Wertschöpfung durch KI (eBook)

Chancen für Unternehmen und Gesellschaft

Marco Barenkamp (Autor)

eBook Download: PDF

2025 | 1. Auflage
XIX, 228 Seiten
Springer Gabler (Verlag)
978-3-658-47482-9 (ISBN)

Infos

Dieses Buch bietet eine praxisorientierte und verständliche Einführung in die Welt der KI. Es richtet sich an Interessierte, die bereits über ein grundlegendes Verständnis verfügen und sich ein tieferes Wissen über die strategische Nutzung von KI aneignen möchten. Wie kann KI gezielt eingesetzt werden, um die Wertschöpfung in Unternehmen zu steigern? Wie entsteht eine breite Akzeptanz, um sie als Chance, nicht als Bedrohung wahrzunehmen? Wie lassen sich Aus- und Weiterbildung für die KI-Ära gestalten? Einige Kernthesen: KI ist ein technisches Werkzeug, dessen Einsatz erlernt und beherrscht werden muss. Sie ist ein strategisches Asset. Prädiktive und generative KI wirken wie Yin und Yang. Eine spannende Lektüre für den positiven und konstruktiven Umgang.

Inhalt

Geleitwort 5
Vorwort 6
Inhaltsverzeichnis 9
Über den Autor 13
Abbildungsverzeichnis 14
Tabellenverzeichnis 16
1: Gesellschaft im technologischen Wandel 17
1.1 Die industrielle Revolution 5.0 – Der Aufstieg der Künstlichen Intelligenz 17
1.2 Stand der KI in Deutschland 23
Literatur 26
2: KI im Überblick 27
2.1 Die Historie der Künstlichen Intelligenz 27
2.1.1 Die „Goldene Ära“ der KI (1956–1974) 29
2.1.2 Der erste KI-Winter (1974–1980) 30
2.1.3 Die zweite „Goldene Ära“ (1980–1987) 32
2.1.4 Der zweite KI-Winter (1987– frühe 1990er-Jahre) 33
2.1.5 Die Wiedergeburt der KI (frühe 1990er–2000er-Jahre) 33
2.1.6 Die moderne Ära der KI (2010er-Jahre bis heute) 35
2.2 Künstliche Intelligenz, Maschinelles Lernen und Deep Learning 38
2.2.1 Künstliche Intelligenz 39
2.2.2 Maschinelles Lernen 39
2.2.3 Deep Learning 44
2.2.4 Training von Deep-Learning-Modellen 45
2.2.5 Unterschiede und Gemeinsamkeiten 47
2.2.6 Machine vs. Deep Learning an einem konkreten Beispiel 48
2.2.7 Traditioneller Machine Learning-Ansatz und manuelle Feature-Extraktion 48
2.2.8 Deep Learning-Ansatz mit automatischer Feature-Extraktion 51
2.2.9 Vorteile des Deep Learning-Ansatzes 54
2.2.10 Herausforderungen und Grenzen des Deep Learning-Ansatzes 55
2.2.11 Wann welchen Ansatz wählen? 55
2.2.12 Herausforderungen und Grenzen 57
2.2.13 Prädiktive KI 58
2.2.14 Grenzen und falsche Erwartungen an prädiktive KI 59
2.2.15 Generative KI 60
2.2.16 Grenzen und falsche Erwartungen an generativer KI 61
2.2.17 Zusammenwirken von prädiktiver und generativer KI 62
2.2.18 Verknüpfung von Datenanalyse und Kreativität 64
2.2.19 Optimierung von Geschäftsprozessen und Innovation 64
2.2.20 Herkömmliche Programmierung und Erstellung von KI-Modellen 66
2.3 Gesellschaftliche Diskussion über Künstliche Intelligenz 68
2.3.1 Ist KI intelligent? 68
2.3.2 Hat KI ein Bewusstsein? 71
2.3.3 Wird es eine Allgemeine KI geben können? 74
2.3.4 Verstehen versus Simulieren 78
Literatur 80
3: Der AI Act und seine Bedeutung für die KI-Landschaft in Deutschland 83
3.1 Die Entstehungsgeschichte des AI Acts 83
3.1.1 Die frühen Anfänge der KI-Regulierung in Europa 83
3.1.2 Der Vorschlag der Europäischen Kommission (2021) 84
3.1.3 Der Gesetzgebungsprozess (2021–2024) 85
3.1.4 Die Verabschiedung und das Inkrafttreten (2024) 86
3.2 Wichtige Meilensteine des AI Acts 86
3.3 Die Intention des AI Acts 87
3.4 Risikoklassen und die Betrachtung von High Impact Modellen 88
3.5 Herausforderungen und Chancen von General Purpose AI (GPAI) 89
3.6 Sanktionen bei Nichteinhaltung des AI Acts 95
3.7 Chancen und Risiken des AI Acts 97
Literatur 100
4: Der Einfluss von KI auf Arbeit und Beschäftigung 101
4.1 Automatisierung von Routinetätigkeiten 101
4.2 Jobs verschwinden nicht, sondern Aufgaben 102
4.3 Automatisierung von Routineaufgaben 105
4.4 Upskilling und Reskilling zur Etablierung neuer Fähigkeiten 110
4.5 Veränderung der Arbeitsorganisation 113
4.6 Entstehung neuer Arbeitsfelder 115
4.7 Generative KI in der Industrie 118
4.8 Auswirkungen auf das Management von Unternehmen 120
4.9 Chancen für Unternehmen 126
4.10 Herausforderungen und ethische Überlegungen 128
4.10.1 Datenschutz und Sicherheit 128
4.10.2 Algorithmische Voreingenommenheit und Fairness 128
4.10.3 Soziale und psychologische Auswirkungen 129
4.11 Herausforderungen bei der gesellschaftlichen Akzeptanz 129
Literatur 130
5: Ethische Aspekte der KI-Nutzung 132
5.1 Datenschutz bei der Verwendung von KI-Systemen 132
5.2 Transparenz bei der Verwendung von KI-Systemen 133
5.3 Regressive Geschlechterstereotype in generativen KI-Modellen 133
5.4 Sicherstellung der Fairness von Algorithmen und Modellen 134
5.5 Regulierung und Aufsicht 135
5.6 Maschinelles Vergessen 136
5.6.1 Herausforderungen des maschinellen Vergessens 136
5.6.2 Zukünftige Entwicklungen und regulatorische Anforderungen 139
5.7 Strategien zur Förderung der gesellschaftlichen Akzeptanz 140
5.8 Einbindung von Ethik in die Entwicklung und Anwendung von KI 140
5.9 Entwicklung von Richtlinien und Gesetzen 141
Literatur 141
6: Erfolgsfaktoren und Praxisbeispiele der Wertschöpfung durch KI 142
6.1 Grundlagen der Wertschöpfung durch KI 142
6.1.1 Definition und Bedeutung von Wertschöpfung in der KI-Ära 142
6.1.2 Wie KI Wertschöpfung ermöglicht 142
6.1.3 Automatisierung von Prozessen 143
6.1.4 Optimierung von Entscheidungsprozessen 144
6.1.5 Personalisierung von Dienstleistungen 145
6.1.6 Innovation und Produktentwicklung 145
6.1.7 Risikomanagement 146
6.2 Erfolgsfaktoren für die Implementierung von KI zur Wertschöpfung 146
6.2.1 Technologische Infrastruktur 147
6.2.2 Datenmanagement und -qualität 147
6.2.3 Kultureller Wandel und Change-Management 148
6.2.4 Fachkräfte und Kompetenzen 149
6.2.5 Ethische Überlegungen und Transparenz 152
6.2.6 Fokus auf Menschen, Prozesse und Daten 154
6.3 Praktische Einblicke in die Implementierung einer KI-Governance 155
6.3.1 Die Rolle des AI Risk Managers in der KI-Governance 157
6.3.2 Praktische Anwendung von Governance-Mechanismen 158
6.3.3 Erfolgsfaktoren für die Implementierung einer robusten KI-Governance 159
6.4 Praxisbeispiele für erfolgreiche KI-Implementierungen 160
6.4.1 Automatisierte Notizenverarbeitung mit KI 160
6.4.2 Nutzung von Generativer KI zur Erstellung eines Nachhaltigkeitsberichts 162
6.4.3 Erstellung dynamischer Produktbeschreibungen für Modeartikel 165
6.4.4 Automatisierte Belegverarbeitung mit KI 167
6.4.5 KI im Kundenservice 169
6.4.6 KI als „Allwissender Mitarbeiter“ 171
6.4.7 KI-gestützte Prognosemodelle 173
6.4.8 Qualitätskontrolle mit KI 175
6.4.9 Anomalieerkennung mit KI in der Produktion 177
6.4.10 KI-gestützte Absatzprognose 179
6.4.11 Automatisierte Projektrisikosteuerung 181
6.4.12 Automatisierte Angebotserstellung 183
6.4.13 KI-gesteuerte Personalisierung 185
6.4.14 KI-unterstützte Produktionseffizienz 187
6.4.15 KI-gestützte Vertriebsoptimierung 189
6.4.16 KI-gestützte Kundeninteraktionsanalyse 191
6.4.17 KI-gesteuerte Lageroptimierung 193
6.4.18 Die Zukunft der Wertschöpfung durch KI – ein Ausblick 195
6.5 „Digitally Made in Germany“ – Qualitätsmarke im digitalen Zeitalter 196
6.6 KI und Nachhaltigkeit 198
6.7 KI und soziale Verantwortung 200
Literatur 203
7: KI als integraler Zukunftsbestandteil der deutschen Wirtschaft 205
7.1 Die nächste Revolution steht schon bevor 205
7.2 Wie KI mit Quanten Computer unsere Welt verändern könnte 211
Literatur 212
8: Die Rolle Deutschlands im globalen KI-Wettbewerb 213
8.1 Stärken und Schwächen Deutschlands im internationalen Vergleich 213
8.2 Strategien zur Stärkung der Wettbewerbsfähigkeit 214
8.2.1 Investitionen in Forschung und Entwicklung 214
8.2.2 Förderung von Start-ups und KMU 215
8.2.3 Verbesserung der digitalen Infrastruktur 215
8.2.4 Ausbau der internationalen Zusammenarbeit 216
8.2.5 Bildung und Weiterbildung für eine KI-Zukunft 217
8.2.6 Datenschutz und Ethik als Wettbewerbsvorteil 217
8.2.7 Integration des Quantencomputings in die KI-Strategie 218
9: Handlungsempfehlungen für Unternehmen 219
9.1 Integration von KI in Geschäftsmodelle 219
9.2 Investitionen in KI-Kompetenzen 220
9.3 Überwindung der KI-Skepsis und Förderung der Akzeptanz 220
9.4 Entwicklung einer robusten Datenstrategie 221
9.5 KI-Governance als Schlüssel zur erfolgreichen Integration 222
9.5.1 Empfehlungen zur Teamzusammensetzung 223
9.5.2 Best Practices zur Implementierung von Governance-Strukturen 224
9.5.3 Der strategische Vorteil einer soliden KI-Governance 225
Literatur 225
10: Fazit 226

Produkt-Details

• Erscheint lt. Verlag: 28.3.2025
• Zusatzinfo: XIX, 215 S. 53 Abb., 50 Abb. in Farbe.
• Sprache: deutsch
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Unternehmensführung / Management
• Schlagworte: AI Act • Artificial Intelligence • Digitalisierung • Digitalisierung in Deutschland • KI • KI Bildung • Künstliche Intelligenz und KI Verordnung • Prädiktive KI und Generative KI • Wertschöpfung
• ISBN-10: 3-658-47482-3 / 3658474823
• ISBN-13: 978-3-658-47482-9 / 9783658474829