Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2023 | OriginalPaper | Buchkapitel

1. Künstliche Intelligenz: Chance oder Risiko für das Unternehmertum der Zukunft?

verfasst von : Lars Heim, Sebastian Gerth

Erschienen in: Entrepreneurship der Zukunft

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Künstliche Intelligenz hat in den letzten Jahren stark an Bedeutung gewonnen und gilt als wesentlicher Trend zukünftiger Wirtschafts- und Gesellschaftsentwicklungen. Unternehmen sehen in der Anwendung von KI große Chancen, beispielsweise durch automatisierte Prozesse, die Zeit und Kosten sparen sowie verbesserte Entscheidungen durch die Analyse großer Datenmengen. KI kann auch dazu beitragen, neue Produkte und Dienstleistungen zu entwickeln und die Kundenbindung zu verbessern. Allerdings birgt die zunehmende Verbreitung von KI auch Risiken, wie die Veränderung von Arbeitsplätzen durch Automatisierung und ethische Herausforderungen, die sich z. B. aus der Verarbeitung persönlicher Daten ergeben. Unternehmen müssen daher sorgfältig abwägen, wie sie KI einsetzen, um die Chancen zu nutzen und die Risiken zu minimieren. Eine wichtige Rolle spielt hierbei auch die Investition in Weiterbildung und die Entwicklung von Fähigkeiten, welche die Mitarbeiter fit für die Zukunft machen. Insgesamt ist KI ein wichtiger Treiber für die digitale Transformation und kann Unternehmen helfen, sich erfolgreich an die Herausforderungen der Zukunft anzupassen, wenn sie sorgfältig geplant und umgesetzt wird.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Daten und Informationen – Das Geschäft mit dem Öl des 21. Jahrhunderts
Fußnoten
1
Bloße Wenn-Dann-Reaktionen (Stimulus-Response) erfordern keine Intelligenz, denn die Wirkung bzw. Reaktion auf einen Reiz kann schlicht dualistischer Natur (0/1, ja/nein) sein – ähnlich wie bei einem Lichtschalter, dessen Betätigung das Licht ein- oder ausschaltet. Eine Intelligenz würde dem Lichtschalter vermutlich niemand attestieren, wohl aber vielleicht demjenigen, der ihn aus einem bestimmten Grund bedient. Dieser kombiniert Informationen, die überhaupt erst zur Betätigung des Schalters aufgrund einer elaborierten und damit wahrgenommenen Notwendigkeit führen – also z. B. die Wahrnehmung mit den Augen (Input), dass es dunkel im Zimmer ist und daher Abhilfe durch Anschalten des Lichtes per Schalter geschaffen werden muss. Es erfolgt daher ein Inbezugsetzen von unterschiedlichen Informationen (Verarbeitung) mit dem Ergebnis der Schalterbetätigung (Output).
 
2
Aktuelle entwicklungspsychologische Forschungen betonen jedoch auch, dass Menschen bereits vor, v. a. aber auch unmittelbar nach ihrer Geburt zu völlig eigenständigem Lernen im Stande sind (etwa Siegler et al., 2016). Sie werden also bereits seit Beginn der frühesten Entwicklung von einem ‘System’ (Mutter) automatisch für das weitere Lernen vorbereitet und ‘trainiert’. Dieser Lernautomatismus ist bei einer KI (bisher) nicht gegeben, sondern das Lernen erfolgt erst mit intendierter Bereitstellung von Trainingsdaten.
 
3
Im gesamten Buch ist die weibliche, männliche und diverse Form des Geschlechts stets gleichermaßen gemeint.
 
Literatur
Abd Jelil, R. (2018). Review of artificial intelligence applications in garment manufacturing. In Artificial Intelligence for fashion industry in the big data era (S. 97–123). Springer.
Akhtar, M., & Moridpour, S. (2021). A review of traffic congestion prediction using artificial intelligence. Journal of Advanced Transportation.
Apt, W., & Priesack, K. (2019). KI und Arbeit–Chance und Risiko zugleich. In Künstliche Intelligenz (S. 221–238). Springer Vieweg.
Archmann, S., & Iglesias, C. (2010). eGovernment: A driving force for innovation and efficiency in public administration. EIPAScope, 2010(1), 29–36.
Asanalieva, N., Bremicker-Trübelhorn, S., Franken, L., Good, G., Heinrich, R. P. G., Herzog, A. K., ... & Urbich, I. (2022). Gridcast-Erhöhung der Netzsicherheit durch flexibilisierte Wetter-und Leistungsprognosemodelle auf Basis stochastischer und physikalischer Hybridmethoden.
Ausfelder, F., Beilmann, C., Bertau, M., Bräuninger, S., Heinzel, A., Hoer, R., ... & Ziegahn, K. F. (2015). Energiespeicherung als Element einer sicheren Energieversorgung. Chemie Ingenieur Technik, 1(87), 17–89.
Aydın, Ö., & Karaarslan, E. (2022). OpenAI ChatGPT Generated Literature Review: Digital Twin in Healthcare. Available at SSRN 4308687.
Balog, M., Gaunt, A. L., Brockschmidt, M., Nowozin, S., & Tarlow, D. (2017). DeepCoder: Learning to Write Programs. ICLR, 2017, 1–21.
Bécue, A., Praça, I., & Gama, J. (2021). Artificial intelligence, cyber-threats and Industry 4.0: Challenges and opportunities. Artificial Intelligence Review, 54(5), 3849–3886.
Bielli, M., Ambrosino, G., Boero, M., & Mastretta, M. (1991). Artificial intelligence techniques for urban traffic control. Transportation Research Part A: General, 25(5), 319–325.
Blondeel, M., Bradshaw, M. J., Bridge, G., & Kuzemko, C. (2021). The geopolitics of energy system transformation: A review. Geography Compass, 15(7), e12580.
Bushinsky, S. (2009). Deus ex machina—a higher creative species in the game of chess. Ai Magazine, 30(3), 63–63.
Bushnell, D. S. (1990). Input, process, output: A model for evaluating training. Training & Development Journal, 44(3), 41–44.
Cioffi, R., Travaglioni, M., Piscitelli, G., Petrillo, A., & De Felice, F. (2020). Artificial intelligence and machine learning applications in smart production: Progress, trends, and directions. Sustainability, 12(2), 492.
Closs, D. J., & Thompson, C. K. (1992). Logistics physical resource management. Journal of Business Logistics, 13(2), 269.
Conti, A. A., Conti, A., Masoni, M., & Gensini, G. F. (2005). Clinical pictures of unknown origin in neurology: Past, present and future usefulness of artificial intelligence. Annali Italiani di Medicina Interna, 20(2), 113–116.
Daugherty, P. R., Wilson, H. J., & Michelman, P. (2019). Revisiting the jobs artificial intelligence will create. MIT Sloan Management Review, 60(4), 0_1–0_8.
Davis, G. B. (2002). Systems Approach. In Encyclopedia of Information Systems (S. 351–360). Academic Press
Dimitrieska, S., Stankovska, A., & Efremova, T. (2018). Artificial intelligence and marketing. Entrepreneurship, 6(2), 298–304.
Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of Big Data–evolution, challenges and research agenda. International journal of information management, 48, 63–71.
Duft, G., & Durana, P. (2020). Artificial intelligence-based decision-making algorithms, automated production systems, and big data-driven innovation in sustainable industry 4.0. Economics, Management and Financial Markets, 15(4), 9–18.
Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological forecasting and social change, 114, 254–280.
Funke, J., & Vaterodt, B. (2004). Was ist Intelligenz? C.H. Beck.
Gomez-Uribe, C. A., & Hunt, N. (2015). The netflix recommender system: Algorithms, business value, and innovation. ACM Transactions on Management Information Systems (TMIS), 6(4), 1–19.
Hasan, A. H., Hilmi, M. F., Ibrahim, F., Haron, H., Mohamad, A., & Subramaniam, S. R. (2020). Input Process Output (IPO) AI Chatbot as personal learning assistant for programming coursework. In Proceedings of International Conference on The Future of Education IConFEd), 17–18 November (S. 257–267).
Heim, L., & Gerth, S. (2022). Trendantizipierte Geschäftsmodelladaptionen und -innovationen. Strukturierte und praxisorientierte Etablierung der Zukunftsfestigkeit von Unternehmen am Beispiel eines Automobilzulieferers. In Entrepreneurship der Zukunft (S. 349–373). Springer Gabler.
Hutter, R., & Hutter, M. (2021). Chances and Risks of Artificial Intelligence—A Concept of Developing and Exploiting Machine Intelligence for Future Societies. Applied System Innovation, 4(2), 37.
Javaid, M., Haleem, A., Singh, R. P., & Suman, R. (2022). Artificial intelligence applications for industry 4.0: A literature-based study. Journal of Industrial Integration and Management, 7(1), 83–111.
Kaplan, J. (2016). Artificial Intelligence: What Everyone Needs to KnowR. Oxford University Press.
Kasparov, G. (2010). The chess master and the computer. The New York Review of Books, 57(2), 16–19.
Kim, D. Y., Park, J. W., Baek, S., Park, K. B., Kim, H. R., Park, J. I., ... & Baek, W. (2020). A modular factory testbed for the rapid reconfiguration of manufacturing systems. Journal of Intelligent Manufacturing, 31(3), 661–680.
Kirste, M., & Schürholz, M. (2019). Einleitung: Entwicklungswege zur KI. In Künstliche Intelligenz (S. 21–35). Springer Vieweg.
Luhmann, N. (2017). Systemtheorie der Gesellschaft. Suhrkamp.
Mainzer, K. (2020). Künstliche Intelligenz. In Technikanthropologie (S. 332–340). Nomos Verlagsgesellschaft mbH & Co. KG.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, 27(4), 12–12.
Mellit, A., & Kalogirou, S. A. (2008). Artificial intelligence techniques for photovoltaic applications: A review. Progress in energy and combustion science, 34(5), 574–632.
Mhlanga, D. (2021). Financial inclusion in emerging economies: The application of machine learning and artificial intelligence in credit risk assessment. International Journal of Financial Studies, 9(3), 39.
Mohammadi, V., & Minaei, S. (2019). Artificial intelligence in the production process. In Engineering tools in the beverage industry (S. 27–63). Woodhead Publishing.
Novak, A., Bennett, D., & Kliestik, T. (2021). Product decision-making information systems, real-time sensor networks, and artificial intelligence-driven big data analytics in sustainable Industry 4.0. Economics, Management and Financial Markets, 16(2), 62–72.
Nürnberg, M. (2019). Analysis of using cargo bikes in urban logistics on the example of Stargard. Transportation Research Procedia, 39, 360–369.
O’Connor, S., & ChatGPT,. (2022). Open artificial intelligence platforms in nursing education: Tools for academic progress or abuse? Nurse Education in Practice, 66, 103537–103537.
O’Leary, D. E. (2013). Artificial intelligence and big data. IEEE intelligent systems, 28(2), 96–99.
Perera, L. P., Oliveira, P., & Soares, C. G. (2012). Maritime traffic monitoring based on vessel detection, tracking, state estimation, and trajectory prediction. IEEE Transactions on Intelligent Transportation Systems, 13(3), 1188–1200.
Real, E., Liang, C., So, D., & Le, Q. (2020). Automl-zero: Evolving machine learning algorithms from scratch. In International Conference on Machine Learning (S. 8007–8019). PMLR.
Rescigno, A. A., Vanmassenhove, E., Monti, J., & Way, A. (2020). A case study of natural gender phenomena in translation. A comparison of Google translate, Bing Microsoft translator and DeepL for English to Italian, French and Spanish. In CLiC-it.
Rich, A. S., & Gureckis, T. M. (2019). Lessons for artificial intelligence from the study of natural stupidity. Nature Machine Intelligence, 1(4), 174–180.
Röser, A. M. (2021). Charakterisierung von schwacher und starker Künstlicher Intelligenz (No. 79). Arbeitspapiere der FOM.
Rudas, I. J., & Fodor, J. (2008). Intelligent systems. International Journal of Computers, Communications & Control, 3(3), 132–138.
Schermer, F. J. (2006). Lernen und Gedächtnis. Kohlhammer.
Siegler, R., Eisenberg, N., DeLoache, J., & Saffran, J. (2016). Pränatale Entwicklung, Geburt und das Neugeborene. In S. Pauen (Hrsg.), Entwicklungspsychologie im Kindes- und Jugendalter (S. 37–76). Springer.
Sims, R. E. (2004). Renewable energy: A response to climate change. Solar energy, 76(1–3), 9–17.
Su, Z., Togay, G., & Côté, A. M. (2021). Artificial intelligence: A destructive and yet creative force in the skilled labour market. Human Resource Development International, 24(3), 341–352.
Suchacka, M., Muster, R., & Wojewoda, M. (2021). Human and machine creativity: Social and ethical aspects of the development of artificial intelligence. Creativity Studies, 14(2), 430–443.
Sudmann, A. (2020). Künstliche neuronale Netzwerke als Black Box. In Maschinen der Kommunikation (S. 189–199). Springer Vieweg.
Termine, A., Fabrizio, C., Strafella, C., Caputo, V., Petrosini, L., Caltagirone, C., ... & Cascella, R. (2021). Multi-Layer Picture of Neurodegenerative Diseases: Lessons from the Use of Big Data through Artificial Intelligence. Journal of Personalized Medicine, 11(4), 280.
Turing, A. M. (1950). Mind. Mind, 59(236), 433–460.
Turing, A. M., & Haugeland, J. (1950). Computing machinery and intelligence (S. 29–56). MIT Press.
Von Lucke, J. (2016, May). Smart government–the potential of intelligent networking in government and public administration. In 2016 conference for e-democracy and open government (CeDEM) (S. 137–144). IEEE.
Wild, G., Baxter, G., Srisaeng, P., & Richardson, S. (2022). Machine learning for air transport planning and management. In AIAA AVIATION 2022 Forum (S. 3706).
Wilson, H. J., Daugherty, P., & Bianzino, N. (2017). The jobs that artificial intelligence will create. MIT Sloan Management Review, 58(4), 14.
Wodecki, A., Wodecki, H., & Harrison. (2019). Artificial intelligence in value creation. Springer International Publishing.
Xiao, F., & Ke, J. (2021). Pricing, management and decision-making of financial markets with artificial intelligence: Introduction to the issue. Financial Innovation, 7(1), 1–3.
Yun, J. J., Lee, D., Ahn, H., Park, K., & Yigitcanlar, T. (2016). Not deep learning but autonomous learning of open innovation for sustainable artificial intelligence. Sustainability, 8(8), 797.
Metadaten
Titel
Künstliche Intelligenz: Chance oder Risiko für das Unternehmertum der Zukunft?
verfasst von
Lars Heim
Sebastian Gerth
Copyright-Jahr
2023
Buch
Entrepreneurship der Zukunft

Print ISBN: 978-3-658-42059-8

Electronic ISBN: 978-3-658-42060-4

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-658-42060-4_1

Premium Partner

    Bildnachweise