Mit den beiden Begriffen „Cyborgs“ und „Zentauren“ werden unterschiedliche Nutzungsweisen von Künstlicher Intelligenz im Arbeitsalltag umschrieben. Damit lassen sich spezifische Arbeitsstrategien kategorisieren, die jeweils beschreiben, wie KI in der operativen Tätigkeit integriert wird. Ziel ist es, diese unterschiedlichen Herangehensweisen dann hinsichtlich ihrer Effizienz und Effektivität zu analysieren.

Diese Klassifizierung geht zurück auf eine Studie der Harvard Business School in Zusammenarbeit mit der Boston Consulting Group (BCG) aus dem letzten Jahr, die untersuchte, wie unterschiedlich Künstliche Intelligenz von Mitarbeitern eingesetzt wird und welche Formen der Zusammenarbeit am erfolgversprechendsten erscheinen.

Ausgangspunkt: Metriken in der Consulting-Branche

Zweifelssohne kam den Autoren der Studie dabei die schon lange betriebene „Metrisierung“ von Arbeitserfolgen in der Consulting-Branche entgegen. In großen Beratungsgesellschaften wird oft auf das berühmt-berüchtigte, meist alle zwei Jahre stattfindenden „Up-or-Out“-Karrieremodell zurückgegriffen, wonach Berater, welche innerhalb festgelegter Zeiträume nicht die nächste Karrierestufe erreicht haben, das Unternehmen verlassen müssen. Auf diese Weise soll die Motivation und der permanente Kompetenzzuwachs der Mitarbeiter sichergestellt werden. Nicht zuletzt, um hier eine transparente Entscheidungsgrundlage schaffen zu können, wird daraus meist ein detailliertes Messystem errichtet, das Vergleiche zwischen den Mitarbeitern, aber auch mit zurückliegenden Leistungen ermöglicht.

Untersucht wurde nun, auf welche Art und Weise typische Instrumente der (generativen) KI verschiedene Mitarbeiter für Arbeitsaufgaben genutzt worden – und wie erfolgreich und effizient diese jeweils damit waren. Dabei kristallisierten sich zwei Phänotypen für die Integration von Künstlicher Intelligenz heraus: einerseits die der „Zentauren“ und andererseits jene der „Cyborgs„. Beide beschreiben jeweils zwei grundsätzliche Verhaltensweisen zur Anwendung von generativer KI im Arbeitsalltag. Während der Begriff der Zentauren sich auf das Mischwesen der griechischen Mythologie bezieht, bezeichnet das Kofferwort Cyborg, geformt aus den englischen „cybernetic“ und „organism“, meist Menschen, mit technisch angereicherten oder veränderten Körpern. Während der Zentaur – deutlich sichtbar voneinander abgegrenzt – einen menschlichen Oberkörper mit einem Pferderumpf aufweist, können die Veränderungen des Cyborgs potenziell an allen Stellen des Körpers erfolgen.

Zentauren und Cyborgs: Zwei Modelle der KI-Integration

Dieser Unterschied in der Genese der Beiden Mischwesen wird nun für die Beschreibung unterschiedlicher Herangehensweisen bei der Verwendung von KI herangezogen:

Cyborgs integrieren ihren Aufgabenablauf vollständig und interagieren permanent mit der Technologie. Sie delegieren nicht einfach nur Aufgaben, sondern verflechten ihre Aktivität intensiv mit der KI. Die Künstliche Intelligenz übernimmt dabei die Rolle des Kompetenzträgers, der das spezifische Know-How hat und durch die Arbeitskraft „angezapft“ wird.

Zentauren entscheiden hingegen situativ, welche Aktivitäten sie delegieren oder selbst übernehmen auf der Grundlage der jeweiligen Stärken und Fähigkeiten. Der einzelne wägt also ab, was er selbst in der Lage ist, einzubringen und an welchen Stellen sinnvollerweise auf die KI zurückgegriffen wird. Es gibt keine vollumfängliche Verschmelzung. Mitarbeiter, die dieser Kategorie zuzurechnen sind, versuchen stets bei der Evaluation und Auswahl der Optionen im „Sattel“ zu bleiben. KI ist demnach in diesem Fall eher Assistent und Sparringspartner. Das Know-How wird eher beim Menschen verankert, Ideen werden durch Feedback der KI „gespiegelt“.

Wer ist erfolgreicher – Cyborgs oder Zentauren?

Bei der Beurteilung der erbrachten Leistungen zeigte sich, dass Berater, die standardmäßig generative KI einsetzten – also die „Cyborgs“ -, sich grundsätzlich bei klassischen (standardisierten) Beratungsaufgaben als erfolgreicher und effizienter erwiesen. Sie waren also etwa schneller bei Berechnungen von Kennzahlen oder wenn es galt, Excel-Sheets zu befüllen und zu analysieren.

Aber obwohl dieser Vorsprung für den überwiegenden Teil der Beratertätigkeiten nachgewiesen werden konnte: Bei Aufgaben außerhalb des klassischen Leistungsspektrums, sofern Informationen jenseits reiner zahlenbasierter oder analytischer Prozesse verarbeitet werden mussten, waren die Zentauren erfolgreicher, also wenn es insbesondere galt, mittels Kreativität Probleme zu lösen.

Sind Zentauren kreativer und innovativer?

Das mag als ein Fingerzeig zu interpretieren sein, wie wir grundsätzlich auf generative KI im Arbeitsalltag zurückgreifen sollten: Ohne Zweifel bestehen durch den Rückgriff auf in vielen Situationen Chance für Effizienzgewinne, für schnelleres, auch effektiveres Arbeiten. Gleichwohl tendieren die zugrundeliegenden Modelle oft dazu, sich an einem Art Durchschnitt zu orientieren. Sie basieren auf Wahrscheinlichkeiten und Passgenauigkeiten, die sie aus den gesammelten Daten berechnen. Sie favorisieren damit oft vermeintlich populäres und nicht unbedingt außergewöhnliches. Brillantes ist somit eher selten zu erwarten, stattdessen besteht die Gefahr von Qualitätseinbußen durch die Produktion von „Einheitsbrei“.

Vermutlich liegt die optimale Lösung in der Mitte, zwischen den Verhaltensweisen der beiden Grundtypen der Zentauren und Cyborgs. Generative KI kann gerade in der Schreibtischarbeit ein probates Mittel zur Effizienzsteigerung sein. Es besteht aber offensichtlich ein Trade-Off zu Kreativität und Innovation. Natürlich lassen sich die Gefahren des Mittelmaßes durch ein überlegteres und iteratives Prompting reduzieren.  Aber in der Konsequenz bedeutet das, dass man in der Lage sein muss, erkennen zu können, wann situatives Abweichen von der Norm richtig und angebracht ist. Dies setzt jedoch eine tiefere Vertrautheit mit der Technik und eine ausreichende fachliche Kompetenz voraus, die erst erworben werden muss. Wenn aber gleich zu Beginn eine zu starke Verlagerung von Kompetenz auf die KI erfolgt, dürfte es schwer sein, ausreichende Fähigkeiten zur Beurteilung der Leistungsfähigkeit der Systeme überhaupt zu erwerben.

Wie und wo sollen die notwendigen Kompetenzen erworben werden?

Folglich ist eine stufenweise Herangehensweise erforderlich, die durch den Einzelnen zu erlernen ist. Die Frage drängt sich dann natürlich auf, wann und wo das passieren soll. In der Schule? In der Berufsausbildung, an der Hochschule? Oder „on-the-job“, im Beruf? Bisher stehen wir bestenfalls am Anfang dieser Diskussion, die wir jedoch dringend führen sollten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Buecher zu diesem Thema

Der Beitrag Von Zentauren und Cyborgs: wie wir KI in den Arbeitsalltag integrieren erschien zuerst auf Nerdwärts.de.

Diese „3 A“ des KI-Marketings umfassen:

•             Analysieren

•             Automatisieren

•             Autonom agieren.

Alle drei Kategorien beschreiben grundlegende Einsatzbereiche für KI. Die Basis dafür bildet stets eine zunehmend angereicherte Form der Datenverarbeitung. Die hinter dieser Leistung stehende „Intelligenz“ nimmt dabei schrittweise zu.

Der Aspekt des Analysierens umfasst sämtliche Aufgaben der Datenerfassung und Dateninterpretation. Damit wird zugleich die Grundlage für die Funktionsfähigkeit intelligenter Systeme geschaffen sowie auch die für jede Form von Marketing wichtige Funktion der Informationserhebung und Schaffung von Entscheidungsgrundlagen beschrieben.

Automatisieren bezieht sich auf die darauf aufbauende Fähigkeit, weitgehend losgelöst vom weiteren individuellem Eingreifen, eben „automatisch“, zwar grundsätzlich eigenständig, aber entlang vorab definierter Rahmenbedingungen spezifische Aufgaben auszuführen.

Autonom agieren beschreibt hingegen eine eigenständige Handlungsfähigkeit eines Systems, auch ohne eine „Rückkoppelung“ mit festgesetzten „Aktionsmaximen“ und die Befähigung, womöglich eigene autonome Prozesse ohne menschliches Zutun zu etablieren.

Im Detail soll dieses Stufenmodel im Folgenden beschrieben werden:

 „A“ wie „analysieren“: Daten sammeln und strukturieren, Muster und Gesetzmäßigkeiten ableiten.

Wie schon angeführt, spielt die Verarbeitung von Daten zum Ziel der Informationsgewinnung im Marketing schon seit längerem eine zunehmend tragende Rolle. Das Diktum „Kenne Deinen Kunden!“ prägt die Arbeit in den Vertriebs- und Werbeabteilungen vieler Unternehmen; „Kennen“ und „Kunde“ haben den gleichen Wortursprung, sie sind etymologisch verwandt. Nur wenn die Vorlieben und Bedürfnisse und die Verhaltensweisen der Kunden bekannt sind, ist eine zielgerichtete Bearbeitung der Märkte möglich.

Gleiches gilt für die Anforderungen der Märkte selbst: Welche Bedingungen bestehen dort? Welche Konkurrenten existieren und wie verhalten sich diese? Zeichnen sich grundlegende Veränderungen und Trends ab, die das Marktgeschehen beeinflussen könnten? Diese und ähnliche Fragestellungen treibt Unternehmen nicht erst seit der Digitalisierung um. Die Analyse von Datenmaterial steht am Anfang aller KI-Tätigkeit. Daten bilden gewissermaßen die „Nahrung“ künstlicher Intelligenz, mit ihnen werden Künstliche Neuronale Netzwerke gefüttert, auf ihrer Basis können Algorithmen lernen und zielgerichtete Ergebnisse liefern. Wenn wir also von KI im Marketing sprechen, so bezieht sich dies zwangsläufig auf eine Form der „Daten getriebenen“ Marktbearbeitung – mindestens unterstützt oder auch maßgeblich gesteuert durch intelligente, autonom agierende Systeme. Die „intelligente“ Leistung besteht damit dann in der eigenständigen Prognose, nicht basierend auf menschlichen Annahmen und „Dreisätzen“, sondern darin, unabhängig davon Muster und Gesetzmäßigkeiten zu identifizieren.

Auf diese Weise werden nicht nur die Grundlage für automatisiertes oder autonomes Handeln geschaffen, sondern gleichzeitig auch bereits wichtige Erkenntnisse für das operative Marketing gewonnen. Neben allgemeinen Informationen zu Kunden und Märkten und der Identifizierung von „Trends“, finden diese Verwendung beispielsweise bei der Ansprache potenzieller Vertriebskontakte und der Vermeidung von Streuverlusten durch die daraus resultierende Möglichkeit der Individualisierung und Personalisierung.

Auch unternehmensinterne Informationssysteme können durch KI unterstützt oder maßgeblich geprägt werden. Die Vielzahl an Daten unterschiedlichster Herkunft und Beschaffenheit – „strukturiert“ oder „unstrukturiert“, in Text-, akustischer oder visueller Form – verhindert oft eine Erfassung und Auswertung nach herkömmlichen Methoden. Auch hier können Ansätze künstlicher Intelligenz womöglich Abhilfe schaffen. Diese in der Praxis teilweise auch als „Insight Engines“ bezeichneten Systeme decken Zusammenhänge auf und machen Wissen auf eine Art und Weise zugänglich, wie dies zuvor bestenfalls bei Googles Knowledge Graph bekannt war, indem diese ohne menschliche Anleitung sinnhafte Beziehungen von einzelnen Informationen untereinander ermitteln und diese durch eine entsprechende Abbildung für den Menschen zugänglich und konsumierbar machen.   

Um überhaupt zunächst ein KI-System „füttern“ zu können, bedarf es einer großen Anzahl von Datensätzen, die Rückschlüsse auf sinnvolle Kausalitäten und mögliche Wechselbeziehungen zwischen einzelnen Datenmerkmalen („Items“) zulassen. Nur wenn die Datenbasis qualitativ wie quantitativ höchsten Anforderungen genügt, sind diese Systeme auch in der Lage, einen sinnvollen und substanziellen Beitrag zum Unternehmenserfolg zu leisten.

Der Vorteil maschinellen Lernens, insbesondere von Deep Learning, gegenüber klassischen Verfahren des Data Minings liegt in der Fähigkeit, großen Mengen an Daten zu verarbeiten und dabei unter Umständen Zusammenhänge herzustellen, die bei herkömmlichen Vorgehensweisen nicht hätten erkannt werden können. Um dies sicher zu stellen, ist es noch wichtiger als in der rein menschlichen veranlassten Algorithmik, dass die zugrundeliegenden Daten „fehlerfrei“ vorliegen, denn mit steigendem Autonomiegrad eines Systems erhöhen sich auch die Schwierigkeiten, im Nachhinein eine unerwünschte oder schlichtweg „falsche“ Ausgabe auf den eigentlichen Fehler zurückzuführen, da der Pfad der Ergebnisfindung womöglich nur noch schwer nachzuvollziehen ist.

„A“ wie „automatisieren“: eigenständig Aufgaben innerhalb eines definierten Handlungsrahmens erfüllen

Schon seit geraumer Zeit hat sich der Begriff der Marketing Automation im digitalen Marketing etabliert. Dabei geht es um die weitgehend unabhängig vom menschlichen Eingriff ablaufende Abwicklung verschiedener, sich wiederholender Marketingprozesse in den einzelnen Segmenten des Marketing-Mix, wenngleich der Schwerpunkt in der Praxis auf der Verzahnung von Werbe- und Vertriebstätigkeiten liegt. Hier besteht seit längerem ein wachsender Markt von gewerblichen Anbietern, deren Leistungsportfolio sich durch den Rückgriff auf Technologien aus dem KI-Umfeld zunehmend erweitert.

Grundsätzlich lässt sich Marketing-Automation in drei grundlegende Bereiche unterteilen:

• Marketing Workflow Management (die Automatisierung der internen Marketingprozesse)

• Marketing Intelligence (die automatisierte Sammlung und Auswertung von Daten) und

• Marketing Dialogue Processing (automatisierte Abwickeln und/oder Steuern des Kundendialogs)

Zu den Details, hier entlang.

„A“ wie „autonom agieren“: eigenständige Handlungsfähigkeit und autonome Prozesse etablieren

Die Endstufe zum Einsatz von KI im Marketing markiert zweifelsohne deren völlige Eigenständigkeit. Gleichwohl ist festzuhalten, dass natürlich der Nutzen eines „vollständig autonomen Systems“ für die betriebliche Tätigkeit eines Unternehmens wohl kaum zielführend wäre, wenn nicht eine wie auch immer geartete Abgleichung mit dessen Zielen an irgendeiner Stelle stattfindet. Auch dürften derartige „singuläre“ Fähigkeiten im Moment technisch noch schwer abbildbar sein. Nichtsdestotrotz zeichnet sich bereits jetzt schon ein fließender Übergang zwischen „automatisierten“ und zumindest „teil-autonomen“ Ansätzen ab, insbesondere, wenn der oben angeführte Ansatz des Verstärkungslernens zum Einsatz kommt. Eine exakte Klassifizierung nach „automatisiert“ und „autonom“ gestaltet sich somit allerdings schwierig.

„Autonomie“ steht für „Selbstbestimmung“, was gleichbedeutend ist mit der Freiheit von extern aufgestellten Normen. In der Psychologie wird der Begriff auch mit „Willensfreiheit“ gleichgesetzt. Ein autonomes System ist nicht an zuvor definierte Regeln gebunden, sondern kann seinerseits neue Regelwerke aufstellen und diese selbsttätig zur Maßgabe des eigenen Handelns machen – oder auch wieder verwerfen, wenn sich eine andere Herangehensweise als sinnvoller erweist. Eine solche KI muss jedoch nicht zwingend einer der Science Fiction entlehnten „Zielvorstellung“ einer umfassenden, „generellen“ künstlich geschaffenen Intelligenz entsprechen, die in der Lage ist, vollumfänglich menschliche Verhaltensweisen und Denkmuster nachzubilden. Ein hoher Autonomiegrad kann auch innerhalb bestimmter, abgegrenzter Funktionsfelder und für spezifische Aufgabenstellungen erzielt werden.

Anwendungsgebiete der 3A

Derartige Ansätze, die auf eine hohe Eigenständigkeit des intelligenten Systems innerhalb eines definierten Aktionskorridors setzen, finden sich insbesondere in der intelligenten Verkehrssteuerung, beim „autonomen“ Fahren, militärische Anwendungen – Drohnen, militärische Robotersysteme – zählen ebenso hierzu. Auch diese werden natürlich nicht frei von jeglichen Regeln „trainiert“, sondern auf Basis eines vorab festgelegten „Verhaltenskodexes“ (beispielsweise Verkehrsregeln, „Entschlüsselung“ und Bedeutung von Verkehrsschildern) „angelernt“. 

Dabei steht beim Lernen dieser Systeme oft eine Ergebnisorientierung im Vordergrund. Je nach Aufgabe erscheint nicht zwingend der Weg hierzu entscheidend, sondern ist stattdessen allein oder in erster Linie die tatsächliche Erreichung eines in irgendeiner Form quantifizierbaren Zieles Ausschlag gebend. Daher stellt, wie bereits erwähnt, das Reinforcement Learning meist eine sinnvolle Trainingsmethode in diesem Kontext dar. Dieses kann aber durchaus zuvor, auf dem Weg zur Autonomie, durch die anderen Trainingsverfahren flankiert werden oder auf deren Ergebnissen aufbauen.

Im betriebswirtschaftlichen Aufgabenfeldern, insbesondere im Marketing, scheinen entsprechende Entwicklungen noch vergleichsweise schleppend voranzugehen. Wir befinden uns derzeit offensichtlich noch sehr am Anfang des Weges von der Marketing-Automation zur Marketing-Autonomisierung durch KI. Gleichwohl zeichnen sich auch hier erste Anwendungsmöglichkeiten ab. Intelligente Systeme, die eigenständig Kennzahlen und KPIs („Key Performance Indicators“) aus einer Vielzahl an im Unternehmen vorliegender Daten ermitteln und deren Erfolgswirksamkeit von der KI selbst anhand der späteren Entwicklungen in der Realität autonom evaluiert wird oder auch wirklich „intelligente“ und eigenständig handelnde Bots im Kundenservice oder Vertrieb, die nicht nur vorab fest definierten Protokollen folgen, sondern selbständig durch „Trial and Error“ erfolgreiche Prozeduren etablieren, könnten mögliche Beispiele hierfür sein.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Die 3A des KI-Marketings erschien zuerst auf Nerdwärts.de.

Vortragsreihe Digitale Wirtschaft Hochschule Hof 2018

Bereits zum vierten Mal, nach 2015, 2016 und 2017 geht es wieder um Digitalisierung, um Daten und die Erprobung dieser Themen in der Praxis. Ab 17.10. lädt die Fakultät Wirtschaft der Hochschule Hof, diesmal unterstützt durch den Alumniverein der Hochschule sowie dem Hofer „Institut für Informationssysteme“ (iisys) und dem Digitalen Gründerzentrum EINSTEIN1 , zur alljährlichen Vortragsreihe, etwa zu Themen wie Chatbots, Digitalem Vertrieb und der Gründung von (digitalen) Unternehmen. Neben den schon in den vergangenen Jahren diskutierten Themen, wie Künstliche Intelligenz oder Blockchain, werden auch das Thema Daten grundsätzlich und  ökonomisch sowie der gesellschaftliche, rechtliche und ethische Umgang damit thematisiert. Letzteres erstmalig im Rahmen einer Podiumsdiskussion.

Das komplette Programm als PDF finden Sie hier.

Es ist geplant, alle Vorträge aufzuzeichnen, diese sollen dann anschließend über den Youtube-Kanal der Hochschule und diese Website zugänglich gemacht werden.

Zu den Vorträgen im Einzelnen:

17.10. 2018
Prof. Dr. Andreas Wagener

Willkommen in der Matrix!
– Wie KI und Blockchain in der Industrie 4.0 zusammenwachsen.

Beschreibung:
Die Kombination der beiden digitalen Schlüsseltechnologien Künstliche Intelligenz und Blockchain könnte für eine neue Stufe der industriellen Entwicklung sorgen. Autonom entscheidende Systeme, die sich unabhängig von menschlicher Einflussnahme verständigen und eigenständig Transaktionen durchführen, würde eine weitere Phase der maschinellen Automation einläuten, gewissermaßen die „Industrie 5.0“. Damit entstünde womöglich nicht nur ein neuer Wirtschaftssektor, auch für uns Menschen hätte dies erhebliche Konsequenzen – Willkommen in der Matrix!

24.10.2018
Prof. Dr. Michael Seidel & Herrmann Hohenberger (Geschäftsführung Einstein1)

EINSTEIN1 – Aufbau eines digitalen Startup-Ecosystems im ländlichen Raum

Beschreibung:
Trotz kontinuierlich sinkender Gründungsraten ist Deutschland auf einmal im Startup-Hype. Formate wie die Fernsehsendung „Die Höhle der Löwen“ und zahllose Gründerevents machen Startup-Gründer zunehmend kultig und attraktiv. Noch ist offen, ob dies nur ein Phänomen der Metropolen ist. Das Digitale Gründerzentrum EINSTEIN1 baut derzeit ein Ökosystem für Tech-Gründer am Campus der Hochschule Hof auf. Dabei steht die Vernetzung von Startups mit regionalen mittelständischen Unternehmen im Fokus. Die Region Oberfranken verfügt mit einer der höchsten Industriedichten europaweit dafür über enormes Potenzial. Der Vortrag zeigt an Beispielen die Nutzenaspekte auf, geht aber auch auf die Herausforderungen ein, die sich aus solchen Corporate-Startup-Partnerships ergeben. Darüber hinaus beleuchtet er die Erfolgsfaktoren für die neue Generation bayerischer Gründerzentren am Beispiel Hochfranken.

07.11.2018
Prof. Dr. Chris Schmiech & Prof. Dr. Henning Schröder

Künstliche Intelligenz und Industrie 4.0 in der praktischen Umsetzung: Was funktioniert wo? Wo liegen Chancen und Herausforderungen?

Beschreibung:
Double Feature – zweiteiliger Vortrag:
Technologien die im Rahmen der Digitalisierung/KI grundsätzlich Verwendung finden haben in den vergangenen Jahren enorme Entwicklungsfortschritte vorzuweisen. Was bedeutet das jedoch für den praktischen Einsatz in den Unternehmen? Was für den Mittelstand? In welchen Bereichen und Branchen finden wir bereits einen hohen Grad an Digitalisierung? Wo liegen zukünftige Potentiale und Herausforderungen?
Prof. Dr. Chris Schmiech wird einen allgemeinen Überblick über den aktuellen Status, sowie über Chancen und Herausforderungen geben.
Prof. Dr. Henning Schröder wird mit der Marktforschung eine Branche besonders beleuchten, für die die Erfassung und Bereitstellung von Daten und Informationen zum Kerngeschäft gehört.

14.11.2018
Prof. Dr. René Peinl

Mit Dingen reden – Chatbots und digitale Sprachassistenten

Beschreibung:
Vor 30 Jahren wurden Computermäuse als Spielerei belächelt, vor 15 Jahren erschien es absurd mit dem Finger auf dem Bildschirm zu tippen, heute wollen viele nicht mit dem Computer reden. Benutzerschnittstellen ändern sich im Laufe der Zeit und neue Eingabeformen ergänzen bestehende. Experten prophezeien, dass Alexa, Cortana und Co eine ähnliche Revolution auslösen werden, wie das iPhone 2007. Natürlichsprachige Eingabe ist das Ziel. Für einfache Fragen und Antworten funktioniert das schon heute. Die hohe Kunst ist das Conversational User Interface, in dem der Computer Kontext-spezifische Nachfragen stellt und man einen echten Dialog führt. Wie wird das in Zukunft funktionieren und was davon geht schon heute?

05.12.2018
Prof. Dr. Andreas Wagener & Prof. Dr. iur. Martin Wachovius

Wie der Staat mit unseren Daten umgeht – Was ist gesellschaftlich akzeptabel, was ist rechtlich zulässig?

Beschreibung:
Double Feature – zweiteiliger Vortrag:
Prof. Dr. Andreas Wagener spricht über die Relevanz von Daten aus gesellschaftlicher und bürgerlicher Perspektive. Wiegt der Wunsch nach Sicherheit Einschränkungen der bürgerlichen Selbstbestimmung auf? Oder gefährdet der Datenhunger der Politik die Demokratie?
Prof. Dr. iur. Martin Wachovius widmet sich im Anschluss der rechtlichen Bewertung: Ist der Umgang des Staates mit Daten vereinbar mit dem Grundrecht auf informationelle Selbstbestimmung?

12.12.2018
Prof. Dr. Stefan Wengler

Market Intelligence im Vertrieb

Beschreibung:
Die Intensivierung des Wettbewerbs sowie die zunehmende Transparenz durch das Internet zwingen viel Unternehmen, näher an ihre Kunden heranzurücken – und vor allem mehr über ihre Kunden zu wissen. Über Möglichkeiten und Strategien, sich eine adäquate Market-Intelligence-Struktur im Vertrieb aufzubauen und zukünftig direkter – durchaus auch an den etablierten Vertriebsstufen vorbei – mit dem Kunden in Kontakt zu treten und Geschäft zu tätigen, spricht Prof. Dr. Wengler im Rahmen seines Vortrages.

23.01.2018
Podiumsdiskussion:
Kampf um Daten – wer hat künftig die Macht?
Verantwortung und Ethik in der digitalen Gesellschaft

Beschreibung:
In dieser Diskussionsrunde werden namhafte Persönlichkeiten der Region das Thema „Daten-Ethik“ aus verschiedenen Blickwinkeln beleuchten, um das Für und Wider in einem breiten Dialog zu diskutieren. Ziel ist es, über den aktuellen Stand zu informieren und zu sensibilisieren. Da das Thema einer sehr hohen Dynamik unterliegt, kann aktuell nur eine Momentaufnahme geboten werden. Ausgehend von gelungenen IT-Projekten, bei denen die Daten verantwortungsbewusst verwendet werden, wird der Bogen gespannt von Maschinenanweisungen für Menschen über „Predictive Policing“ bis hin zum Konzept des „ehrbaren Informatikers“.

(Die Organisatoren behalten sich kurzfristige Änderungen im Programm vor. Der aktuelle Stand ist der Website der Hochschule Hof zu entnehmen.)

Die aufgezeichneten Vorträge des vergangenen Jahres finden Sie hier.

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Vierte Staffel der öffentlichen Vortragsreihe Digitalisierung der Hochschule Hof ab Oktober erschien zuerst auf Nerdwärts.de.