KI als Speerspitze der Digitalisierung
|
|
- Hertha Böhm
- vor 5 Jahren
- Abrufe
Transkript
1 Executive Dialog 2019 Berlin, 04. April 2019 KI als Speerspitze der Digitalisierung Prof. Dr. rer. nat. Dr. h.c. mult. Wolfgang Wahlster CEA Deutsches Forschungszentrum für Künstliche Intelligenz GmbH Saarbrücken/Kaiserslautern/Bremen/Berlin/Osnabrück Tel.: (0681)
2 Künstliche Intelligenz ist die Speerspitze der Digitalisierung KI Digitales Verstehen Technologien Supercomputer, Mobile Computer, Internet, Cloud Informatik Formale Prozesse Formale Strukturen Mathematik
3 Das DFKI treibt die zweite Welle der Digitalisierung Erste Welle: Daten digital - Erfassen - Speichern - Übertragen - Verarbeiten Zweite Welle: Daten digital - Verstehen - Veredeln - Aktiv nutzen - Monetarisieren Maschinenlesbare Daten: Internet- und Cloudtechnologien Maschinenverstehbare Daten: Künstliche Intelligenz und Maschinelles Lernen Digitalisierung mit Sinn und Verstand
4 Interpretation digitaler Daten durch KI-Systeme BISHER: Mensch interpretiert Daten und entscheidet KI: KI-System interpretiert Daten und entscheidet Beispiele: Eingabe: Arztbriefe Foto von Autoschaden Kundendaten Röntgenbild Ausgabe: Entscheidung über Kur Verdacht auf Versicherungsbetrug Entscheidung über Kreditantrag Befund, dass Zahnwurzel entzündet ist
5 Künstliche Intelligenz (KI) Die KI hat: ingenieurswissenschaftliche Ziele kognitionswissenschaftliche Ziele Ingenieurswissenschaften Mechatronik Linguistik Psychologie Informatik KI Kognitionswissenschaft Neurowissenschaften Biowissenschaften Künstliche Intelligenz: Realisierung von intelligentem Verhalten und den zugrundeliegenden kognitiven Fähigkeiten auf Computern KI = Künftige Informatik
6 Kerngebiete und Einsatzfelder der KI Sprachverstehende Systeme Bildverstehende Systeme Autonome Systeme Kollaborative Roboter Ontologien Lern- und Inferenzbibliotheken Subsymbolische Musterkennung Lernen Wissensrepräsentation Wissensverarbeitung - Suchen - Inferieren - Planen Wissenspräsentation Wissensrepräsentationssprachen KI-Hardware Multi- Agenten Systeme Intelligente Trainingsu. Lernsystem Bots, Chatbots und virtuelle Charactere Ambiente Intelligenz
7 Was bewirkt die Produktveredelung durch KI-Technologien? kooperativ autonom proaktiv selbstheilend interoperabel selbstoptimierend Merkmale von KI- Systemen adaptiv lernfähig fehlertolerant selbsterklärend
8 Die vier Phasen der KI-Forschung
9 Die Erfolge des Deep Machine Learning im Bereich der Brett- und Kartenspiele 1980 BKG 9.8 schlägt Weltmeister im Backgammon 1997 Deep Blue schlägt Schachweltmeister 2016 AlphaGo schlägt Go-Großmeister 2017 KI-System Libratus schlägt Poker-Profis
10 Computer mit Hand und Fuß, Augen, Ohren und etwas Verstand Wie können Computer menschliche Sprache, Gestik und Mimik verstehen und erzeugen? Wie können mobile Roboter Teams bilden und gemeinsam Ziele erreichen? Wie können Computer Bilder und Filme interpretieren und erzeugen? Wie können Computer für den Menschen unzugängliche Ort explorieren? Intelligente Software- Systeme des DFKI Wie können Computer aus Erfahrung lernen? Wie können Computer zu intelligenten Assistenten für den Menschen werden? Wie können Computer Emotionen von Menschen erkennen und darauf reagieren? Wie können Computer auch aus unsicherer Information nützliche Schlussfolgerungen ziehen?
11 Assistenzsysteme für die Unterstützung von körperlicher und geistiger Arbeit durch KI Assistenz bei körperlicher Arbeit durch kollaborative KI-Roboter Assistenz bei geistiger Arbeit durch kognitive KI-Systeme
12 Digitales Verstehen: Verstehen von Digitalen Daten und Verstehen mit digitalen Systemen Digitale Daten Text Physische Reaktion z.b. von Robotern oder steuerbaren Geräten Gesprochene Sprache Bild Video Verstehen durch KI auf Digitalrechnern Virtuelle Reaktion z.b. von digitalen Assistenten oder Chatbots Zusammenfassung oder Übersetzung von Texten und Gesprächen Fragebeantwortung aufgrund z.b Videos oder Sensorwerten Sensorwerte Verstehenstest: Angemessene Reaktion Sprachliche Beschreibung z.b. von Bildern oder Videos
13 Kognitive Fähigkeiten für die Arbeit im Versicherungsbereich: Schwierigkeitsgrade für KI-Systeme Lesen + Bewerten ++ Übersetzen + Verstehen ++ Klassifizieren + Analysieren ++ Rückfragen + Entscheiden ++ Dokumentieren + Formulieren + Begründen +++ Argumentieren +++ zunehmender Schwierigkeitsgrad:
14 Von programmierten Systemen zu selbstlernenden Systemen Ausgabe Ausgabe Ausgabe Computerprogramm Algorithmus, Heuristik Programmierer erstellt Software Wissensverarbeitung Suche, Inferenz, Planung Fakten, Regeln, Modelle Maschinelles Lernen Merkmalsextraktion, Mustererkennung, Merkmalsabbildung Wissensbasis Datenbasis Trainingsdaten, Metadaten, Testdaten Eingabe Eingabe Eingabe Flaschenhals: Programmierer hoher Entwicklungsaufwand aufwändige Adaption geringe Erklärungsfähigkeit Flaschenhals: Wissensbasis hoher Entwicklungsaufwand hoher Pflegeaufwand gute Erklärungsfähigkeit Flaschenhals: Trainingsdaten geringer Entwicklungsaufwand leichte Anpassbarkeit schlechte Erklärungsfähigkeit
15 Wie Software trainiert wird Regelbasiert Lernen anhand von definierten Regeln: 1. Ein Apfel ist schlecht, wenn er braune Flecken hat Maschinelles Lernen Lernen anhand von Beispielen: Schlechter Apfel 2. Ein Apfel ist schlecht, wenn er Runzeln hat 3. Ein Apfel ist schlecht, wenn er braun ist Schlechter Apfel 4. Guter Apfel Nachteile regelbasierter Modelle: Präzise Regeln sind sehr schwer zu formulieren Regeln sind fast nie vollständig adaptiert von Leverton
16 Deep Learning für das Bildverstehen: Netzwerke aus mehreren Schichten merkmalserkennender Neuronen Unfall auf Landstraße Szenen- und Objektmodell Ausgabeschicht PKW 1, PKW 2 Polizeitransporter Haltestellenschild Objekte Fahrbahn, Radkappe, Heckleuchte Szenenelemente Objektteile Grüne Fläche im Hintergrund, Linie auf Fahrbahn Bildelemente, Bereiche Kanten, Markante Punkte Bild 3 Bild 2 Bild 1 Eingabeschicht Je mehr verdeckte Schichten ein Deep Learning Netz hat, desto mehr kann es abstrahieren und subtile Zusammenhänge erkennen.
17 Trainings- und Ausführungsphase neuronaler Netze Annotierte Trainingsdaten Lernalgorithmen für mehrlagige neuronale Netze GPU-Supercomputer Trainiertes Neuronales Netz Optimierung und Compilation des Netzes Laufzeitoptimiertes Neuronales Netz Unbekannte Eingabedaten der aktuellen Anwendung Laufzeitumgebung für die Ausführung des optimierten Netzes Mobiler oder eingebetteter Computer Ausgabe: Klassifikation Diagnose Empfehlung Übersetzung Lenkaktion
18 Hybride KI-Systeme System 1 = Schnelles Denken (95%) System 2 = Langsames Denken (5%) Funktioniert Automatisch, intuitiv Unbewusst, unterschwellig Basiert auf Emotionen Gewohnheiten Kontext Typisch für Entscheidungen Bei Wiederholung Von geringer Relevanz Bei Erschöpfung Funktioniert Abwägend, deliberativ Bewusst, reflektierend Basiert auf Werten/Normen Überzeugungen Kognitiven Ressourcen Typisch für Entscheidungen Beim ersten Mal Von hoher persönlicher Relevanz Inausgeruhtem Zustand Statistische KI (30%) Wissensbasierte KI (70%) Kognitionspsychologe und Träger des Alfred-Nobel-Gedächtnispreis für Wirtschaftswissenschaften Daniel Kahneman
19 Potentiale für den Einsatz von KI Zeit Standardisierung von Routinetätigkeiten Proaktive Informationsbereitstellung Harmonisierung von Schnittstellen Vereinfachte Datenaufbereitung Erhöhung der Compliance Minimierung von Risiken Qualitative Tätigkeitserweiterung Aufdecken neuer Zusammenhänge Qualität Kosten intelligente Automatisierung bessere Ressourcenauslastung KI-getriebene Skalierungseffekte Erhöhte Produktivität
20 Kosten- und Zeitersparnis durch KI am Beispiel Immobilienvertrag Zeitgewinn entlang des Lebenszyklus für Immobilienverträge Zeitgewinn bei den verschiedenen Prozessen benötigte Zeit zur Dokumentenanalyse (in Stunden) Leasingübersicht Suche KI-basierte Extraktion Mit einem Klick zum juristischen Dokument 1 0 Verlängerung Erstauftrag ohne KI Neuer Mieter Juristen Verkauf Jahre Reporting Portfolio- Verwaltung Excel-export mit Hyperlinks, API Schneller semantischer Zugriff für alle Beteiligten mit KI Berater Immobilienmanager adaptiert von Leverton
21 Maschinelle Informationsextraktion aus Texten im Internet Text: Der künftige Bundespräsident Horst Köhler hat an den politischen Entscheidungsträgern und manchen Wirtschaftsführern in Deutschland unmittelbar nach seiner Wahl deutliche Kritik geübt. Köhler löst seinen Amtsvorgänger Johannes Rau am 1. Juli 2004 ab. Schablone Nachfolger: PersonIn: PersonOut: Position: TimeIn: TimeOut: Textklassifikation Sprachverarbeitung Schablonenverabeitung Schablone Nachfolger: PersonIn: Horst Köhler PersonOut: Johannes Rau Position: Bundespräsident TimeIn: 1.Juli 2004 TimeOut: 1. Juli 2004
22 Automatische Einstellungsanalyse in sozialen Internetmedien mit DFKI-Technologien
23 Smart Underwriting Problemstellung Antragsteller Risikolebens- Versicherung Quest 1: Suffer from desease XYZ? Quest 17: Do risky sports? - Medizinische Kenntnisse - Bauchgefühl - Einfache Regeln Annahme Annahme mit Auflagen Ablehnung Reduzierung der Anzahl Fragen in derantragstellung zu einer Risiko-Lebensversicherung Mehr neue potentielle Kunden Verschlankung des Entscheidungsprozesses Machine Learning Anwendung in der Versicherung: Smart Underwriting
24 Smart Underwriting Lösungsansatz Machine Learning Model Automatische Annahme (für bestimmte Kundenprofile) Quest 1-6 Machine Learning Model WenigerFragen & direkte Entscheidung Weniger Fragen > 58 Features (Einflussgrößen): 17 Antragsfragen + Soziodemografische und Vertragsinformationen Welche sind die relevanten Antrags-Fragen? > Weitere Fragestellungen, z.bsp.: Verhalten sich Geschäftsstellen unterschiedlich in der Antragsentscheidung? > Benötige interpretationsfähiges Modell!
25 Der Wissenstresor von Google: Der größte Speicher von Wissenstripeln für Smart Services Daten aus Webseiten Unstrukturierter Text Semistrukturierte Domänenontologien Strukturierte Tabelleninformation Daten aus sozialen Netzwerken Beispiele Tripel: ((Saarbrücken, Hauptstadt _von, Saarland) 1) ((Koblenz, hält_hitzerekord, Deutschland).7) <S, P, O>.99 <S, P, O>,.96 <S, P, O> Mio. Wissenstripel (Konfidenz > 0.9) 45 Mio. Entitäten 1100 Objektklassen 4469 Relationsklassen wurde aus 1.6 Milliarden Kandidaten-Tripeln selektiert Google Knowledge Vault
26 DeepEye für Katastrophenprognose und -management sowie Früherkennung von Versicherungsschäden
27 Automatische Anomalieerkennung durch Bildklassifikation Erdbeben Buschbrand Copernicus Emergency Management Service, Aug NASA, Oct Überflutung Dammbruch NOAA Remote Sensing Division, Aug NASA, Nov. 2015
28 Automatische Annotation von Satellitenbildern durch aktuelle Aufnahmen aus den sozialen Medien NASA, May 2016
29 Satellitenbildanalyse für die Landnutzungsklassifikation aufgrund von maschinellem Lernen
30 DFKI-Technologie zur Erkennung von Risiken und Planung von Hilfsmassnahmen aus Bildmaterial
31 KI-Systeme zur Rettung von Menschenleben TRADR: Team von zwei Bodenrobotern und drei Drohnen nach dem schweren Erdbeben in Amatrice im September 2016 unterstützen die menschlichen Rettungskräfte (FB v. Genabith) SmartSenior: Bei Herzinfarkt übernimmt ein autonomer Nothalteassistent die Steuerung des Fahrzeuges und fährt das Fahrzeug sicher an den Straßenrand (FB Wahlster mit BMW)
32 Boom für DFKI-Anteile: Zu den 24 DFKI-Gesellschaftern wollen derzeit 8 weitere Firmen zu der gemeinnützigen PPP hinzutreten 539 KI-Experten Mehr als 80% der Projekte mit der Wirtschaft Deutschland GmbH 50,2 M Gesamtkapazität in 2017 Volumen aller Projekte 2018: 117,5 M Direkte Industrieaufträge 25% in Beschäftigte 242 laufende Projekte
33 Das T-förmige DFKI-Portfolio: Breites Innovationsspektrum und tiefe Fachkompetenz MPG FhG HGF Anwendungsorientierte Grundlagenforschung Angewandte F&E sowie Transfer Betrieb großer Test- u. Demonstrationszentren Die gesamte Innovationskette im horizontalen Spektrum des DFKI Sehr schnelles Durchlaufen der Innovationskette: in 3 Jahren von der Idee zum Produkt Die vertikale Spezialisierung des DFKI auf Methoden und Anwendungen der Künstlichen Intelligenz Tiefes Wissen und Exzellenz auf einem wichtigen Teilgebiet der Informatik DFKI MitarbeiterInnen Breite Methoden- und Systemkompetenz in Künstlicher Intelligenz Tiefes Domänenwissen auf einem Anwendungsgebiet z.b.: Agrartechnik, Innovative Fabriksysteme, Autonome Fahrzeuge, Handelssysteme, Medizintechnik, Haustechnik, Steuer-und Finanzwirtschaft, Versichrungen, Logistik
34 Mit mehr als 90 Firmengründungen sind über 3200 zusätzliche Hightech-Arbeitsplätze aus dem DFKI geschaffen worden
35 Die Notwendigkeit hybrider KI-Systeme
36 Die Zukunft der KI: Kombination von Maschinellem Lernen und Wissensbasierten Verfahren Wissensfreie KI-Verfahren Wissensbasierte KI-Verfahren Statistische und neuronale Lernverfahren Such-, Inferenz- und Planungsverfahren z.b. Tiefe Neuronale Netze z.b. Wissensgraphen Wechselseitige Unterstützung Statistische und neuronale Lernverfahren können genutzt werden, um Suchprozesse in wissensbasierten Verfahren zu steuern und damit effizienter zu machen. um Wissensgraphen und Grundoperatoren für wissensbasierte Inferenz- und Planungsverfahren zu lernen. Wissensbasierte und logikbasierte KI-Verfahren können genutzt werden, um die Ergebnisse von maschinellen Lernverfahren zu kombinieren, zu vervollständigen oder zu korrigieren. um die Ergebnisse aus maschinellen Lernverfahren plausibel zu machen oder zu erklären.
37 Neuer Trend in der KI-Forschung: Die Kombination von Maschinellem Lernen und Symbolischem Wissen Himmel Symbolisches Wissen Vordergrund Aufgabe: Wo auf dem Bild ist ein Flugzeug zu sehen? 1. Semantische Segmentierung: Himmel versus Vordergrund (LOKATION FLUGZEUG HIMMEL 0.7) (LOKATION FLUGZEUG BERG 0.01) (LOKATION FLUGZEUG PISTE 0.29) 2. Objekterkennung auf der Basis von Deep Learning nur für Pixel in der Himmelsregion Forschungsergebnis basiert auf Blickbewegungsanalyse im BMBF-Projekt Intera-KT (DFKI 2018)
38 Referenzarchitektur für Autonome Systeme Kontrollmöglichkeiten des Betreibers Sensorik Kommunikation mit der Umgebung Technische Rückfallebene Episodisches Gedächtnis Wissensbasen Modellbibliotheken Domänenmodelle Aufgabenmodelle Kollaborationsmodelle Benutzermodelle Diskursgedächtnis Planbibliothek Selbstregulation Wahrnehmung und Interpretation Lernen und Schlussfolgern Planung und Planerkennung Kommunikation und Kollaboration Bidirektionaler Transfer der Kontrolle Kommunikation mit Menschen Aktorik
39 Autonome Systeme
40 Kombination der verschiedenen Echtzeit- Erkennungssysteme: andere Verkehrsteilnehmer, Fahrspuren, Manövrierraum
41 Neue Formen der Elektromobiliät werden durch die weitere Digitalisierung möglich Das vernetzte und wandlungsfähige Elektromobil EO des DFKI
42 FlatFish: Ein autonomer DFKI- Tiefseeroboter für die Pipeline-Inspektion Von Shell gekauft und im Einsatz vor Brasilien
43 Gehirn-zu-Gehirn-Kommunikation Gedanke an Tastendruck des Senders (EEG) löst diesen unwillentlich beim Empfänger aus (TMS)
44 Sensormotorische und Soziale Intelligenz für das Teamplay im Roboterfußball Das DFKI-Team B-Human ist seit Juli 2016 zum fünften Mal Weltmeister. Die Roboter geben viel zu selten ab und wollen lieber selbst die Tore schießen. Der Doppelpass und die Abseitsfalle sind bisher nur über aufwändige Softwaresysteme zu realisieren.
45 Aktuelle Entscheidungsbasis für autonome Fahrzeuge 1. Sachschaden geht vor Personenschaden 2. Eine Bewertung oder gar Abwägung von Menschenleben ist nicht zulässig. 3. Der geplante Fahrweg wird nur verlassen, wenn dadurch Personenschaden vermieden werden kann. 4. Die Geschwindigkeit wird bei Kollisionsgefahr extrem reduziert. 5. Durch aktive Sicherheitssysteme werden bei unvermeidlichem Aufprall Personenschäden minimiert.
46 Autonome Systeme werfen ethische Fragen auf Asimov sche Gesetze: 1. Ein Roboter darf kein menschliches Wesen wissentlich verletzen oder durch Untätigkeit gestatten, dass einem menschlichen Wesen wissentlich Schaden zugefügt wird. 2. Ein Roboter muss den ihm von einem Menschen gegebenen Befehlen gehorchen es sei denn, ein solcher Befehl würde mit Regel 1 kollidieren. 3. Ein Roboter muss seine Existenz beschützen, solange dieser Schutz nicht mit Regel 1 oder 2 kollidiert. Beispiel einer falschen ethischen Entscheidung bei einem menschlichen Fahrer: Schulbusfahrer weicht auf glatter Waldstrasse einem Reh aus, kommt ins Schleudern und der Bus kippt um mit vielen schwerverletzten Kindern. Problem beim autonomen Fahren: Können Kind, Reh, Affe als Hindernis unterschieden werden?
47 Fragwürdige ethische Tests für Entscheidungen in Kollisionsszenarien Quelle: MIT
48 Superintelligenz als Science Fiction
49 Offene Probleme beim Maschinellem Lernen Fehlanpassung durch zuviel Training Kein Extinktionslernen Schwache Selbsterklärungsmöglichkeiten Alchemie der Lernarchitektur Fehlalarme durch falsch positive Ergebnisse
50 Die Bandbreite menschlicher Perzeption Sensor system Gesamte Bandbreite (Bit/Sek.) Bewußt wahrgenommene Bandbreite (Bit/Sek.) Sehen Hören Tasten Schmecken Riechen nach: R. Kay 2001
51 Das Paradoxon der Künstlichen Intelligenz In der KI-Forschung gilt: Schwere Probleme sind leicht, leichte Probleme sind schwer. Expertenintelligenz Kognitive und wissensintensive Fähigkeiten Spätes Evolutionsstadium Alltagsintelligenz Sensomotorische & sozioemotionale Fähigkeiten Frühes Evolutionsstadium Schachmeister besiegen Witz verstehen Bilanzfälschung erkennen Kind trösten
52 Künstliche Intelligenz versus menschliche Intelligenz Dimensionen der Intelligenz versus Sensomotorische Intelligenz + ++ Kognitive Intelligenz ++ + Emotionale Intelligenz ++ Soziale Intelligenz ++
53 Ist Künstliche Intelligenz besser als die menschliche Intelligenz eines Juristen? [f: P* A] [f: P* A] Antwort : Noch lange nicht! Aber:
54 Künstliche Intelligenz ist besser als natürliche Dummheit [f: P* A]?
55 Konklusion Künstliche Intelligenz wird immer mehr zur Schlüsseltechnologie für Kernbereiche der deutschen Wirtschaft: von der Smart Factory über Smart Products bis hin zu Smart Services. Künstliche Intelligenz ist im Alltag angekommen: vom Assistenzsystem auf dem SmartPhone bis zum Autopiloten im PKW. Der Mensch steht bei der Künstlichen Intelligenz aber im Mittelpunkt, weil er nicht ersetzt, sondern in seinem Handeln unterstützt werden soll. Die Angst vor einem Kontrollverlust oder gar vor einer Superintelligenz als Singularität muss durch einen wissenschaftsbasierten Diskurs mit der Zivilgesellschaft begegnet werden.
56 Vielen Dank für Ihre Aufmerksamkeit
Künstliche Intelligenz für deutsche Exportschlager
Wolfgang Wahlster, CEO des DFKI Künstliche Intelligenz für deutsche Exportschlager 13. Juni 2018, CEBIT, Hannover, Halle 27 Die vier Phasen der KI-Forschung Kerngebiete und Einsatzfelder der KI Sprachverstehende
MehrKünstliche Intelligenz versus menschliche Intelligenz:
Vorlesungsreihe 2017: Künstliche Intelligenz für den Menschen: Digitalisierung mit Verstand Mainz, 02. Mai 2017 Künstliche Intelligenz versus menschliche Intelligenz: Wie lernen, verstehen und denken Computer?
MehrKünstliche Intelligenz und Lernen Der nächste Schritt nach der ersten Digitalisierungswelle?
Künstliche Intelligenz und Lernen Der nächste Schritt nach der ersten Digitalisierungswelle? Professor Dr. habil. Christoph Igel Deutsches Forschungszentrum für Künstliche Intelligenz Educational Technology
MehrKognitive Assistenzsysteme: die neuen Werkzeuge des Menschen in der Informationsgesellschaft. Prof. Dr. Antonio Krüger
Kognitive Assistenzsysteme: die neuen Werkzeuge des Menschen in der Informationsgesellschaft Prof. Dr. Antonio Krüger krueger@dfki.de Agenda Kurze Vorstellung DFKI KI - Eine Bestandsaufnahme Der Wirtschaftsfaktor
MehrKünstliche Intelligenz im Steuerbereich. Berlin
Künstliche Intelligenz im Steuerbereich Berlin 13.10.2017 Einführung in KI und deren Einsatz im Steuerbereich Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster, DFKI Künstliche Intelligenz für die zweite Welle
MehrKünstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern
Künstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern Professor Dr. habil. Christoph Igel Deutsches Forschungszentrum für Künstliche Intelligenz Educational
MehrKünstliche Intelligenz: Computer mit Augen, Ohren, Hand und Fuß - aber auch Verstand?
Künstliche Intelligenz: Chance oder Risiko? Hamburg, 04.07.2013 Künstliche Intelligenz: Computer mit Augen, Ohren, Hand und Fuß - aber auch Verstand? Prof. Dr. rer. nat. Dr. h.c. mult. Wolfgang Wahlster
MehrAutonome Systeme: Grundlagen für das selbstfahrende Auto Prof. Dr. rer. nat. Dr. h.c. mult. Wolfgang Wahlster
Vorlesungsreihe 2017: Künstliche Intelligenz für den Menschen: Digitalisierung mit Verstand Mainz, 16. Mai 2017 Autonome Systeme: Grundlagen für das selbstfahrende Auto Prof. Dr. rer. nat. Dr. h.c. mult.
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrSprachtechnologie und Künstliche Intelligenz Prof. Dr. Stephan Busemann
Sprachtechnologie und Künstliche Intelligenz Prof. Dr. Stephan Busemann Stv. Leiter Bereich Sprachtechnologie Deutsches Forschungszentrum für Künstliche Intelligenz GmbH Saarbrücken 26.09.2018, Frankfurt
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrAutomatische Klassifikation: Stand der Technik und Veränderungen im Berufsbild des Dokumentars. Automatische Klassifikation:
02. Mai 2005 P R O J E C T C O N S U L T GmbH GmbH 1 Agenda Einführung Automatische Klassifikation Qualität Veränderung des Arbeitsumfeldes Ausblick GmbH 2 1 Einführung GmbH 3 Eine Herausforderung geordnete
MehrAutonome Systeme in Wirtschaft und Gesellschaft
Autonome Systeme in Wirtschaft und Gesellschaft Prof. Dr. Henning Kagermann Präsident acatech Jahrestagung des Deutschen Ethikrates Berlin, 21. Juni 2017 Renaissance der Künstlichen Intelligenz Von programmierten
MehrKünstliche Intelligenz im Steuerbereich
Künstliche Intelligenz im Steuerbereich Steckbrief KI-Softwareprototypen KI-Softwareprototypen NeuMÜ Unsere Prototypen zielen auf folgende Prozessunterstützung ab: Vereinfachte Datenaufbereitung Proaktive
MehrDinner Speech bei der Acatech Senatsveranstaltung. Künstliche Intelligenz als Speerspitze der Digitalisierung
Dinner Speech bei der Acatech Senatsveranstaltung Künstliche Intelligenz als Speerspitze der Digitalisierung Prof. Dr. rer.nat. Dr. h.c. mult. Wolfgang Wahlster Deutsches Forschungszentrum für Künstlichen
MehrIntelligente Algorithmen Einführung in die Technologie
Intelligente Algorithmen Einführung in die Technologie Dr. KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Natürlich sprachliche
MehrKünstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX
Künstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX Künstliche Intelligenz Was ist Künstliche Intelligenz? KI und der Mensch: Miteinander oder Gegeneinander?
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrKünstliche Intelligenz ist der nächste Schritt im Rahmen der Digitalen Transformation
Künstliche Intelligenz ist der nächste Schritt im Rahmen der Digitalen Transformation Dipl.-Wirtsch.-Ing Ralph Appel, Direktor des VDI Verein Deutscher Ingenieure e.v. Statement zur VDI-Pressekonferenz
MehrDer Sprung in die Zukunft! Einführung in neuronale Netzwerke
Der Sprung in die Zukunft! Einführung in neuronale Netzwerke Inhalt 1. Warum auf einmal doch? 2. Welche Einsatzgebiete gibt es? 3. Was sind neuronale Netze und wie funktionieren sie? 4. Wie lernen neuronale
MehrMensch-Technik-Emotion
Mensch-Technik-Emotion Workshop Emotionen im Kontext der Mensch-Technik- Interaktion Arne Manzeschke, Galia Assadi, Willy Viehöver 16./17.6. 2016 Institut Technik Theologie Naturwissenschaften an der LMU
MehrPotentiale der Digitalisierung Herausforderungen gestalten. Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut
Herausforderungen gestalten Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut Herzlich Willkommen zur skonferenz Brandenburg 2018! Die Digitale Transformation ist, nach
MehrAnsprache des Stiftungsprofessors 2017 beim Fundraising Dinner
Ansprache des Stiftungsprofessors 2017 beim Fundraising Dinner Prof. Dr. rer.nat. Dr. h.c. mult. Wolfgang Wahlster Deutsches Forschungszentrum für Künstlichen Intelligenz www.dfki.de/~wahlster Mainz, 30.4.2017,
MehrDie Zukunftslabore des DFKI:
7 Jahre DFKI Berlin: Gut angekommen und voll abgefahren 14. Juli 2014, CINIQ am Salzufer 6, 10587 Berlin Die Zukunftslabore des DFKI: Innovationsbeschleuniger für Berlin rer. nat. Dr. h.c. mult. Wolfgang
MehrSoftware, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk)
Technology Day am 10:45 11:45 Uhr Raum: Empore Software, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk) Bernhard Kube, Vice President, Die Lufthansa ist ein Konzern
MehrKamera-basierte Objekterkennung
Kamera-basierte Objekterkennung Deep Machine Learning. Version 2.0 Einführung Motivation & Megatrends Motivation In der Logistik verursacht die Identifizierung (das Scannen) der Produkte, Pakete, Paletten,
MehrKÜNSTLICHE INTELLIGENZ Die nächste Revolution für industrielle Dienstleister?
KÜNSTLICHE INTELLIGENZ Die nächste Revolution für industrielle Dienstleister? Prof. Dr.-Ing. Dr.-Ing. E.h. Dr. h.c. Dieter Spath Deutsche Akademie der Technikwissenschaften (acatech), München Fraunhofer-Institut
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrNeue Erkenntnisse aus unstrukturierten Daten gewinnen
Neue Erkenntnisse aus unstrukturierten Daten gewinnen Univ.-Prof. Dr. Josef Küng Institut für anwendungsorientierte Wissensverarbeitung (FAW) Johannes Kepler Universität Linz In Zusammenarbeit mit Mag.
MehrGleiche Daten, unterschiedliche Erkenntnisziele?
Gleiche Daten, unterschiedliche Erkenntnisziele? Zum Potential vermeintlich widersprüchlicher Zugänge zur Textanalyse Universität Hamburg Evelyn Gius Jan Christoph Meister Janina Jacke Marco Petris Universität
MehrChancen und Risiken im landwirtschaftlichen Familienbetrieb
Magatrend Digitalisierung Chancen und Risiken im landwirtschaftlichen Familienbetrieb WiN-Fachtagung: Wendezeiten / Zukunft Arbeitsplatz Bauernhof 06.11.2017 in Haltern am See Prof. Dr. Michael Clasen
MehrIl futuro ha bisogno di ricerca! Industrie 4.0 Herausforderungen und Chancen für KMU
Il futuro ha bisogno di ricerca! Industrie 4.0 Herausforderungen und Chancen für KMU Prof. Dr.-Ing. Dominik Matt Fraunhofer 1 Industrie 4.0 Ein Thema nur für große Unternehmen? einige Aspekte sprechen
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrRegionale Ausschreibung Digitalisierung
Regionale Ausschreibung Digitalisierung WS Forschung Austria Alpbach 24.8.2017 DI Klaus Oberreiter, MBA 1 Ausgangssituation Digitalisierung ist ein wesentlicher Faktor für OÖs Zukunftsfähigkeit. OÖ ist
MehrWas können lernende Maschinen wissen?
Was können lernende Maschinen wissen? Prof. Dr. Lars Schwabe Adaptive and Regenerative Software Systems http://ars.informatik.uni-rostock.de 2010 UNIVERSITÄT ROSTOCK FAKULTÄT FÜR INFORMATIK UND ELEKTROTECHNIK
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrVon lernenden Programmen und schlauen Geräten
Von lernenden Programmen und schlauen Geräten Stadtmuseum Tübingen, 12.10.2017, Ausstellung Roboter Georg Ludwig Verhoeven Integrata-Stiftung für humane Nutzung der Informationstechnologie Jede hinreichend
MehrWoher Methoden der KI stammen Gebiete der Künstlichen Intelligenz wissensbasierte Systeme
Woher Methoden der KI stammen Gebiete der Künstlichen Intelligenz (induktives) Lernen Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz insbesondere folgende Gebiete eine Rolle:
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
MehrIntelligentes Enterprise Information Management (EIM)
Intelligentes Enterprise Information Management (EIM) Franz Schreiber... verborgenes Wissen produktiv machen Durch Optimierung von Dokumenten und Informationen zum intelligenten EIM DM Dokumenten Management
MehrDie Herausforderung für die Zukunft des Servicemanagement. NetEye & EriZone Usergroup 2017, Martin Fischer & Christian Nawroth
Die Herausforderung für die Zukunft des Servicemanagement NetEye & EriZone Usergroup 2017, 23.3.2017 Martin Fischer & Christian Nawroth 1 Agenda 1 2 3 4 5 Status Quo Herausforderungen Anforderungen Lösungen
MehrSemestertext SiBe1 (Informatik) Technikfolgeabschätzung zum Thema Chancen und Risiken künstlicher Intelligenz im Alltag
Semestertext SiBe1 (Informatik) Technikfolgeabschätzung zum Thema Chancen und Risiken künstlicher Intelligenz im Alltag Autoren Stefan Preisig Hauptbetreuung Thomas Baumberger Datum 25.11.2015 Technikfolgeabschätzung
MehrAI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter.
AI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter. AIM KOMPETENZEN & PORTFLIO Artificial Intelligence / Machine Learning Agile & DevOps Beratung Atlassian
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrKooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions
Kooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions Peter Zimmer Nicole Roik Dr. Klemens Hägele IBM Deutschland GmbH Saarbrücken 22. Februar 2018 2018 IBM Corporation 1 2018 IBM Corporation
MehrBertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren
Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren Regensburg, 18.05.2017, Ulrich Haböck Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren 0 Agenda Grundlagen Machine
MehrBetriebliche Prävention 4.0: Gestaltungsmöglichkeiten und Handlungsfelder
Betriebliche Prävention 4.0: Gestaltungsmöglichkeiten und Handlungsfelder Oleg Cernavin - BC GmbH Forschungs- und Beratungsgesellschaft Prof. Dr. Sascha Stowasser Institut für angewandte Arbeitswissenschaft
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrWas bringt die Zukunft? Herausforderungen und Gelegenheiten - die nächsten 5-7 Jahre
Was bringt die Zukunft? Herausforderungen und Gelegenheiten - die nächsten 5-7 Jahre Futurist Humanist Algorithmen Androrithmen Imagine Develop Foresights Sind Sie zukunftsbereit? Understand Observe Foresights
MehrAdaptive Lernsysteme für soziale Kognition: Ein emotionaler Dreisprung
Adaptive Lernsysteme für soziale Kognition: Ein emotionaler Dreisprung Ulrike Lucke 06. Dezember 2017 elearning-netzwerktag 2017 Frankfurt a.m. 1 Emotionen in der Lehre 06. Dezember 2017 elearning-netzwerktag
MehrWahlpflichtfach Informatik
Wahlpflichtfach Informatik Dipl.-Ing. Michael NIEDERLE Klassen: 6C, 7AB 3-jährig (1 Doppelstunde pro Jahr); maturabel Was vor wenigen Jahren noch Sciene Fiction war, ist heute Realität. So entwickelt z.b.
MehrKamerabasierte Erkennung von Fußgängern in urbanen Verkehrsszenen
Kamerabasierte Erkennung von Fußgängern in urbanen Verkehrsszenen Vortragender: Studiengang: Betreuer: Yeyi Qiu Fahrzeugtechnik Prof. Dr. rer. nat. Toralf Trautmann M. Sc. Patrick Richter Seite 01 von
MehrETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN
ETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN KI als Mitarbeiter und Chef in der zukünftigen Arbeitswelt LEITFADEN DURCH DEN VORTRAG Die Entwicklung
MehrAgrarportale online, Schnittstellen, Datenhoheit und Datensicherheit
Agrarportale online, Schnittstellen, Datenhoheit und Datensicherheit Chancen und Risiken der Digitalisierung Westerstede, 27.04.2017 Prof. Dr. Michael Clasen Prof. Dr. Michael Clasen 27.04.2017 Seite 1
MehrService-Robotik Herausforderungen und Trends. Prof. Dr. Frank Kirchner Universität Bremen, DFKI Robotik Labor Bremen Robert-Hooke-Str.
Service-Robotik Herausforderungen und Trends Prof. Dr. Frank Kirchner Universität Bremen, DFKI Robotik Labor Bremen Robert-Hooke-Str. 5 28359 Bremen , Bremen Grundlagen zur Anwendung bringen Direkte Einbindung
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrDie digitale Agenda der ÖBB Die Interaktion von Strategie und Technologie
Die digitale Agenda der ÖBB Die Interaktion von Strategie und Technologie Marcus Frantz, Konzern CIO Wien, Strategisches Konzern IT-Management Digitale Transformation Die Integration der digitalen Technologien
MehrPLATZHALTER BILD. Ethische Herausforderungen eines Mobilitätsbetreibers Carsten Weber Dr. Karl Teille. Klagenfurt, 26.
PLATZHALTER BILD BILD Ethische Herausforderungen eines Mobilitätsbetreibers Carsten Weber Dr. Karl Teille Klagenfurt, 26. September 2016 Digitale Wirtschaft: Anwendungsfelder Aktuelle Relevanz im Automotiv
MehrFokus auf die menschliche. mit AI-basiertem Matching. Komponente im Recruiting. Webinar am Martin Lenz, JOBIQO
Fokus auf die menschliche Komponente im Recruiting mit AI-basiertem Matching Webinar am 23.01.2019 Martin Lenz, JOBIQO Martin Lenz Geschäftsführer, JOBIQO Background: + Studium Informatik & MBA + ca. 10
MehrAutonome (Smarte) Gebäude: Chancen
Autonome (Smarte) Gebäude: Zukünftige Herausforderungen und Chancen Hilko Hoffmann Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH Forschungsbereich Agenten und Simulierte Realität Campus
MehrVon der Entscheidungsunterstützung zur Entscheidungsautomatisierung mit Big Data und Künstlicher Intelligenz
Von der Entscheidungsunterstützung zur Entscheidungsautomatisierung mit Big Data und Künstlicher Intelligenz Dr. Stefan Wess CEO Empolis Information Management, Kaiserslautern Seite 1 Historie der Empolis
MehrDer digitale Bauch An- und Einsichten
Der digitale Bauch An- und Einsichten Prof. Dr. Elgar Fleisch ETH Zürich & Universität St. Gallen (HSG) KMU Tag St. Gallen, am 26. Oktober Der erste Start in die Künstliche Intelligenz 1991 Slide 2 Latzhosen,
MehrEntwicklung und Einsatz von Expertensystemen
Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo
MehrCyber-X-Systeme Robotik/KI in Automatisierungs-Anwendungen 2026
Cyber-X-Systeme Robotik/KI in Automatisierungs-Anwendungen 2026 marion-abschlussmeilenstein bei CLAAS Prof. Dr. Joachim Hertzberg - DFKI Cyber-X-Systeme marion-abschlussmeilenstein 19.09.2013 Prof. Dr.
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
MehrJulian Dömer Head of Innovation 23. Oktober Das Netz der Zukunft
Julian Dömer Head of Innovation. Oktober 08 Das Netz der Zukunft Für Video hier klicken 5G Wo stehen wir heute? Ersten Erfolgen bei Kunden folgt der baldige Launch in der Schweiz! Erste erfolgreiche Anwendung
MehrSMARTE MASCHINEN IM EINSATZ KÜNSTLICHE INTELLIGENZ IN DER PRODUKTION
Persönliche Einladung Konferenz SMARTE MASCHINEN IM EINSATZ KÜNSTLICHE INTELLIGENZ IN DER PRODUKTION 15. Mai 2018 Fraunhofer IPA, Stuttgart Veranstalter Kooperationspartner Grußwort Sehr geehrte Damen
MehrMöglichkeiten der Automatisierung im Motorisierten Individualverkehr Verkehrsträger Strasse
Inputreferat Möglichkeiten der Automatisierung im Motorisierten Individualverkehr Verkehrsträger Strasse Noch am Steuer: Andreas Egger AMAG Import, Leiter Business Process Development Mitglied der erweiterten
MehrDigitalisierung für mehr Optionen und Teilhabe im Alter Carsten Große Starmann. Berlin, 08. September 2017
Digitalisierung für mehr Optionen und Teilhabe im Alter Carsten Große Starmann Berlin, 08. September 2017 Digitalisierung Zunehmende digitale Vernetzung aller Lebensbereiche durch digitale Infrastrukturen,
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014, überarbeitet am 20. Januar 2017 Übersicht Stand der Kunst: Bilderverstehen, Go spielen Was ist ein Bild in Rohform?
MehrDynamisch adaptive Systemarchitektur zur Optimierung der Prozesssteuerung am Beispiel der Getreideernte
Dynamisch adaptive Systemarchitektur zur Optimierung der Prozesssteuerung am Beispiel der Getreideernte Thilo Steckel (CLAAS) und Hans W. Griepentrog (Universität Hohenheim) VDI-MEG Kolloquium MÄHDRESCHER
MehrSKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
MehrDie Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security. H. Lubich FHNW
Die Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security H. Lubich FHNW Es fing alles ganz harmlos an 2 Entwicklungsschritte KI Neuronale Netze Selbstlernende Systeme Advanced
MehrBig Data Künstliche Intelligenz Und das Ich
Big Data Künstliche Intelligenz Und das Ich Überblick Big data 2 Beispiele David Kriesel: Spiegel Mining Cambridge Analytics: Ocean Diagramm Intelligenz Wie funktioniert das? Neuronale Netze Zukunktsperspektiven/Kaffeesatzleserei
MehrMittelstand Kompetenzzentrum Kiel. Das digitale Kompetenzzentrum für Schleswig-Holstein
Mittelstand 4.0 - Kompetenzzentrum Kiel Das digitale Kompetenzzentrum für Schleswig-Holstein Unser Angebot für Ihre Digitalisierung Branchen Querschnittsthemen Maschinenbau Digitale Kompetenz Geschäftsmodelle
MehrLernfähige Roboter. die Zukunft der Servicerobotik. Prof. Dr. Wolfgang Ertel Hochschule Ravensburg-Weingarten
Lernfähige Roboter die Zukunft der Servicerobotik Prof. Dr. Wolfgang Ertel Hochschule Ravensburg-Weingarten Akademietage Landkreis Biberach, 3.3.211 Was ist Servicerobotik? Waschen Bügeln Kochen Aufräumen
MehrLearning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
MehrInnovative Datenanalyse für die Medizin
Innovative Datenanalyse für die Medizin IDEALearning Intelligent Data Evaluation and Analysis by Machine Learning Dr. Susanne Winter winter:science Technologiezentrum Ruhr Universitätsstr. 142 44799 Bochum
MehrDigitale Fabrik mit Siemes PLM
Digitale Fabrik mit Siemes PLM Der Weg zur Digitalen Fabrik von digitalen Möglichkeiten bis zur realen Umsetzung Fertigungs- und Logistikplanung Dipl.-Ing. Andreas Madlencnik Solution Consultant Digital
MehrWas versteht man unter Intelligenz
Was versteht man unter Intelligenz keine allgemein gültige Definition! unterschiedliche Definitionsansätze (Medizin,Philosophie,etc.) Persönliche Definition: Das aktive Wahrnehmen von Äußeren Einflüssen,
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrIntelligenter Algorithmus X2Safe trägt zu mehr Verkehrssicherheit bei
Seite 1/5, 29. November 2016 Intelligenter Algorithmus X2Safe trägt zu mehr Verkehrssicherheit bei X2Safe: Systemanbieter ZF präsentiert innovatives Vernetzungskonzept für alle Verkehrsteilnehmer Algorithmus
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrDr. Franz Schmaderer, Leiter des Global Lab Automation und Leiter des ABB Forschungszentrums in Ladenburg Forschung für das Servicegeschäft
Dr. Franz Schmaderer, Leiter des Global Lab Automation und Leiter des ABB Forschungszentrums in Ladenburg Forschung für das Servicegeschäft 17.11.2009, Ladenburg, Pressetag im Forschungszentrum Slide 1
MehrProzesse einfach modellieren und verständlich publizieren
Prozesse einfach modellieren und verständlich publizieren Qualität im Dialog Hamburg Industrie 4.0 Im Prozessmanagement Umfeld 2 Herzlich Willkommen zur Präsentation Dipl.-Ing. Marco Idel Geschäftsführender
MehrIdeen der Informatik. Eine Vorlesung für Hörer aller Fakultäten
Ideen der Informatik Eine Vorlesung für Hörer aller Fakultäten Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik und Universität des Saarlandes Unsere drei Ziele Grundbegriffe der Informatik:
MehrDigitalisierung und Humanität
Digitalisierung und Humanität Dozent (PD) Univ.Lektor Dr. Andreas Klein Ethik Consulting Klein GmbH, Wien Dozent (PD) Univ.Lektor Dr. Andreas Klein Ausgangslage Digitalisierung als Fortsetzung von Technologisierung.
MehrVernetzte Smart Labels
Forschen für die Internet-Gesellschaft: Trends, Technologien, Anwendungen Workshop Vernetzte H. Raffler 6 Hauptphasen der Internet-Nutzung 2005 Forschungsnetze 1 EMail WWW 2003 Mobile Internet- Dienste
MehrWer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz. Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability
Wer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability Lab @nettwerkerin Konstituierende Sitzung der Enquete-Kommission Künstliche
Mehr! Die Idee Kombination von Informatik und einem anderen Fach
Computerlinguistik Integriertes Anwendungsfach im B.Sc.Studiengang Department Informatik / Universität Hamburg! Wie funktioniert das integrierte Anwendungsfach Computerlinguistik (organisatorisch)?! Beziehungen
MehrThema. Intelligente Agenten im Web
Thema Intelligente Agenten im Web Einführendes Beispiel Suchmaschine Probleme: - Immer mehr falsche Informationen - Anwender werden überfordert - Zeitaufwand erhöht sich - Zunehmendes Sicherheitsrisiko
MehrGIN SERVER. From Data to Information. HERAUSFORDERUNG: Verteilte Daten
In der Praxis ist eine übergeordnete Sicht der Daten notwendig, um übergreifende Prozesse zu steuern und geschäftskritische Informationen zu erschließen, die sich erst aus der Kombination der Daten ergeben.
MehrAutonomes Fahren und KI
Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2
MehrKI für den Sprachkanal. Nutzen, Chancen, Ausblick ANSWERS 2018 Axel Schmitz-Tewes
KI für den Sprachkanal Nutzen, Chancen, Ausblick ANSWERS 2018 Axel Schmitz-Tewes Agenda 1 KI für den Sprachkanal 2 3 4 5 6 Was ist KI KI in der Sprache und im Dialog Nutzen Grenzen Disruption und Ausblick
Mehr«Digitalisierung und Arbeitsmarkt»
«Digitalisierung und Arbeitsmarkt» Wirtschaftsforum Binningen 2017 vom 23. Oktober 2017 Wirtschaftsforum Binningen 23.10.2017 Regula Ruetz metrobasel 1 Digitale Abstimmung www.kahoot.it Bitte geben Sie
MehrSensorsysteme für die Mensch-Technik-Interaktion. Jürgen Berger VDI/VDE Innovation + Technik GmbH SENSORSYSTEME 2012 Lichtenwalde
Sensorsysteme für die Mensch-Technik-Interaktion Jürgen Berger VDI/VDE Gmb SENSORSYSTEME 2012 Lichtenwalde 18.10.2012 BMBF Zukunftsfeld Mensch-Technik-Kooperation Quelle: Fraunhofer Foresight-Prozess Im
Mehr