Auf den folgenden Seiten beschäftigt sich die Arbeit mit den Auswirkungen des maschinellen Lernens und dem damit einhergehenden Umgang von Daten. Im Grundlagenteil werden Methoden des maschinellen Lernens erläutert. Darauf aufbauend wird die Funktionsweise des Lernverfahrens durch künstliche neuronale Netze (KNN) anhand des „Deep Learning“ und der systematischen Anwendung von Datensätzen im Kapitel „Data Mining“ aufgezeigt. Anschließend werden anhand von Anwendungsbereichen aus Medizin, Wirtschaft und Smart Home die Auswirkungen von künstlich intelligenten Systemen aufgezeigt. Abschließend werden die Ergebnisse dieser Arbeit zusammengefasst und mögliche Vorkehrungen für die Anwendung von künstlicher Intelligenz und der damit einhergehenden automatisierten Auswertung von Daten aufgezeigt.
Der Begriff Künstliche Intelligenz (KI) weckt viele Emotionen. Als zentraler Treiber der Digitalisierung verändert KI die Gesellschaft und nahezu alle Lebensbereiche in grundlegender Art und Weise. Der Vielfalt der Einsatzgebiete von intelligenten Systemen sind keine Grenzen gesetzt. Lernende Maschinen nehmen die Umwelt wahr, machen Prognosen, Empfehlungen und treffen automatisierte Entscheidungen. Die Mensch-Maschine Beziehung entwickelt sich nach und nach zu einem Partnerschaftsmodell. Intelligente Maschinen entlasten den Menschen, erweitern die Fähigkeit und steigern die Lebensqualität. Doch was bedeutet es, wenn Maschinen erst durch das Sammeln von Daten zu intelligenten Systemen werden?
Inhaltsverzeichnis
1 Einleitung
2 Theoretische Grundlagen
2.1 Maschinelles Lernen
2.2 Deep Learning
2.3 Data Mining
3 Hauptteil
3.1 Anwendung
3.1.1 Medizin
3.1.2 Wirtschaft
3.1.3 Smart Home
3.2 Auswirkungen
4 Fazit
Zielsetzung & Themen der Arbeit
Ziel dieser Arbeit ist die kritische Analyse der sozialökonomischen Auswirkungen von KI-Technologien, insbesondere unter dem Fokus der Datengewinnung und -verarbeitung durch Data-Mining-Methoden sowie deren Einfluss auf verschiedene Lebensbereiche.
- Grundlagen des maschinellen Lernens und Deep Learning
- Methodik und Ansätze des Data Mining
- Anwendungsfelder in Medizin, Wirtschaft und Smart Home
- Sozioökonomische Chancen und Gefahren intelligenter Systeme
- Die Rolle zentraler Datenmonopole in der digitalen Wirtschaft
Auszug aus dem Buch
3.1.1 Medizin
Ob in der Diagnose oder im Bereich der Therapie – „Data Mining“ findet in der Gesundheitsbranche immer mehr Anwendung. Der Einsatz des „Data Mining“ hilft beispielsweise schon länger beim Tracking des persönlichen Gesundheitszustandes eins Fitnessarmbades. Inzwischen können datengesteuerte Systeme aber auch zur Diagnose von Krankheitsbildern im Bereich der Radiologie und bei chirurgischen Eingriffen eingesetzt werden.
Besonders im Bereich der Diagnose und Früherkennung von Krankheiten zeichnet der Einsatz von KI einen großen Erfolg auf. Neben dem Mehrwert für Patienten, können auch Kosten des Gesundheitssystems gesenkt werden. Mittels Sensorik, Bild und Sprachen kann im frühen Stadium nach Krankheitsindikatoren gesucht und diese rechtzeitig behandelt werden.
Im Bereich der Diagnose von Parkinson finden solche Systeme Anwendung. Parkinson ist eines der häufigsten neurodegenerativen Erkrankungen der Welt. Die Erkrankung beginnt schleichend und nimmt, in Form des Absterbens von Nervenzellen im Gehirn im Laufe der Zeit zu. Zu den typischen Symptomen von Parkinson gehören zum Beispiel Zittern von einzelnen Gliedermaßen, ein geringes Sprachvermögen, Abnahme des Geruchssinns, Depressionen und Schlafstörungen.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung führt in das Thema Künstliche Intelligenz ein, erläutert die Bedeutung der Datensammlung für lernende Systeme und gibt einen Ausblick auf die Struktur der Arbeit.
2 Theoretische Grundlagen: Dieses Kapitel definiert zentrale Begriffe wie Maschinelles Lernen, Deep Learning sowie Data Mining und stellt die wissenschaftlichen Konzepte hinter diesen Technologien vor.
3 Hauptteil: Der Hauptteil untersucht die praktische Anwendung von Data-Mining-Systemen in den Sektoren Medizin, Wirtschaft und Smart Home und analysiert die daraus resultierenden sozioökonomischen Auswirkungen.
4 Fazit: Das Fazit fasst die gewonnenen Erkenntnisse zur Rolle von KI in der Gesellschaft zusammen und fordert einen ethisch reflektierten Umgang mit Daten sowie regulatorische Rahmenbedingungen.
Schlüsselwörter
Künstliche Intelligenz, Maschinelles Lernen, Deep Learning, Data Mining, Medizin, Wirtschaft, Smart Home, Digitalisierung, Datenschutz, Algorithmen, Datenmonopol, Klassifikation, Prognose, Neuronale Netze, Mensch-Maschine-Interaktion
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert die sozialökonomischen Auswirkungen von KI-Technologien unter besonderer Berücksichtigung von Data-Mining-Methoden.
Welche zentralen Themenfelder werden bearbeitet?
Die zentralen Felder umfassen die theoretischen Grundlagen des maschinellen Lernens sowie deren praktische Anwendung in Medizin, Wirtschaft und Smart-Home-Umgebungen.
Was ist das primäre Ziel der Analyse?
Es soll untersucht werden, wie durch Datensammlung intelligente Systeme entstehen und welchen Einfluss diese Systeme auf die Gesellschaft und individuelle Lebensbereiche haben.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit basiert auf einer fundierten Literaturanalyse und der Untersuchung der Funktionsweise von Lernverfahren wie neuronalen Netzen und Data-Mining-Algorithmen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in Anwendungsbereiche, wie die medizinische Diagnose oder industrielle Optimierung, sowie eine kritische Betrachtung der sozioökonomischen Auswirkungen der Datenverarbeitung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen gehören Künstliche Intelligenz, Data Mining, Digitalisierung, Datenmonopol sowie die Analyse von Chancen und Gefahren durch vernetzte Technologien.
Wie unterstützt KI die Diagnose von Parkinson?
KI-Apps wie „iPrognosis“ nutzen Smartphone-Daten wie Stimmfarbe und Fingermotorik, um Symptomveränderungen zu registrieren und das Parkinson-Risiko frühzeitig zu evaluieren.
Welche Gefahr stellt die Plattform-Economy laut der Autorin dar?
Die Arbeit weist auf eine zunehmende Monopolisierungstendenz bei Unternehmen hin, die durch intensive Datenkontrolle und globale Marktstellung den Wettbewerb beeinflussen.
- Quote paper
- Julia Brehm (Author), 2021, Sozialökonomische Auswirkungen von KI-Technologien im Kontext des Data Mining, Munich, GRIN Verlag, https://www.grin.com/document/1437005
