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:
Wirtschaftsinformatik – Eine Einordnung Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

3. Management von Daten

verfasst von : Peter Mertens, Peter Buxmann, Thomas Hess, Oliver Hinz, Jan Muntermann, Matthias Schumann

Erschienen in: Grundzüge der Wirtschaftsinformatik

Verlag: Springer Berlin Heidelberg

Einloggen

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

search-config
loading …

Zusammenfassung

Daten sind die Grundlagen für betriebliche Entscheidungen. Daher spielen die Speicherung und Verwaltung von Daten in Unternehmen eine große Rolle. Vor diesem Hintergrund wird im dritten Kapitel des Buches die Nutzung von Datenbanksystemen sowie die Modellierung von Daten behandelt. Zudem werden Herausforderungen aufgezeigt, die mit der Verarbeitung großer Datenmengen einhergehen, sowie Fragen zur Informationsversorgung von Fach- und Führungskräften beantwortet. Daten lassen sich mit einer Vielzahl verschiedener Methoden auswerten und aufbereiten. Von besonderer Bedeutung ist die Nutzung von Daten zur Entwicklung von Anwendungen der Künstlichen Intelligenz (KI). Das Kapitel gibt einen Überblick über die Geschichte und Durchbrüche der KI und beleuchtet deren aktuelle Anwendungen. Besondere Aufmerksamkeit wird dabei auf das maschinelle Lernen gelegt, die heute am weitesten verbreitete Form der Künstlichen Intelligenz.

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
Vorheriges Kapitel Technische Grundlagen
Nächstes Kapitel Integrierte Anwendungssysteme im Unternehmen
Literatur
Alsheryani RM, Alkaabi SS, Alkaabi SS, Aldhaheri AM, Khouri FI, Alharmoodi, SI, Shadid TT, Alhajeri AS (2019) Applying artificial intelligence (AI) for predictive maintenance of power distribution networks: a case study of al ain distribution company. In: 2019 International Conference on Electrical and Computing Technologies and Applications (ICECTA), S 1–5
Benlian A, Reitz M, Wilde T, Hess T (2005) Verbreitung, Anwendungsfelder und Wirtschaftlichkeit von XML in Verlagen – Eine empirische Untersuchung. In: Ferstl OK, Sinz EJ (Hrsg) Proceedings der 7. Internationalen Tagung Wirtschaftsinformatik, Bamberg, S 211–230
Bishop C (2006) Pattern recognition and machine learning. Springer, New York
Boisot M, Canals A (2004) Data, information and knowledge: have we got it right? J Evol Econ 14(1):43–67CrossRef
Buhl HU, Röglinger M, Moser F, Heidemann J (2013) Big data. Bus Inf Syst Eng 55(5):65–69CrossRef
Buxmann P, Schmidt H (2021) Grundlage der Künstlichen Intelligenz und des Maschinellen Lernens. In: Buxmann P, Schmidt H (Hrsg) Künstliche Intelligenz, 2. Aufl. Springer Gabler, Berlin, S 3–24
Carbonell JG, Michalski RS, Mitchell TM (1983) An overview of machine learning. In: Michalski RS, Carbonell JG, Mitchell TM (Hrsg) Machine learning: an artificial intelligence approach. TIOGA Publishing Co., Palo Alto, S 3–23
Chamoni P, Gluchowski P (2016) Analytische Informationssysteme – Einordnung und Überblick. In: Gluchowski P, Chamoni P (Hrsg) Analytische Informationssysteme: Business Intelligence-Technologien und -Anwendungen, S 3–12CrossRef
Chen H, Chiang R, Storey V (2012) Business intelligence and analytics: from big data to big impact. MIS Q 36:1165–1188CrossRef
Chen PP (1976) The entity-relationship model: towards a unified view of data. ACM Trans Database Syst 1(1):9–36CrossRef
Codd EF (1970) A relational model for large shared data banks. Commun ACM 13(6):377–387CrossRef
Danner J, Coopersmith M (2015) The other „F“ word – how smart leader, teams and entrepreneurs put failure to work. Wiley, Hoboken
Date CJ (2004) An introduction to database systems, 8. Aufl. Addison-Wesley, Boston
Deutsche Bundesbank (2017) Distributed-Ledger-Technologien im Zahlungsverkehr und in der Wertpapierabwicklung: Potenziale und Risiken. Monatsbericht September 2017
Elmasri R, Navathe SB (2015) Fundamentals of database systems, 7. Aufl. Addison-Wesley, Boston
Eppler M (2006) Managing information quality: increasing the value of information in knowledge intensive products and processes, 2. Aufl. Springer, BerlinCrossRef
Ferstl OK, Sinz EJ (2012) Grundlagen der Wirtschaftsinformatik, 7. Aufl. Oldenbourg, München
Franklin S, Graesser A (1997) Is It an agent, or just a program?: a taxonomy for autonomous agents. In: Müller J, Wooldridge MJ, Jennings NR (Hrsg) Intelligent agents III agent theories, architectures, and languages. ECAI‘96 Workshop (ATAL) Budapest, Hungary, August 12–13, 1996 Proceedings 3. Springer, S 21–35
Hastie T, Tibshirani R, Friedman J (2009) The elements of statistical learning: data mining, inference, and prediction, 2. Aufl. Springer, New YorkCrossRef
Jakobi T et al (2020) The role of IS in the conflicting interests regarding GDPR. Bus Inf Syst Eng 62(3):262–272CrossRef
Jing L, Tian Y (2020) Self-supervised visual feature learning with deep neural networks: a survey. IEEE Trans Pattern Anal Mach Intell 43(11):4037–4058CrossRef
Kemper A, Eickler A (2015) Datenbanksysteme: Eine Einführung, 10. Aufl. Oldenbourg, München
Klein D, Tran-Gia P, Hartmann M (2013) Big data. Informatik Spektrum 36(3):319–323CrossRef
Koppe T, Schatz J, Hornung T (2021) Herausforderungen und Potenziale von KI-gestützter visueller Inspektion in der Elektronikindustrie. In: Buxmann P, Schmidt H (Hrsg) Künstliche Intelligenz, 2. Aufl. Springer Gabler, Berlin, S 65–79CrossRef
Krizhevsky A, Sutskever I, Hinton GE (2012) ImageNet classification with deep convolutional neural networks. Commun ACM 60(6):84–90CrossRef
LeCun Y, Bottou L, Bengio Y, Haffner P (1998) Gradient-based learning applied to document recognition. Proc IEEE 86(11):2278–2324CrossRef
Liu X, Zhang F, Hou Z, Mian L, Wang Z, Zhang J, Tang J (2021) Self-supervised learning: generative or contrastive. IEEE Trans Knowl Data Eng 35(1):857–876
Lycett M (2013) “Datafication”: making sense of (big) data in a complex world. Eur J Inf Syst 22:381–386CrossRef
Marsland S (2014) Machine learning: an algorithmic perspective. Taylor & Francis Inc., LondonCrossRef
Mertens P (2019) Die Datenschutz-Grundverordnung – eine kritische Sicht. Wirtschaftsinformatik Manag 11(1):6–17CrossRef
Mertens P, Borkowski V, Geis W (1993) Betriebliche Expertensystem-Anwendungen, 3. Aufl. Springer, Berlin/Heidelberg/New York/TokyoCrossRef
Murphy KP (2012) Machine learning: a probabilistic perspective. The MIT Press, Cambridge
Plattner H, Zeier A (2012) In-memory data management: technology and applications. Springer, BerlinCrossRef
Saul LK, Roweis ST (2003) Think globally, fit locally: unsupervised learning of low dimensional manifolds. J Mach Learn Res 4:119–155
Shortlife EH, Davis R, Axline SG, Buchanan BG, Green CC, Cohen SN (1975) Computer-based consultations in clinical therapeutics: explanation and rule acquisition capabilities of the MYCIN system. Comput Biomed Res 8:303–320CrossRef
Silver D, Hubert T, Schrittwieser J, Antonoglou I, Lai M, Guez A, Lanctot M, Sifre L, Kumaran D, Graepel T, Lillicrap T, Simonyan K, Hassabis D (2018) A general reinforcement learning algorithm that masters chess, shogi, and go through self-play. Science 362(6419):1140–1144CrossRef
Sirichanya C, Kraisak K (2021) Semantic data mining in the information age: a systematic review. Int J Intell Syst 36(8):3880–3916CrossRef
Surbakti FPS, Wang W, Indulska M, Sadiq S (2020) Factors influencing effective use of big data: a research framework. Inf Manage 57(1):103146CrossRef
Wang R, Strong D (1996) Beyond accuracy: what data quality means to data consumers. J Manage Inf Syst 12(4):5–33CrossRef
Metadaten
Titel
Management von Daten
verfasst von
Peter Mertens
Peter Buxmann
Thomas Hess
Oliver Hinz
Jan Muntermann
Matthias Schumann
Copyright-Jahr
2023
Verlag
Springer Berlin Heidelberg
Buch
Grundzüge der Wirtschaftsinformatik

Print ISBN: 978-3-662-67572-4

Electronic ISBN: 978-3-662-67573-1

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-662-67573-1_3

Premium Partner

    Bildnachweise