Matthias Bock Livres

Dieses Buch bietet einen praktischen Einstieg in Künstliche Intelligenz (KI) und Data Science, hinterfragt aktuelle Hypes und fungiert als praxiserprobter Guide für den sinnvollen Einsatz von KI-Anwendungen im Unternehmen, insbesondere in den Bereichen Data Analytics und Web-/App-Tracking. Es beleuchtet Einsatzbereiche mit hohem Potenzial, den KI-Reifegrad von Unternehmen und die Planung von KI-Weiterbildungsoffensiven. Zudem werden wirtschaftliche, ethische und ökologische Risiken thematisiert. Der Inhalt umfasst Grundlagen, historische Einordnungen, Risiken und Chancen beim Einsatz von KI sowie Governance-Strategien in fünf Schritten. Es werden rechtliche Entwicklungen, insbesondere im Zusammenhang mit dem AI Act und der DSGVO, behandelt. Des Weiteren wird erläutert, wie sich KI-Strategie und Geschäftsstrategie gegenseitig beeinflussen und wie Unternehmen ihre KI-Kompetenz erhöhen können. Das Buch bietet zahlreiche Tipps, Methoden und Vorlagen für den Transfer in Unternehmen und zeigt auf, wie man mit den Hypes um KI umgeht. Es vermittelt, warum KI-Kompetenz und kritisches Denken notwendig sind, um aus Fehlern zu lernen und eine positive Datenkultur zu fördern. Abschließend werden konkrete Schritte zur Bewertung der Anwendbarkeit von KI und deren Integration in die Unternehmensstrategie vorgestellt.

Die Autoren zeigen, wie man mit Data Analytics und AI in eigenen Data-Science-Projekten echten Mehrwert schaffen kann. Sie bieten einen Leitfaden, um Datenanalysen systematisch, agil und nutzer:innenzentriert zu gestalten. Zu Beginn der Projekte betonen sie die Bedeutung, die richtigen Fragen für das Geschäftsmodell zu stellen. Anschließend erläutern sie den effektiven Einsatz von Technologien und Daten zur Wertschöpfung. Die Umsetzung erfolgt durch agile Methoden und Design Thinking, die sie für alltägliche Analytics- und Data-Science-Projekte anpassen. Das Buch enthält zahlreiche Beispiele und Erfahrungen aus verschiedenen Projekten sowie zwei reale Fallstudien, die den Weg von der Idee zum Prototypen aufzeigen. Die Themen umfassen agile Prinzipien, die Verbindung von Design Thinking und Data Thinking, den gezielten Einsatz von Künstlicher Intelligenz in der Datenanalyse und die ethischen sowie rechtlichen Implikationen von Data Analytics und AI. Darüber hinaus wird der Data Value Loop vorgestellt, der einen agilen und nutzer:innenzentrierten Ansatz zur Wertschöpfung aus Daten bietet. Praktische Aspekte der Analytics werden von der Konzeption über Tracking und Reporting bis hin zu Meetings im Alltag behandelt. Zudem wird die Frage erörtert, wie Data Science und Agile zusammen funktionieren können. Ein Glossar und ein Inhaltsverzeichnis runden das Werk ab.