Dieses Buch bietet Ihnen einen praktischen Einstieg in die Welt der Künstlichen Intelligenz (KI) und Data Science. Es hinterfragt aktuelle Hypes und ist ein praxiserprobter Guide mit konkreten Schritten für den sinnvollen Einsatz von einfachen bis komplexeren KI-Anwendungen im Unternehmen - mit Schwerpunkt auf Data Analytics und Web-/App-Tracking.
In welchen Einsatzbereichen steckt das meiste Potenzial? Wie bestimmen Sie den KI-Reifegrad Ihres Unternehmens und wie planen Sie Ihre KI-Weiterbildungsoffensive? Welche wirtschaftlichen, ethischen und ökologischen Risiken sollten Sie berücksichtigen?
Antworten darauf erhalten Sie in diesem Quick Guide - mit zahlreichen Tipps, Methoden und Vorlagen für den Transfer in Ihr Unternehmen. Ein Buch für alle, die sich die Möglichkeiten von KI-Anwendungen jetzt erschließen und schon bald davon profitieren wollen.
Der Inhalt
- Grundlagen und historische Einordnung
- Einsatzbereiche von KIim Bereich Analytics
- Risiken und Chancen beim Einsatz von KI im Unternehmen
- KI-Governance in fünf konkreten Schritten
- AI & Data Analytics trifft Recht: AI Act und DSGVO
- KI-Strategie aus Ihrer Geschäftsstrategie ableiten
- KI-Kompetenz im Unternehmen erhöhen - mit Self-Assessment, Gap-Analyse und KI-Kompetenz-Canvas
- Vom Scheitern lernen: Der Friedhof der KI-Projekte
Was Sie aus diesem Buch mitnehmen werden:
- Warum wir im Zeitalter der allgegenwärtigen Künstlichen Intelligenz alle zumindest ein bisschen zu Data Scientists werden müssen
- Wie sich die Teildisziplinen von Künstlicher Intelligenz und Data Science zueinander verhalten
- Was Machine Learning und Deep Learning eigentlich sind und was das mit Neuronalen Netzen zu tun hat
- Wie sich die genAI, also generative Künstliche Intelligenz, in verschiedenen Domänen (Sprache, Bild, Musik etc.) entwickelt
- Wo aktuelldas meiste Potenzial für den Einsatz von KI steckt und welche Bereiche Sie sich deshalb genauer ansehen sollten
- Wo Sie KI in Ihrem Alltag direkt anwenden können, um Aufgaben schneller und einfacher zu erledigen
- Welche wirtschaftlichen, ethischen und ökologischen Risiken und Chancen Sie beim Einsatz von KI berücksichtigen sollten
- Wieso eine Kosten-Nutzen-Abwägung erfolgen sollte, bevor ein KI-Projekt gestartet wird
- Wie Sie die Ziele Ihrer KI-Governance festlegen
- Worauf Sie bei der Umsetzung Ihrer Governance
- Welche rechtlichen Entwicklungen im Bereich von Data Procurement und Data Analytics zu erwarten sind
- Grundlegende Schritte zur Bewertung der Anwendbarkeit des Gesetzes auf spezifische Praktiken durch Fallstudienanalysen
- Wie sich Ihre KI-Strategie in der Praxis umsetzen lässt (am Beispiel von Conversion Rate Optimization)
- Warum sich KI-Kompetenz und KI-Strategie gegenseitig bedingen und wie Sie dieses Henne-AI-Problem lösen können
- Wie Sie bestimmen, welchen KI-Reifegrad Ihr Unternehmen gerade hat und welchen es erreichen möchte
- Wie Sie die vorhandene KI-Kompetenz in Ihrem Unternehmen erheben und anhand eines Zielbildes und einer Gap-Analyse herausfinden, auf welche Bereiche Sie sich bei Ihrer Weiterbildungsoffensive konzentrieren sollten
- Wie Sie Ihre Weiterbildungsoffensive mit einem Canvas planen
- Wie wir mit den Hypes im Zeitalter der KI umgehen sollten
- Warum es KI-Kompetenz und kritisches Denken braucht, um herauszufinden, aus welchen Fehlern und Projekten man wirklich lernen kann - mit Self-Assessment und Gap-Analyse
- Was Scheitern mit Ihrer Datenkultur zu tun hat und wie diese gefördert werden kann
Mit
- Self-Assessment und Gap-Analyse für die KI-Kompetenz Ihres Unternehmens
- Zahlreichen konkreten Tipps für den Transfer in Ihr Unternehmen
1. Grundlagen und historische Einordnung.- 2. Einsatzbereiche von KI im Bereich Analytics.- 3. Risiken und Chancen für den Einsatz von KI im Unternehmen.- 4. Governance in Zeiten von KI in Analytics - fünf konkrete Schritte.- 5. AI & Data Analytics trifft Recht: Clash of cultures oder living in harmony? (Gastbeitrag von Peter Hense/Tea Mustac).- 6. Strategie meets Literacy.- 7. KI-Kompetenz im Unternehmen erhöhen - vom Self-Assessment bis zur Umsetzung.- Schlussbemerkung: Der Friedhof der KI-Projekte.- GLOSSAR.
Dr. Ramona Greiner studierte Philosophie, Kunstgeschichte und Literatur. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei FELD M in München. Dort leitet sie internationale Beratungsprojekte, hält Vorträge und Design-Thinking-Workshops. Sie ist Autorin mehrerer Fach- und Sachbücher, unterrichtet Business & Society an der Munich Business School und ist Co-Leiterin der AG Künstliche Intelligenz des Think Tanks D64 - Zentrum für Digitalen Fortschritt e.V.
Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist im Bereich Data Product bei der Münchner Unternehmensberatung FELD M. Dort ist er Technischer Leiter für Projekte aus den Bereichen Advanced Analytics und Maschinelles Lernen. Dies beinhaltet u. a. Personalisierung, Natural Language Processing oder Vorhersagen sowie die zugrundeliegenden Datenarchitekturen und -strategien. Er hält Design-Thinking-Workshops und arbeitet mit Universitäten an Forschungsprojekten. Neben diesen Feldern beschäftigt er sich mit dem Thema Data for Good und dessen Einsatz in der Praxis.
Jonas Rashedi ist Chief Data Officer bei der FUNKE Mediengruppe und Managing Director bei The Data Institute, wo er Unternehmen dabei berät, durch eine effiziente und klare Datenstrategie ihren Umsatz zu erhöhen. Zuvor war er vier Jahre lang als Director Data Intelligence & Technologies bei der Parfümerie Douglas GmbH beschäftigt. Dort führte er bis zu seinem Ausstieg sieben Teams und begleitete eine Umsatzsteigerung von 300 Millionen auf 1,2 Milliarden. Er ist Autor mehrerer Fachbücher und gefragter Speaker auf Data- und Marketing-Events. Als Host seines Podcasts "MY DATA IS BETTER THAN YOURS" interviewt er seit 2020 Datenverantwortliche zu den drängendsten Fragen der Branche.
Über den Autor
Dr. Ramona Greiner studierte Philosophie, Kunstgeschichte und Literatur. Seit 2017 arbeitet sie als Digital Analytics und Data Ethics Consultant bei FELD M in München. Dort leitet sie internationale Beratungsprojekte, hält Vorträge und Design-Thinking-Workshops. Sie ist Autorin mehrerer Fach- und Sachbücher, unterrichtet Business & Society an der Munich Business School und ist Co-Leiterin der AG Künstliche Intelligenz des Think Tanks D64 - Zentrum für Digitalen Fortschritt e.V.
Dr. Matthias Böck promovierte in Bioinformatik und Machine Learning und arbeitet seit 2013 als Data Scientist im Bereich Data Product bei der Münchner Unternehmensberatung FELD M. Dort ist er Technischer Leiter für Projekte aus den Bereichen Advanced Analytics und Maschinelles Lernen. Dies beinhaltet u. a. Personalisierung, Natural Language Processing oder Vorhersagen sowie die zugrundeliegenden Datenarchitekturen und -strategien. Er hält Design-Thinking-Workshops und arbeitet mit Universitäten an Forschungsprojekten. Neben diesen Feldern beschäftigt er sich mit dem Thema Data for Good und dessen Einsatz in der Praxis.
Jonas Rashedi ist Chief Data Officer bei der FUNKE Mediengruppe und Managing Director bei The Data Institute, wo er Unternehmen dabei berät, durch eine effiziente und klare Datenstrategie ihren Umsatz zu erhöhen. Zuvor war er vier Jahre lang als Director Data Intelligence & Technologies bei der Parfümerie Douglas GmbH beschäftigt. Dort führte er bis zu seinem Ausstieg sieben Teams und begleitete eine Umsatzsteigerung von 300 Millionen auf 1,2 Milliarden. Er ist Autor mehrerer Fachbücher und gefragter Speaker auf Data- und Marketing-Events. Als Host seines Podcasts "MY DATA IS BETTER THAN YOURS" interviewt er seit 2020 Datenverantwortliche zu den drängendsten Fragen der Branche.
Inhaltsverzeichnis
¿1. Grundlagen und historische Einordnung
1.1. Begrifflichkeiten
1.1.1. Artificial Intelligence, Machine Learning, Deep Learning
1.1.2. Data Science, Data Analytics (und Web Analytics), Data Analysis
1.2. AI Literacy / KI-Kompetenz
1.3. Eine kurze Geschichte der GenAI
1.4. Alles, was man über LLMs wissen sollte, sich aber nie getraut hat zu fragen
2. Einsatzbereiche von KI im Bereich Analytics
2.1. Der Data Value Loop in den Zeiten der KI
2.2. KI x Datenerhebung
2.2.1. API Automation
2.2.2. Tracking Automation
2.2.3. Synthetische Daten
2.3. KI x Datenverarbeitung
2.3.1. Excel und Google Sheets
2.3.2. SQL
2.3.3. Python (oder R)
2.3.4. Retrieval Augmented Generation (RAG)
2.4. KI x Datenanalyse
2.4.1. Self-Service Analytics
2.4.2. Der automatisierte BI-Spezialist?
2.5. KI x Datenaktivierung
2.5.1. KI und AdTech
2.5.2. KI und CDP
3. Risiken und Chancen für den Einsatz von KI im Unternehmen
3.1. Wirtschaftliche Risiken und Chancen
3.2. Ethische und gesellschaftliche Risiken und Chancen
3.3. Ökologische Risiken und Chancen
4. Governance in Zeiten von KI in Analytics - fünf konkrete Schritte
4.1. Zielbestimmung
4.2. Erarbeitung des KI-Governance-Frameworks
4.3. Definition von Verantwortlichkeiten
4.4. Umsetzung und Überwachung
4.5. Kontinuierliche Weiterentwicklung
5. AI & Data Analytics trifft Recht: Clash of cultures oder living in harmony? - Gastbeitrag von Peter Hense/Tea Mustä
5.1. Einführung zum Rechtsrahmen der AI-Regulierung im Kontext von Data Analytics
5.1.1. Zweck des Kapitels
5.1.2. Die Schnittstelle zwischen AI based Analytics und rechtlichen Regulierungen
5.2. Schlüsselregulierungen im Bereich AI, die Data Analytics beeinflussen
5.2.1. Rechtsrahmen für AI based Analytics mit globalem und europäischem Fokus
5.2.2. Sorgfaltspflichten und Compliance
5.2.3. Fallstudien: Regulierung in Aktion bei AI based Analytics
5.3. Implementierung des AI Acts in der Data Analytics-Praxis
5.3.1. Geltungsbereich: Wann muss ich mich rechtskonform verhalten?
5.3.2. Risikobasierter Ansatz: Muss ich etwas tun und wenn ja, wie viel?
5.3.3. Data Governance: Daten im Griff, diesseits und jenseits der DSGVO
5.3.4. Transparenz und Erklärbarkeit von AI-Systemen
5.3.5. Strategien zur Gewährleistung der Compliance in AI-Projekten: Verantwortlichkeit, Sorgfaltspflicht und vertragliche Verantwortungen entlang der Wertschöpfungskette
5.3.6. Verschärfung oder Entspannung: Was bringt die Zukunft?
6. Strategie meets Literacy
6.1. KI-Strategie von der Business-Strategie ableiten
6.2. KI-Kompetenz-Strategie von der KI-Strategie ableiten
7. KI-Kompetenz im Unternehmen erhöhen - vom Self-Assessment bis zur Umsetzung
7.1. Sechs Schlüssel zur KI-Kompetenz
7.1.1. Die Organisation als Motor verstehen
7.1.2. Unternehmensmaturität erheben
7.1.3. (Self)Assessment und Gap Analyse durchführen
7.1.4. Das KI-Kompetenz-Canvas zur Konzeption nutzen
7.1.5. Zukunftsfähig bleiben: 3-Kompetenz-Horizonte & TrendEcholot
7.1.6. Daten- und KI-Kultur etablieren
7.2. Exemplarische Trainingsformate und Curriculum für einen Grundlagenkurs
Schlussbemerkung: Der Friedhof der KI-Projekte
GLOSSAR
Klappentext
Dieses Buch bietet Ihnen einen praktischen Einstieg in die Welt der Künstlichen Intelligenz (KI) und Data Science. Es hinterfragt aktuelle Hypes und ist ein praxiserprobter Guide mit konkreten Schritten für den sinnvollen Einsatz von einfachen bis komplexeren KI-Anwendungen im Unternehmen - mit Schwerpunkt auf Data Analytics und Web-/App-Tracking.
In welchen Einsatzbereichen steckt das meiste Potenzial? Wie bestimmen Sie den KI-Reifegrad Ihres Unternehmens und wie planen Sie Ihre KI-Weiterbildungsoffensive? Welche wirtschaftlichen, ethischen und ökologischen Risiken sollten Sie berücksichtigen?
Antworten darauf erhalten Sie in diesem Quick Guide - mit zahlreichen Tipps, Methoden und Vorlagen für den Transfer in Ihr Unternehmen. Ein Buch für alle, die sich die Möglichkeiten von KI-Anwendungen jetzt erschließen und schon bald davon profitieren wollen.
Der Inhalt
- Grundlagen und historische Einordnung
- Einsatzbereiche von KI im Bereich Analytics
- Risiken und Chancen beim Einsatz von KI im Unternehmen
- KI-Governance in fünf konkreten Schritten
- AI & Data Analytics trifft Recht: AI Act und DSGVO
- KI-Strategie aus Ihrer Geschäftsstrategie ableiten
- KI-Kompetenz im Unternehmen erhöhen - mit Self-Assessment, Gap-Analyse und KI-Kompetenz-Canvas
- Vom Scheitern lernen: Der Friedhof der KI-Projekte
Die Autor:innen
Dr. Ramona Greiner, Digital Analytics und Data Ethics Consultant bei FELD M in München. Sie leitet internationale Beratungsprojekte, hält Vorträge und Design-Thinking-Workshops und ist Autorin mehrerer Fach- und Sachbücher.
Dr. Matthias Böck, Data Scientist und Technischer Leiter für Projekte aus den Bereichen Advanced Analytics und Maschinelles Lernen bei FELD M.
Jonas Rashedi, Chief Data Officer bei der FUNKE Mediengruppe, mehrfacher Fachbuch-Autor. Als Managing Director bei The Data Institute berät er Unternehmen, wie sie durch eine klare Datenstrategie ihren Umsatz erhöhen können.