NEWSolutions Nr. 2 – 2019

NEWSolutions 2019 Nr. 2

Download

MANAGEMENT

IBM Announcement Db2 V11.5 und KI

IBM Db2 jetzt mit KI Seite 4

IBM kündigte am 22. Juni 2019 Db2 Version 11.5 an. Das Datenbank-Managementsystem Db2 wurde mit künstlicher Intelligenz (KI) ausgestattet, um Data Management und Data Science auf einer Plattform zusammenzuführen. Die neue Version bietet ferner Suchfunktionen in natürlicher Sprache sowie eine Reihe neu entwickelter Driver für Open Source Programmiersprachen und Frameworks.

Artikel jetzt im Browser öffnen (inkl. ePup)

KI und Personal

Arbeitnehmer, KI und Roboter – Seite 5

Wie werden Roboter, Digitalisierung und Künstliche Intelligenz die Arbeitswelt verändern? Für den trend index 2018 wurden insgesamt 7.000 Arbeitnehmer weltweit in 7 Ländern durch ein Marktforschungsinstitut im Auftrag der automatica Messe, München, bevölkerungsrepräsentativ befragt – 1000 davon in Deutschland. In Deutschland sehen 62 Prozent der Arbeitnehmer künstliche Intelligenz (KI) als Technologie, mit der Maschinen zu besseren Assistenten am Arbeitsplatz werden – besonders dank intelligenter Steuerung über Sprachbefehle oder Touchpads

Artikel jetzt im Browser öffnen (inkl. ePup)

KI und Gesundheitswesen

KI und die Gesundheit – Beispiele – Seite 6

Auch im Gesundheitsbereich wird sich die künstliche Intelligenz stark auf die Personalstruktur, die Aufgabenteilung und die erzielbaren diagnostischen Resultate auswirken. Kürzlich wurden die ersten Resultate eines weiteren Machine Learning Projekts zur bildgebenden Diagnostik vorgestellt. Dieses befindet sich noch in den Anfängen, zeigt aber bereits beeindruckende Resultate. Auch IBM Watson Health und das Broad Institute von MIT and Harvard bauen ihre Partnerschaft zur einer besseren Prognostik von koronaren Herzerkrankungen mittels KI aus. Hierbei stützt sich die KI auf Genomics und klinische Befunde.

Artikel jetzt im Browser öffnen (inkl. ePup)

IT-MANAGEMENT

KI: Maschinelles Lernen

Machine Learning: Ein Kompendium von 112 Business Cases – Seite 8

Maschinelles Lernen (Machine Learning, ML) bietet enormes Potenzial, wenn es darum geht, aus unüberschaubaren und großen Datenmengen komplexe Zusammenhänge abzuleiten. Diese dienen unter anderem als Entscheidungshilfe bei gesellschaftlichen und wirtschaftlichen Fragestellungen. Von optimierten Prozessen und personalisierten Produktempfehlungen, bis hin zum autonomen Fahren, gezieltem Katastrophen-Management oder dem Erkennen eines Malaria-Ausbruchs, sind die Möglichkeiten von ML innerhalb einzelner Branchen und branchenübergreifend vielfältig. Dieses Exzerpt soll als Referenzarchitektur des Machine Learning eine Übersicht über die Möglichkeiten und vielfältigen Einsatzgebiete von ML-Algorithmen geben. In Teil 1 des Excerpts beschreiben die Autoren Dr. Eldar Sultanow, Lukas Sprinck und Ekaterina Schütt glossarartig 112 Use Cases, die sich auf 28 Branchen verteilen. In der zweiten Hälfte des Exzerpts folgen weitere Use Cases, die übergreifend in nahezu allen Branchen eingesetzt werden (können). Diese Beispiele erscheinen als Teil 2 in der nächsten Ausgabe der NEWSolutions.

Artikel jetzt im Browser öffnen (inkl. ePup)

PROGRAMMIERUNG

Semantic Data Store on IBM i

Hilfe für IBM i Befehle – mit Code Beispielen – Teil 2 – Seite 26

Die Autoren dieser Serie zu Semantic Data Store on IBM i sind Manfred Sielhorst, der an der Hochschule Darmstadt im Fachbereich Informatik unterrichtet, und Benjamin Walter, Dualer Masterstudent an der Hochschule Darmstadt. Diese Serie möge als Beispiel dienen für die Früchte, die die Academic Initiative der IBM mit Hilfe eines engagierten Netzwerks trägt.

Nicht nur die singuläre Analyse eines einzelnen Befehls im Terminal, sondern auch die komplexe Auswertung einer gesamten IBM i Infrastruktur mit allen Kundenanpassungen und Erweiterungen, ist eines der Ziele der semantischen Analyse im Semantic Data Store. In diesem zweiten Teil der Serie erläutern die Autoren, wie man Wissen für Computer nutzbar macht und gehen auf die Grundlagen für semantische Auswertungen mit Hilfe von Codebeispielen ein. Eingesetzt werden unter anderem die Web Ontologie Language 2, das Resource Descriptive Framework und SPARQL für semantische Abfragen.

Artikel jetzt im Browser öffnen (inkl. ePup)