Neues Buch: Künstliche Intelligenz und Data Science
Das populärwissenschaftliche Buch, um das es heute in meinem Newsblog-Artikel geht, verbindet laut Verlag »theoretische Grundlagen und praktische Anwendungen von Künstlicher Intelligenz (KI) und Data Science«.
Und weiter lesen wir: Anerkannte Experten präsentieren den aktuellen Stand der Forschung und Wirtschaft sowie aktuelle Praxisbeispiele aus bekannten deutschen Unternehmen verschiedenster Branchen.
Herausgeber
Die drei Herausgeber sehen Data Science angesiedelt zwischen Statistik und Informatik, wobei es methodisch auf Verfahren des maschinellen Lernens bis hin zu Deep Learning und Künstlicher Intelligenz basiere, wie sie im Vorwort schreiben. Sie haben vielfache Erfahrungen in der Anwendung von Data Science. Es sind:
Andreas Gillhuber ist der Co-CEO der Alexander Thamm GmbH aus München, die sich seit 2012 auf Data Science, Künstliche Intelligenz und Maschinelles Lernen spezialisiert und sich zu einem der führenden Beratungsunternehmen mit rund 300 Mitarbeitern entwickelt haben. Zudem veranstalten die Macher um Gründer Alexander Thamm – zusammen mit anderen wie der BARC GmbH unter Führung von Dr. Carsten Bange – seit 2018 das in Fachkreisen bekannte Data Festival in der bayerische Landeshauptstadt.
Hinweis: Ich nahm an einigen Sessions der Online-Durchführung der Data Festivals 2021 und 2020 teil und konnte dort einige interessante Inhalte zu Data Science mitnehmen (siehe Termine). Der nächste Termin der Online-Ausgabe ist der 14. und 15. November 2023.
Auch Göran Kauermann hat profunde Kenntnisse und Erfahrungen in Data Science Projekten und ist Professor und Lehrstuhlinhaber für Statistik und ihre Anwendungen in Wirtschafts- und Sozialwissenschaften am Institut für Statistik sowie Dekan an der Universität München. Zudem hat er einen Data Science Studiengang ins Leben gerufen und Gründungsmitglied der German Data Science Society.
Mit Wolfgang Hauner komplettiert ein Praktiker aus einem Großunternehmen die Herausgebergemeinschaft: Er ist Head of Group Data Analytics bei der Allianz SE in München. Bei #DIGDEEP, dem Podcast für die digitale Welt von Frauke Kreuter (ebenfalls Professorin für Statistik an der Uni München) und Christof Horn (Digitalisierungsberater, Umlaut AG und Teil von Accenture), spricht Wolfgang Hauner in der Folge 85 vom 08. März 2022 darüber, wie KI die Allianz smarter macht.
Inhalt und Kapitel des Buches
Kommen wir zum Inhalt des Buches: Auf 354 Seiten finden wir 28 Kapitel von 46 Autoren aus mehr als 20 Unternehmen und Organisationen:
Deutsche Bahn, St. Galler Stadtwerke, BMW Group, Continental AG, RTL Deutschland, Swiss RE, ERGO, Allianz, Universität München, ADAC, Alexander Thamm, Inovex, Deutsche Lufthansa und REWE Group. Die Kapitel gliedern sich in drei Teile: Grundlagen von Data Science (Kapitel 1 bis 7), Data Science in der Praxis (Kapitel 8 bis 13) und Beispiele aus der Praxis (Kapitel 14 bis 28).
Der Praxisanteil des Buches überwiegt daher deutlich mit 21 von 28 Kapitel (75 %) – In Seiten: 246 (354 – 108 Seiten) oder rund 69,5 Prozent. Zudem gibt es 131 Abbildungen, davon 113 in Farbe, was zum Verständnis der Inhalte wesentlich beiträgt.
Zum Inhalt laut Verlagsseite:
Der erste Teil beschreibt die Methoden und Algorithmen, die sich größtenteils aus einer Kombination von Statistik und Informatik ergeben und auf Verfahren des Maschinellen Lernens und des Deep Learning basieren (wichtige Bereiche von Künstlicher Intelligenz).
Im zweiten Teil erklären die Autoren, wie konzeptionell die Umsetzung in die Praxis gelingt und besonders welche Herausforderungen in der Praxis auftreten.
Der dritte Teil ist eine Sammlung von Use Cases von bekannten und weniger bekannten Unternehmen, die über die dortigen Erfahrungen mit Data Science Projekten berichten.
Kapitel des Buches:
Teil 1: Grundlagen von Data Science
- Geschichte von Data Science
- Data Science in der Ausbildung
- Quantifizierung von Unsicherheit
- Maschinelles Lernen
- Strukturierte und unstrukturierte Daten
- Visualisierung und Exploration
- Datenethik zwischen gesellschaftlichem Anspruch und betrieblicher Praxis
Teil II: Data Science in der Praxis
- Data Science in der Praxis
- Data Science Use Cases
- Skalierbare und wertschaffende KI-Implementierung in der Luftfahrt
- Künstliche Intelligenz: Anwendungen und Werkzeuge in der Automobilindustrie
- Architekturen und Technologien für den Data Lake
- Big Data bringt Einsparungen in Milliardenhöhe
Teil III: Beispiele aus der Praxis
- (Rück-)Versicherung
- Die AI Factory der ERGO
- Daten und Rückversicherung: Eine ewige Liebe
- Automotive & Manufacturing
- Computer Vision based Deep Learning zur Reifenwanderkennung
- Autonomes Fahren und das Projekt KI-Wissen
- Energiewirtschaft
- Transport & Logistik
- Die Entwicklung eines Kartellscreening-Tools bei der Deutsche Bahn AG
- Datenstrategie „Mehrwert durch Daten und KI“ professionalisiert die Digitalisierung der Bahn
- Wie Künstliche Intelligenz helfen kann, die Pünktlichkeit der Bahn zu verbessern
- Gesundheitswesen, Chemie/Pharma
- Retail & Consumer Products, Media
- Automatische Klassifikation von Points-of-Interest für passgenaue Empfehlungen von Reise- und Freizeitaktivitäten
- Modellierung der Nachfrageunsicherheit zur gezielten Steuerung auf Ziel-Servicelevel
Zielgruppen des Buches:
Die Herausgeber nennen in ihrem Vorwort drei Zielgruppen:
- Anwender, Praktiker und Entscheider, die sich über die Chancen und Risiken von KI in der Praxis informieren möchten
- Studierende und Absolventen der Universitäten und Hochschule, die sich Orientierung suchen
- Forscher und Lehrenden, die sich über die Praxis informieren möchten
Bezug des Buches:
Das Buch ist im Taschenbuch-Format (Softcover) zum Preis von 49,99 Euro und als eBook für 39,99 Euro im Buchhandel oder beim Verlag erhältlich.
Zitation des Buches:
Gillhuber, A., Kauermann, G. & Hauner, W. (Hrsg.). (2023). Künstliche Intelligenz und Data Science in Theorie und Praxis: Von Algorithmen und Methoden zur praktischen Umsetzung in Unternehmen. Berlin: Springer Spektrum.
Mehr zum Buch beim Verlag:
https://link.springer.com/book/10.1007/978-3-662-66278-6
