen beim Spritzgiessprozess Prof. Dr. F. Ehrig, Prof. Dr. G. Schuster, HSR Hochschule für Technik Rapperswil, Rapperswil, Schweiz 19 Steigerung von Produkt- und Prozessqualität beim Spritzgießen durch künstliche Intelligenz M.Sc. A. Schulze Struchtrup, M.Sc. M. Janßen, Prof. Dr.-Ing. R. Schiffers, Institut für Produkt Engineering, Universität Duisburg-Essen 27 I4.0 Pilotfabrik für die smarte Kunststoffverarbeitung Prof...

Sign in / Sign up

Export Citation Format

Share Document