Im heutigen Leben wird man immer mehr mit künstlicher Intelligenz konfrontiert. Robotertechnik und Künstliche Intelligenz (KI) entwickeln sich rasant. Sie bieten viel Potential zur Prozessoptimierung und Kosteneinsparung. Um eine gute Prozessoptimierung zu leisten, müssen die Unternehmen eine Menge Daten verarbeiten. Dabei werden zwei Sorten Daten unterschieden, unstrukturierte sowie strukturierte. Diese werden auf unterschiedliche Weise verwendet und haben jeweils ihre eigenen Vor- sowie Nachteile.
Wie also die Künstliche Intelligenz bei der Umwandlung der Daten aus einem Format in das andere helfen kann, wird in der vorliegenden Arbeit diskutiert. Zusätzlich werden ein paar Anwendungsbereiche dargestellt, bei denen die Umwandlung der Datenform mithilfe der KI einen Sinn ergibt.
Das Ziel der Arbeit besteht aus zwei Unterzielen. Zum einen wird ein Überblick erarbeitet und dargestellt, welche Sorten der Daten verwendet werden und welche Vor- und Nachteile diese haben. Zum anderen wird der Begriff "Künstliche Intelligenz" definiert, exemplarisch mit Bei-spielen vorgestellt und wie diese KIs bei der Umwandlung der Daten eingesetzt werden können. Zusätzlich werden die Anwendungsgebiete anhand zweier Beispiele gezeigt, wobei ein Programm bei der Umwandlung von unstrukturierten in strukturierten Daten verwendet wird und das andere Programm die Umkehrwandlung dieser Datenstrukturen erledigt.
Inhaltsverzeichnis
1. Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Vorgehensweise
2. Bedeutung bzw. Unterschiede zwischen unstrukturierten und strukturierten Daten
3. Vor- und Nachteile der Daten
3.1 Vor- und Nachteile der unstrukturierten Daten
3.2 Vor- und Nachteile der strukturierten Daten
4. Bedeutung von Künstlicher Intelligenz
5. Anwendungsgebiete der KI
6. Zusammenfassung
7. Quellen
Zielsetzung & Themen der Arbeit
Das Hauptziel dieser Arbeit besteht darin, einen fundierten Überblick über die Unterschiede zwischen strukturierten und unstrukturierten Daten zu geben und zu analysieren, wie Verfahren der Künstlichen Intelligenz (KI) bei der Umwandlung dieser Datenformate unterstützen können, um betriebliche Prozesse effizienter zu gestalten.
- Differenzierung zwischen unstrukturierten und strukturierten Daten
- Vor- und Nachteile der jeweiligen Datenformate im Unternehmenskontext
- Definition und technologische Grundlagen der Künstlichen Intelligenz
- Einsatz von KI-Methoden wie Machine Learning und Deep Learning
- Anwendungsbereiche der Datenaugmentierung und automatisierten Textgenerierung (NLG)
Auszug aus dem Buch
3.1 Vor- und Nachteile der unstrukturierten Daten
Die unstrukturierten Daten sind sehr flexibel und skalierbar in ihrer Darstellung, weil sie kein festes Schema besitzen (Naeem, 2020). Die Versionierung solcher Daten ist wahrscheinlich nur als ganzer Datensatz möglich, da es kein Format für Datenbankunterstützung gibt (ebd.). Dadurch, dass die Daten keine feste Struktur haben, sind sie aber kommunikativer und leichter darstellbar (ebd.). „Unstrukturierte Daten sind qualitativ und nicht quantitativ, daher sind sie meist kategorischer und charakteristischer Natur. Beispielsweise können Daten aus sozialen Medien oder Webseiten verwendet werden, um zukünftige Kauftrends herauszufinden oder die Effektivität einer Marketingkampagne zu bestimmen.“ (ebd). Dafür ist die Form der Daten leichter manipulierbar und angreifbar, was ein großer Nachteil dieser Form ist. Eine Multitasking-Arbeit mit unstrukturierten Daten ist fast unmöglich und benötigt sehr viel zeitlichen Aufwand.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Relevanz von Künstlicher Intelligenz zur Prozessoptimierung ein und erläutert die Zielsetzung sowie die methodische Vorgehensweise der Arbeit.
2. Bedeutung bzw. Unterschiede zwischen unstrukturierten und strukturierten Daten: Das Kapitel definiert die beiden Datenformen und verdeutlicht anhand eines Praxisbeispiels die fundamentalen Unterschiede in deren Struktur und Lesbarkeit.
3. Vor- und Nachteile der Daten: Hier werden die spezifischen Charakteristika sowie die Vor- und Nachteile von strukturierten und unstrukturierten Daten gegenübergestellt.
4. Bedeutung von Künstlicher Intelligenz: Das Kapitel definiert den Begriff der Künstlichen Intelligenz und erläutert relevante Teilbereiche wie Deep Learning und neuronale Netze.
5. Anwendungsgebiete der KI: Es wird dargestellt, wie KI-Verfahren bei der Vertragsanalyse, im Kundenservice und bei der automatisierten Textgenerierung zur Effizienzsteigerung beitragen.
6. Zusammenfassung: Die Arbeit schließt mit einer Synthese der Ergebnisse und betont die Rolle der KI als unterstützendes Werkzeug, das den Menschen bei Routineaufgaben entlastet.
7. Quellen: Auflistung der verwendeten Literatur und Online-Ressourcen.
Schlüsselwörter
Künstliche Intelligenz, KI, unstrukturierte Daten, strukturierte Daten, Machine Learning, Deep Learning, Natural Language Generation, NLG, Datenanalyse, Prozessoptimierung, Unternehmensdaten, Datenumwandlung, Automatisierung, Enterprise Search, Datenstrukturierung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Unterschiede in der Analyse von strukturierten und unstrukturierten Daten sowie die Rolle der Künstlichen Intelligenz bei der Umwandlung dieser Datenformate.
Was sind die zentralen Themenfelder?
Zu den zentralen Themen gehören die Definition der Datenarten, deren Vor- und Nachteile sowie der Einsatz von KI-Technologien zur effizienteren Datenverarbeitung im Unternehmenskontext.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, aufzuzeigen, wie KI-basierte Programme die Umwandlung zwischen verschiedenen Datenformaten ermöglichen, um Entscheidungsprozesse zu beschleunigen und Arbeitsabläufe zu optimieren.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit verfolgt einen deskriptiven Ansatz, bei dem auf Basis von Literaturrecherche und Anwendungsbeispielen die technischen Möglichkeiten und Herausforderungen der KI-gestützten Datenanalyse dargestellt werden.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil befasst sich mit der Definition von KI-Teilbereichen, der Gegenüberstellung von Datenformaten und der praktischen Anwendung von KI in Bereichen wie Vertragsanalysen, Kundenservice und automatisierter Textgenerierung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Künstliche Intelligenz, strukturierte sowie unstrukturierte Daten, Deep Learning, Machine Learning und automatisierte Datenverarbeitung.
Warum sind unstrukturierte Daten für Unternehmen eine Herausforderung?
Sie besitzen kein festes Schema, was ihre maschinelle Verarbeitung komplex macht, obwohl sie für Menschen in der Kommunikation sehr flexibel und aussagekräftig sind.
Welchen Beitrag leistet NLG in der Datenverarbeitung?
Natural Language Generation ermöglicht es, aus strukturierten Daten wie Tabellen automatisch verständliche Texte oder Berichte zu erstellen, was das Nutzererlebnis verbessert.
Kann Künstliche Intelligenz den Menschen vollständig ersetzen?
Nein, laut der Arbeit bleibt der Mensch unersetzbar, da nur er in der Lage ist, Daten weiterzuverarbeiten, Rückschlüsse zu ziehen und komplexe Entscheidungen zu treffen.
Wie unterstützt KI die Vertragsanalyse?
KI-Systeme können wichtige Klauseln aus umfangreichen juristischen Dokumenten extrahieren, was den Zeitaufwand für Juristen erheblich reduziert.
- Citar trabajo
- Viktoria Popsuy-Johannsen (Autor), 2021, Künstliche Intelligenz. Unterschiede in der Analyse strukturierter und unstrukturierter Daten, Múnich, GRIN Verlag, https://www.grin.com/document/1224360
