Künstliche Intelligenz im Steuerbereich
|
|
- Klaudia Salzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Künstliche Intelligenz im Steuerbereich Steckbrief KI-Softwareprototypen
2 KI-Softwareprototypen NeuMÜ Unsere Prototypen zielen auf folgende Prozessunterstützung ab: Vereinfachte Datenaufbereitung Proaktive Informationsbereitstellung Standardisierung von Routinearbeiten Maschinelle Übersetzung von Fachtexten Benchmark unterschiedlicher Frameworks für maschinelle Übersetzung Entwicklung und Betrieb als Webapplikation, sodass Funktionalität (24h/7days a week) verfügbar Im Folgenden werden die einzelnen Prototypen näher vorgestellt. Minimierung von Steuerrisiken Automatisierte Beantwortung einfacher steuerrechtlicher Fragestellungen Strukturierung und Klassifikation von Gesetzestexten und -richtlinien Erleichterung Informationszugang durch proaktive Bereitstellung steuerlich relevanter Informationen Maschinelle Übersetzung Deep Learning Multilinguale Systeme Sprachverstehen ILSP-FC (crawling monolingual & parallel in-domain data) OpenNMT
3 DETECTION PREDICTION Erkennung von unbekannten Fehlern und Anomalien in Transaktionsdaten (z. B. FTA / Zoll) Selbstständiges Lernen (neuer) Muster in großen Datenmengen ohne spezielles Expertenwissen Inhaltliche Analyse von Steueranfragen Natürliche Sprachverarbeitung und automatisierte Erkennung steuerlicher Sachverhalte KI-getriebene Skalierungseffekte Bessere Ressourcenauslastung Erhöhung der Compliance Minimierung von Steuerrisiken Aufdeckung neuer Zusammenhänge Assistenz bei der Identifikation von Anomalien und neuer Muster Proaktive Erkennung von Änderungen der Materialzusammensetzung im Zeitverlauf Erleichterter Informationszugang durch proaktive Bereitstellung steuerlich relevanter Informationen Inhaltliche Analysen von Steueranfragen Intelligente, automatisierte Weiterleitung steuerrelevanter Anfragen an Steuerexperten Auto Encoder Deep Learning Prozessoptimierung Konformanzprüfung Process Mining Klassifikation Spracherkennung Java Spring Framework TensorFlow Java Spring Framework TensorFlow
4 ARGUMENTUM Q & A Identifikation von argumentativen Strukturen und Argumentationsmustern Unterstützung der Steuerabteilung bei Recherche und Aufbereitung bestehender Rechtsprechung Interaktives natürlichsprachliches System, das steuerrechtliche Fragen des Benutzers beantwortet Beantwortung erfolgt neben textbasierten Ein- und Ausgaben auch durch gesprochene Sprache KI-getriebene Skalierungseffekte KI-getriebene Skalierungseffekte Qualitative Tätigkeitserweiterung Qualitative Tätigkeitserweiterung Erschließen und Verstehen der Urteilstexte über bspw. Stichworte Sortierung der Urteile nach bestimmten Argumentationsmustern und inhaltlicher Struktur Qualitative Vorverarbeitung ermöglicht schnelle Erfassung relevanter Textpassagen Entlastung des Steuerberaters durch Übernahme von Routineanfragen Text Mining Argumentation Mining Wissensbasierte Dokumentenanalyse Semantische Technologien Java, Apache Tomcat OpenNLP Deep Learning Feature Extraction Spracherkennung Sprachgenerierung Q&A-Systeme Multimodal Mobile Interaction and Rendering (MMIR) Framework MARY Text-to-Speech-System (MaryTTS) / Google-Synthese Webtechnologien (Cordova, Ionic), Webserver node.js Chrome Browsererweiterung & Android-App
5 KI Technologien im Überblick Process Mining Maschinelles Lernen Informationsextraktion Prozesserkennung Prozessvorhersage Geschäftsmodell optimierung Prozessdiagnose Prozessanalyse Prozessoptimierung Prozessanpassung Konformanzprüfung Klassifikation Clusterverfahren Bestärkendes Lernen Entscheidungsbäume Regressionsanalyse Logistische Regression Stützvektormaschinen Deep Learning Autoencoder Sentimentanalyse Trendanalyse Data Mining Optische Zeichen erkennung (OCR) Korrelationsanalyse Argumentation Mining Wissensmanagement Multimodale Systeme Sprachverarbeitung Unternehmensgedächtnis Semantische Technologien Kontexterkennung Fallbasiertes Schließen Wissensbasierte Dokumentanalyse Wissensgraph Stützvektormaschinen Expertensysteme Semantic Desktop Adaptive Benutzerschnittstellen Intelligente Benutzerschnittstellen Multilinguale Systeme Assistenzsysteme Empfehlungssysteme Dialogsysteme Personalisierung Spracherkennung Sprachgenerierung Sprachverstehen Text Mining Maschinelle Übersetzung Q & A-Systeme KI-Prototypen Prediction Inhaltliche Analyse und intelligente Zuordnung von Steueranfragen Q & A Intelligente dialogbasierte Beantwortung steuerlicher Fragen Übersetzung Verständnis Dialoge Tax Analytics Sprache ARGUMENTUM Identifikation von argu mentativen Strukturen und Argumentationsmustern Muster Argumentation Detection Erkennung von Anomalien in transaktionalen Massendaten (z. B. im Bereich Zoll) NeuMU Neuronales Übersetzungssystem für Steuerfachtexte
6 Ansprechpartner: Andreas Homrighausen Partner Telefon +49 (0) Vanessa Just Telefon +49 (0) WTS Group AG Thomas-Wimmer-Ring München wts.com/de Cover: istock
Anwendung der Predictive Analytics
TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg
MehrThementisch Anwendungsgebiete und
Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven
MehrTNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science
TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)
MehrForschunsprojekte und Independent Coursework. Prof. Dr. Christian Herta 29. Januar 2013
Forschunsprojekte und Independent Coursework Prof. Dr. Christian Herta 29. Januar 2013 Forschungsgebiete Suchtechnologie, Text- und Webmining Verarbeitung unstrukturierter Daten, insbesondere Text Large
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrBesuch der Gesellschaft für Wissensmanagement, Theseus Innovationszentrum, 04.05.2011. DFKI Fakten. Aljoscha Burchardt
Besuch der Gesellschaft für Wissensmanagement, Theseus Innovationszentrum, 04.05.20 DFKI Fakten Aljoscha Burchardt Deutsches Forschungszentrum für Künstliche Intelligenz, DFKI GmbH Alt-Moabit 9c 0559 Berlin,
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:
MehrSMART INFORMATION MANAGEMENT
SMART INFORMATION MANAGEMENT DIE RICHTIGE INFORMATION ZUR RICHTIGEN ZEIT ZUR RICHTIGEN PERSON AUF EINEM BELIEBIGEN ENDGERÄT QUICK FACTS UNSERE MISSION Empolis-Lösungen befähigen Unternehmen und Organisationen,
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
MehrADL Erkennung mit Smartwatches
Data Mining zur Realzeiterkennung von Aktivitäten des täglichen Lebens, Dr. Rainer Lutze Problemstellung / Zielsetzung 2 Zielsetzungen ADL Activities of Daily Living - Aktivitäten des täglichen Lebens
MehrKundenbindung optimieren mit Predictive Analytics und Text Mining
Kundenbindung optimieren mit Predictive Analytics und Text Mining Ein Praxis-Beispiel mit der Analyse-Plattform STATISTICA CeBIT Hannover, 10. März 2014 www.statsoft.de StatSoft (Europe) GmbH 2014 Dr.
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrTextanalyse mit UIMA und Hadoop.!! Hans-Peter Zorn data2day, Karlsruhe, 27.11.2014
Textanalyse mit UIMA und Hadoop Hans-Peter Zorn data2day, Karlsruhe, 27.11.2014 Über mich seit 2014: Big Data Scientist @ Inovex 2011-2013: TU Darmstadt, UKP Lab Etablierung der Hadoop-Infrastruktur Unterstützung
MehrSeminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens
Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 19.12.2013 Allgemeine Problemstellung
MehrBereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web
Bereiche der KI KI und das Web Eine Übersicht Web Site Engineering, Vorlesung Nr. 13 Neuronale Netze Suchverfahren Expertensysteme Fallbasiertes Schließen (Case-Based Reasoning) Planen Maschinelles Lernen
MehrWorkflow-Kontext zur Realisierung prozessorientierter Assistenz in Organisational Memories
Workflow-Kontext zur Realisierung prozessorientierter Assistenz in Organisational Memories Dipl.-Inform. Heiko Maus Deutsches Forschungszentrum für Künstliche Intelligenz GmbH Trippstadter Straße 122 67663
MehrNeue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung
Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung Hamburg 16.11.2016 Nmedia Fotolia Fraunhofer-Institut für Intelligente Analyseund Informationssysteme Fraunhofer IAIS - Wir
MehrData Mining und maschinelles Lernen
Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen
MehrAbschlussarbeiten für StudentInnen
Camunda bietet StudentInnen die Möglichkeit, ihre Abschlussarbeit zu einem praxisnahen und wirtschaftlich relevanten Thema zu schreiben. Alle Themen im Überblick Elasticsearch (Backend) Java Client (Backend)
MehrÜbungsblatt LV Künstliche Intelligenz, Data Mining (1), 2014
Übungsblatt LV Künstliche Intelligenz, Data Mining (1), 2014 Aufgabe 1. Data Mining a) Mit welchen Aufgabenstellungen befasst sich Data Mining? b) Was versteht man unter Transparenz einer Wissensrepräsentation?
MehrEffzienzsteigerung durch intelligentes Datenmanagement
Effzienzsteigerung durch intelligentes Datenmanagement Analyse, Optimierung, Steuerung und Prognose von Prozessen Dr. Thomas Natschläger +43 7236 3343 868 thomas.natschlaeger@scch.at www.scch.at Das SCCH
MehrMobile Learning ::: Bildung in Happchen?
Mobile Learning ::: Bildung in Happchen? Prof. Dr. habil. Christoph Igel Universität des Saarlandes Shanghai Jiao Tong University Deutsches Forschungszentrum für Künstliche Intelligenz Mobile Learning
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,
MehrProjekt-/Praxisseminare Sommersemester 2014
Lehrstuhl Dr. Max Mustermann Wirtschaftsinformatik I - Informationssysteme Referat Kommunika/on & Marke/ng FAKULTÄT Verwaltung FÜR WIRTSCHAFTSWISSENSCHAFTEN Projekt-/Praxisseminare Sommersemester 2014
Mehr9 Resümee. Resümee 216
Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls
MehrECM mit Lexmark ES. Enterprise Content Management-Lösung mit Saperion, Kofax, Readsoft und Perseptive. März 2016
ECM mit Lexmark ES Enterprise Content Management-Lösung mit Saperion, Kofax, Readsoft und Perseptive März 2016 Siemens AG 2016 Siemens seit 168 Jahren innovativ Seite 3 Zinsberger/GS IT ER EU2, 30.3.2016
MehrExtraktion und Visualisierung von multidimensionalen Textinformationen zur Integration von Big Data in unternehmensspezifischen Wissenslandkarten
Extraktion und Visualisierung von multidimensionalen Textinformationen zur Integration von Big Data in unternehmensspezifischen Wissenslandkarten FOM Hochschulzentrum Dortmund, Fachbereich Wirtschaftsinformatik
MehrML-Werkzeuge und ihre Anwendung
Kleine Einführung: und ihre Anwendung martin.loesch@kit.edu (0721) 608 45944 Motivation Einsatz von maschinellem Lernen erfordert durchdachtes Vorgehen Programmieren grundlegender Verfahren aufwändig fehlerträchtig
MehrIHRE DATEN SIND GOLD WERT!
IHRE DATEN SIND GOLD WERT! DATENQUALITÄT ALS GRUNDLAGE FÜR AUSSAGEKRÄFTIGE RESULTATE EPA LEP ANWENDERKONFERENZ / 19. NOVEMBER 2015 / JÜRG DIETRICH Statistik Predictive Analytics Data Mining Big Data Data
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
MehrWie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz)
Wie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz) 1 Maschinelle Übersetzung (MÜ) Überblick: Warum MÜ: Datenmenge, Qualität und
MehrAnalyse und Synthese von Argumentationsstrukturen durch rechnergestützte Methoden am Beispiel der Rechtswissenschaft
Analyse und Synthese von Argumentationsstrukturen durch rechnergestützte Methoden am Beispiel der Rechtswissenschaft Ass. jur. Iris Speiser Institut für Rechtsinformatik Universität des Saarlandes Dipl.-Wirt.-Inf.
MehrInformationsmanagement mit Semantischen Netzen Dr. Günter Pees, SSG
Informationsmanagement mit Semantischen Netzen Dr. Günter Pees, SSG Inhalt Problembereich Informationsmanagement Lösungsansatz: Der Einsatz semantischer Technologien Referenzbeispiele: Wirtschaft/Öffentlicher
MehrText Mining Praktikum. Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818
Text Mining Praktikum Durchführung: Andreas Niekler Email: aniekler@informatik.uni-leipzig.de Zimmer: Paulinum (P) 818 Rahmenbedingungen Gruppen von 2- (max)4 Personen Jede Gruppe erhält eine Aufgabe Die
MehrIndustrie 4.0 Berufliche und akademische Aus- und Weiterbildung vor neuen Herausforderungen?
Industrie 4.0 Berufliche und akademische Aus- und Weiterbildung vor neuen Herausforderungen? Prof. Dr. habil. Christoph Igel Universität des Saarlandes Shanghai Jiao Tong University Deutsches Forschungszentrum
Mehr8 Juli 2015. Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics
Transparenz durch Governance Data Governance als kritischer Erfolgsfaktor für Predictive Analytics Contents Predictive Analytics Erwartungen erfüllt? Einfach denken worauf achten, bevor gestartet wird?
MehrEuropeana v2.0. Vivien Petras Institut für Bibliotheks-und Informationswissenschaft, Humboldt-Universität zu Berlin
Europeana v2.0 Vivien Petras Institut für Bibliotheks-und Informationswissenschaft, Humboldt-Universität zu Berlin Deutsches Kulturerbe auf dem Weg zur Europeana II, 21.3.2014 1 Europeana-Projekte Content
MehrInteractive Dashboards & Datenanalyse für Jedermann
Next Level E-Mail Marketing Evalanche Business Intelligence DASHBOARD Interactive Dashboards & Datenanalyse für Jedermann Powered by SC-Networks GmbH 1 Entdecken Sie die neue Generation der Business Intelligence
MehrVergleich von Webtechnologien zur Erstellung einer Rich Internet Applicationam Beispiel der Kundenverwaltungssoftware VDMS
Stephan Püngel Vergleich von Webtechnologien zur Erstellung einer Rich Internet Applicationam Beispiel der Kundenverwaltungssoftware sübersicht Einstieg Vorstellung als Rich Internet Application Technologie
MehrINDUSTRIE. Lean Factory nach den Ansätzen von Industrie 4.0. Auf dem Weg zur automatisierten, modularen und wandelbaren Fabrik
SEW-EURODRIVE Driving the world Lean Sm@rt Factory nach den Ansätzen von Industrie 4.0 Auf dem Weg zur automatisierten, modularen und wandelbaren Fabrik INDUSTRIE Smart Factory ein Paradigmenwechsel Mit
MehrGrenzen überschreiten Intelligente Suche im Input Management
Grenzen überschreiten Intelligente Suche im Input Management Carsten Fuchs Lead Consultant / TPO XBOUND ReadSoft AG Carsten.Fuchs@ReadSoft.com #InspireEU15 Agenda Integration überschreitet Grenzen Anwendungsfälle
MehrWillkommen zum neuen Semester!
Willkommen zum neuen Semester! Informationsmanagement und Informationstechnologie (IMIT) und Wirtschaftsinformatik (Winf) Wintersemester 2012/13 1 Informationen (1) Belegung von Mastermodulen im Bachelor
MehrModerne Benutzeroberflächen für SAP Anwendungen
Seite 1 objective partner für SAP Erfahrungen mit dem UI-Development Kit für HTML5 (SAPUI5) - 19.06.2012 Seite 2 Quick Facts objective partner AG Die objective partner AG 1995 gegründet mit Hauptsitz in
MehrVisual Business Analytics Visueller Zugang zu Big Data
Visual Business Analytics Visueller Zugang zu Big Data Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax:
MehrInformationsflut bewältigen - Textmining in der Praxis
Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland
MehrHochschul-App Uni Hohhenheim Case Study
Hochschul-App Uni Hohhenheim Case Study Als Premium Partner von ILIAS unterstützen wir die Weiterentwicklung des Open Source Produktes und stellen so eine langfristig hohe Qualität des Systems sicher.
MehrApps entwickeln mit HTML und Javascript
Apps entwickeln mit HTML und Javascript Framework "PhoneGap" (Apache Cordova) Apps für diverse Mobil-Plattformen (Android, ios, etc.) Apps als Web-Anwendung Vor- und Nachteile zu nativen Apps. Frank Bartels
MehrWELTWEIT EINMALIGES SYSTEM AUS VERWALTUNGSPLATTFORMEN UND KUNDEN-APPS
MARKETINGSERVICE & KOMMUNIKATIONSPLATTFORM DIE FRISEURBRANCHE WELTWEIT EINMALIGES SYSTEM AUS VERWALTUNGSPLATTFORMEN UND KUNDEN-APPS ÜBER DIE FRIZISTO AG Die frizisto AG ist ein industrieunabhängiges und
MehrWeb Data Mining. Alexander Hinneburg Sommersemester 2007
Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining
MehrLars Schmidt-Thieme et al., Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany, 0/13
0/13 Lehrveranstaltungen Wintersemester 2011/2012 WI-Gebiet Anwendungssysteme (teilw.) WI-Gebiet Business Intelligence Informatik-Gebiet KI & Maschinelles Lernen Prof. Dr. Dr. Lars Schmidt-Thieme Information
MehrSof o t f waretechn h o n l o og o i g en n f ü f r ü v e v rteilte S yst s eme Übung
Softwaretechnologien für verteilte Systeme Übung Organisatorisches Gruppen mit 3-4 Personen bearbeiten ein zugewiesenes Thema Abgabe besteht aus einer Arbeit mit 10-15 Seiten und ~30 Minuten Präsentation
MehrKontextualisierung von Sprachressourcen und -technologie in der geisteswissenschaftlichen Forschung
Kontextualisierung von Sprachressourcen und -technologie in der geisteswissenschaftlichen Forschung Christoph Draxler (München) Hannah Kermes & Elke Teich (Saarbrücken) Aufbau einer technischen Infrastruktur:
MehrAdaptiv, multimodal, intelligent Vom Lernen mit Medien zu intelligenten Bildungsnetzen
Adaptiv, multimodal, intelligent Vom Lernen mit Medien zu intelligenten Bildungsnetzen Prof. Dr. habil. Christoph Igel TU Chemnitz education Technische Universität Chemnitz Distance Education School Shanghai
MehrComputerlinguistik und Sprachtechnologie
Computerlinguistik und Sprachtechnologie Eine Einführung Herausgegeben von: Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde und Hagen Langer Spektrum Akademischer Verlag
MehrDistributed Artificial Intelligence Laboratory. Future in touch. auf der CeBIT 2014 10. bis 14. März, Halle 9, Stand A 44
DE Distributed Artificial Intelligence Laboratory Future in touch auf der CeBIT 2014 10. bis 14. März, Halle 9, Stand A 44 Distributed Artificial Intelligence Laboratory Das DAI-Labor und der Lehrstuhl»Agententechnologien
MehrMobil, Multimodal oder Augmentiert? Wohin geht die Reise?
Mobil, Multimodal oder Augmentiert? Wohin geht die Reise? Prof. Dr. Christoph Igel Centre for e-learning Technology Deutsches Forschungszentrum für Künstliche Intelligenz WWW ::: Der erste Webserver der
MehrMission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden
Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines
MehrVom steuerlichen Kontrollsystem zum Tax Performance Management System. Das innerbetriebliche Kontrollsystem zur Erfüllung der steuerlichen Pflichten
Vom steuerlichen Kontrollsystem zum Tax Performance Management System Das innerbetriebliche Kontrollsystem zur Erfüllung der steuerlichen Pflichten Anforderungen Risiko Tax Compliance? Unternehmen sind
MehrMODERNE ARBEITSUMGEBUNGEN FÜR DIE ÖFFENTLICHE VERWALTUNG
Jochen Tack / Stiftung Zollverein Frank Vinken / Stiftung Zollverein MODERNE ARBEITSUMGEBUNGEN FÜR DIE ÖFFENTLICHE VERWALTUNG OLIVER BENDIG CTO Ohne IT werden die klassischen Stärken von Deutschland keine
MehrEntscheidungsunterstützungssysteme
Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business
MehrBetriebswirtschaftliche Evaluation von Spracherkennungssystemen
Betriebswirtschaftliche Evaluation von Spracherkennungssystemen Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Universität Hannover vorgelegt
MehrKünstliche Neuronale Netze und Data Mining
Künstliche Neuronale Netze und Data Mining Catherine Janson, icasus GmbH Heidelberg Abstract Der Begriff "künstliche Neuronale Netze" fasst Methoden der Informationstechnik zusammen, deren Entwicklung
MehrSemantische Wissensräume für das Virtuelle Büro der Zukunft - Kurzübersicht Demos CeBIT 2012-
Semantische Wissensräume für das Virtuelle Büro der Zukunft - Kurzübersicht Demos CeBIT 2012- Kompetenzzentrum Virtuelles Büro der Zukunft Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI GmbH)
MehrFachprojekt Data Mining Datenanalyse und Sprache
Fachprojekt Data Mining Datenanalyse und Sprache Prof. Dr. Katharina Morik Informatik LS8 Eine Fülle von Daten liegt in Form natürlicher Sprache vor und eine Vielzahl von Methoden und Werkzeugen gibt es,
MehrNeue Entwicklungen bei GIS-Servern
Neue Entwicklungen bei GIS-Servern - Jenseits von Web Mapping - 41. Sitzung der Arbeitsgruppe Automation in der Kartographie (AgA) Hamburg, 21./22. September Dr. Peter Ladstätter, ESRI Geoinformatik Neue
MehrVerbesserung der Datenqualität im ETL-Prozess durch Data-Mining-Methoden
Verbesserung der Datenqualität im ETL-Prozess durch Data-Mining-Methoden Nürnberg, 01. Dezember 2008 Dr. Joachim Keppler Competence Center Manager Customer Analytics Joachim.Keppler@SHS-VIVEON.com INHALT
MehrContent-Verwertungsmodelle und ihre Umsetzung in mobilen Systemen
Content-Verwertungsmodelle und ihre Umsetzung in mobilen Systemen Motivation und Überblick 4FriendsOnly.com Internet Technologies AG Vorlesung im Sommersemester an der Technischen Universität Ilmenau von
MehrFIDeS: Frühwarn und Intrusion Detection System auf der Basis von kombinierten Methoden der KI
FIDeS: Frühwarn und Intrusion Detection System auf der Basis von kombinierten Methoden der KI Workshop Informationssicherheit Carsten Elfers 06.11.2009 System Qualität und Informationssicherheit Rahmenbedingungen
MehrVisual Business Intelligence Eine Forschungsperspektive
Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49
MehrLiving Lab Big Data Konzeption einer Experimentierplattform
Living Lab Big Data Konzeption einer Experimentierplattform Dr. Michael May Berlin, 10.12.2012 Fraunhofer-Institut für Intelligente Analyseund Informationssysteme IAIS www.iais.fraunhofer.de Agenda n Ziele
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,
MehrNLP - Analyse des Wissensrohstoffs Text
NLP - Analyse des Wissensrohstoffs Text Vorlesung Beginn: 8. April 2008 Dienstag 10.15 h - 11.45 h, in Raum 1607 oder 0443 Übungen Dr. Andreas Hotho Dominik Benz Beate Krause Sommersemester 2008 Beginn:
MehrData Mining Anwendungen und Techniken
Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses
MehrRepeatable Benchmarking Mahout
Studienarbeitsexposé Repeatable Benchmarking Mahout Entwicklung eines Lasttest-Rahmenwerkes für Apache Mahout von: Oliver Fischer Institut für Informatik Humbold-Universität zu Berlin Matrikelnummer: 19
MehrTax Risk Management aus Sicht der BASF 19. September 2013
Tax Risk Management aus Sicht der BASF 19. September 2013 67. Deutscher Betriebswirtschafter-Tag Oliver Nussbaum Zentralabteilung Steuern BASF The Chemical Company Unsere Chemie wird in nahezu allen Branchen
MehrData Mining - Clustering. Sven Elvers
Agenda Data Mining Clustering Aktuelle Arbeiten Thesis Outline 2 Agenda Data Mining Clustering Aktuelle Arbeiten Thesis Outline 3 Data Mining Entdecken versteckter Informationen, Muster und Zusammenhänge
MehrMMIR Framework. Multimodal Mobile Interaction and Rendering Framework
MMIR Framework Multimodal Mobile Interaction and Rendering Framework Workshop für Modellbasierte Entwicklung von Benutzerschnittstellen 2013, Koblenz Aaron Ruß, aaron.russ@dfki.de, DFKI GmbH (Deutsches
MehrData Mining @ Netezza mit IBM SPSS
Michael Ridder Senior Technical Sales Professional Predictiv Analytics Data Mining @ Netezza mit IBM SPSS Software Wir ertrinken in Informationen, aber wir hungern nach Wissen. John Naisbitt Trendforscher
MehrTechnologiewandel und Digitalisierung. Chancen für den Verkehr
BMVI Expertennetzwerk Wissen Können Handeln Technologiewandel und Digitalisierung. Chancen für den Verkehr Fritz Busch Technische Universität München Lehrstuhl für Verkehrstechnik Berlin, 19. April 2016
MehrKapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval
Kapitel IR:I I. Einführung Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval IR:I-1 Introduction STEIN 2005-2010 Retrieval-Szenarien Liefere Dokumente, die die Terme «Information» und
MehrPower-Apps für Geschäftsreisen
265ced1609a17cf1a5979880a2ad364653895ae8 Power-Apps für Geschäftsreisen Bernd Schulz General Manager Amadeus Germany GmbH und Mitglied des VDR-Präsidiums Technologisches Umfeld Integration als Herausforderung
MehrSocial Media Analytics Aktuelle Herausforderungen
Lehrstuhl für Informatik 5 Informationssysteme RWTH Aachen Social Media Analytics Aktuelle Herausforderungen Ralf Klamma RWTH Aachen I5-KL-111010-1 Gesellschaft für Informatik Regionalgruppe Köln Themenabend
MehrPraxisorientierte Anwendung von Big Data-Technologien beim Einsatz mobiler Arbeitsmaschinen
Praxisorientierte Anwendung von Big Data-Technologien beim Einsatz mobiler Arbeitsmaschinen Thilo Steckel CLAAS E-Systems Gütersloh Köln, 19. Oktober 2016 [Quelle: Handelsblatt 2014] [Quelle: VDI-Nachrichten,
MehrWhitepaper Bio-Mode. Quelle: http://freshideen.com/trends/bio-kleidung.html
Whitepaper Bio-Mode Quelle: http://freshideen.com/trends/bio-kleidung.html Seite 1 von 11 Wo wird über Bio-Mode diskutiert? 0,79% 0,76% 0,00% 0,56% 5,26% 9,81% 9,93% 0,15% 72,73% News Soziale Netzwerke
MehrDYONIPOS: Wissenszentrierte Unterstützung und Steuerung von Prozessen
DYONIPOS: Wissenszentrierte Unterstützung und Steuerung von Prozessen Ein Pilotprojekt mit dem Bundesministerium für Finanzen 07.09.2006, I-KNOW 06 Doris Reisinger [m2n consulting and development gmbh]
MehrDatenbank-basierte Webserver
Datenbank-basierte Webserver Datenbank-Funktion steht im Vordergrund Web-Schnittstelle für Eingabe, Wartung oder Ausgabe von Daten Datenbank läuft im Hintergrund und liefert Daten für bestimmte Seiten
Mehrbasis06 AG @ Open Source Roundtable Reto Trinkler 29. August 2012
basis06 AG @ Open Source Roundtable Reto Trinkler 29. August 2012 Wir machen Ihr Business einfacher 12 Jahre im Markt Inhabergeführt Hauptsitz Bern 15 Mitarbeitende Die Bewältigung Ihrer Informationsflut
MehrDas Knowledge Grid. Eine Architektur für verteiltes Data Mining
Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide
MehrTechnologisches Wissensmanagement
Technologisches Wissensmanagement im Spannungsfeld zwischen Schwarmintelligenz, Google und Herrschaftswissen... Jan F. Timme 18.04.2012 Inhaltsverzeichnis 1. Warum überhaupt technologisches Wissensmanagement?
MehrFIT-IT & FIT-IT Visual Computing 4th Call
FIT-IT & FIT-IT Visual Computing 4th Call Georg Niklfeld Österreichische Forschungsförderungsgesellschaft (FFG) Kick-Off Event 9.9.2009, FFG/Wien Contents FIT-IT News 4th Call FIT-IT Visual Computing Focus
MehrHP Advanced Analytics Effizienz in der DRG Abrechnung automatisierte Codierung mit Hilfe moderner Analytics
HP Advanced Analytics Effizienz in der DRG Abrechnung automatisierte Codierung mit Hilfe moderner Analytics Friday, September 11, 2015 Beat Sommerhalder Analytics & Data Management Lead, Hewlett-Packard
MehrDAS ENDE DER VERMÖGENSVERWALTUNG Marcel van Leeuwen
DAS ENDE DER VERMÖGENSVERWALTUNG Marcel van Leeuwen DAS E N DE DER V ER MÖGENSVERWALTUNG 10 Thesen 1 Szenario Was macht Deutsche Wertpapiertreuhand? Was machen Banken, Vermögensverwalter und Berater? D
MehrVortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012. Referent: Florian Kalisch (GR09)
Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012 Referent: Florian Kalisch (GR09) Rückblick Aktueller Status Opinion Mining Einführung Einblicke Nächste
MehrHealth Insurance Days Künstliche Intelligenz Relevanz für die Krankenversicherung? Otto Bitterli, CEO Sanitas Interlaken, 23.
Health Insurance Days Künstliche Intelligenz Relevanz für die Krankenversicherung? Otto Bitterli, CEO Sanitas Interlaken, 23. April 2015 Agenda Was wir unter künstlicher Intelligenz 1 verstehen - Breites
MehrMOBILE APP. MDE Mobile Datenerfassung für kommunale Betriebe und öffentliche Einrichtungen. Mehr Informationen auf www.infoma.de
MOBILE APP MDE Mobile Datenerfassung für kommunale Betriebe und öffentliche Einrichtungen Mehr Informationen auf www.infoma.de Ihre Praxis. Unsere Kompetenz. Sichere Zukunft. Ihre Praxis. Knappe Ressourcen,
MehrErkennung fremdsprachiger Ausdrücke im Text
Erkennung fremdsprachiger Ausdrücke im Text Jekaterina Siilivask Betreuer: Dr. Helmut Schmid Centrum für Informations- und Sprachbearbeiting Ludwig- Maximilians- Universität München 19.05.2014 Jekaterina
MehrWissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz
Wissen Uwe Lämmel Fachbereich Wirtschaft Hochschule Wismar www.wi.hs-wismar.de/~laemmel Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet. More&Newell,973 Was ist Wissen? Besitz
MehrDiplomarbeit: GOMMA: Eine Plattform zur flexiblen Verwaltung und Analyse von Ontologie Mappings in der Bio-/Medizininformatik
Diplomarbeit: GOMMA: Eine Plattform zur flexiblen Verwaltung und Analyse von Ontologie Mappings in der Bio-/Medizininformatik Bearbeiter: Shuangqing He Betreuer: Toralf Kirsten, Michael Hartung Universität
Mehr