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 und Themenschwerpunkte
Diese Arbeit befasst sich mit den Unterschieden zwischen strukturierten und unstrukturierten Daten im Kontext von künstlicher Intelligenz. Das Ziel ist es, die beiden Datentypen zu definieren, ihre Vor- und Nachteile zu erläutern und aufzuzeigen, wie Künstliche Intelligenz bei der Umwandlung zwischen diesen Datenformaten helfen kann.
- Unterschiede zwischen strukturierten und unstrukturierten Daten
- Vor- und Nachteile von strukturierten und unstrukturierten Daten
- Anwendungen von Künstlicher Intelligenz bei der Datenumwandlung
- Beispiele für die Anwendung von KI in der Datenanalyse
- Zusammenfassung der Bedeutung von Datenanalyse für Unternehmen
Zusammenfassung der Kapitel
Das erste Kapitel führt in die Thematik ein und stellt die Problematik der Datenverarbeitung im Kontext von Künstlicher Intelligenz dar. Es werden die beiden Datentypen, strukturierte und unstrukturierte Daten, eingeführt und ihre Bedeutung für die Prozessoptimierung in Unternehmen beschrieben.
Kapitel zwei beleuchtet die Unterschiede zwischen den beiden Datentypen und erläutert, warum Unternehmen diese unterscheiden müssen, um ihre analytischen Arbeiten effizienter zu gestalten. Es werden Beispiele für strukturierte und unstrukturierte Daten gegeben und die jeweiligen Vor- und Nachteile beleuchtet.
Kapitel drei befasst sich mit den Vor- und Nachteilen der beiden Datentypen. Es werden die spezifischen Eigenschaften von strukturierten und unstrukturierten Daten in Bezug auf ihre Flexibilität, Skalierbarkeit und kommunikativen Eigenschaften diskutiert.
Schlüsselwörter
Künstliche Intelligenz, strukturierte Daten, unstrukturierte Daten, Datenanalyse, Prozessoptimierung, Machine Learning, Deep Learning, Datenumwandlung, Anwendungsgebiete, Unternehmen, Kommunikation, Flexibilität, Skalierbarkeit.
- 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
