Refine
Document Type
- conference proceeding (article) (2)
- Other (2)
- Article (1)
- Book (1)
- Part of a Book (1)
- Doctoral Thesis (1)
- Report (1)
Publication reviewed
- begutachtet (6)
- nicht begutachtet (3)
Keywords
- Chatbot (2)
- Open Source (2)
- Selbstlernkurs (2)
- Academic Writing (1)
- Artificial Intelligence (1)
- CAI (1)
- CAI-KIC (1)
- Conversational Artificial Intelligence (1)
- Data Mining (1)
- Design Science Research (1)
Institute
Was steckt hinter Chatbots, sprachbasierten Assistenten & Co? Was können sie, wie funktionieren sie und wie werden sie erstellt?
Mit diesem Learning-by-doing Kurs führen wir dich Step by Step in die Thematik von KI Chatbots ein. Der Kurs zeigt dir, wie und mit welchen Tools sie erstellt werden und welche Potenziale sie eröffnen. Du findest hier eine komplette Anleitung, mit der du einen solchen Chatbot selbst entwickelst und gestaltest.
Künstliche Intelligenz (KI) dringt immer weiter in unseren Alltag und in unser Berufsleben vor. Auch Chatbots sind eine Form und Anwendung von Künstliche Intelligenz. Sie können schon heute sehr viel und ihre Potenziale sind noch lange nicht ausgeschöpft.
Dieser Kurs bietet dir einen Einstieg in KI-basierte Chatbots und in die Welt der vernetzten Dinge und Dienste.
Der Kurs bietet dir einen praktischen Zugang:
Du baust aus Open Source Komponenten von Grund auf einen Chatbot, der als sprachgesteuerter intelligenter Assistent und als Schnittstelle zu Diensten und Softwaresystemen dienen und die Arbeit mit ihnen einfacher und effizienter machen kann. Du arbeitest nicht auf der vorinstallierten proprietären Entwicklungsplattform eines Anbieters in der Cloud, sondern entwickelst den Bot mit frei verfügbaren Open Source-Komponenten auf deinem PC. Künstliche Intelligenz bleibt hier keine Black Box für dich. Du erhältst Einblick in die Architektur und die Komponenten einer KI-basierten Anwendung und gewinnst Verständnis dafür, wie KI-Anwendungen, IT-Systeme und das Internet der Dinge und Dienste zusammenwirken, und welche Möglichkeiten zur Digitalisierung diese Techniken heute schon bieten.
Open Source
(2020)
In der IT-Branche hat sich Open-Source-Software (OSS) heute durchgesetzt, führende IT-Konzerne verwenden Open-Source-Code und entwickeln ihn auch selbst. Doch auch für Unternehmen anderer Branchen bietet Open-Source-Software Potenzial. In diesem Beitrag erfahren Sie, dass Open-Source-Software nicht nur ein Schlagwort, sondern genau definiert ist,was es mit den Risiken von Open Source auf sich hat und wie man damit umgeht, welche Vorteile und Potenziale Open-Source-Software auch für Nicht-IT-Firmen bietet.
Der Forschungsansatz Design Science Research eignet sich sehr gut für Abschlussarbeiten mit Gestaltungsauftrag in anwendungsorientierten Studiengängen, hat sich jedoch auch als schwierig umsetzbar und erklärungsbedürftig gezeigt. Hier wird ein einfach umsetzbares Vorgehensmodell nach Design Science Research für Abschlussarbeiten mit Gestaltungsauftrag in der Industrie vorgestellt, zusammen mit einer Gliederungsvorlage und erklärenden Visualisierungen zu Design Science Research. Die Gliederungsvorlage wird an einem Beispiel demonstriert. Erste Anwendungen haben gezeigt, dass das Vorgehensmodell den Studierenden Hilfestellung bietet und das Schreiben gut strukturierter, aussagekräftiger Abschlussarbeiten mit Gestaltungsauftrag erleichtern kann.
Current chatbot development platforms and frameworks facilitate setting up the language and dialog part of chatbots, while connecting it to backend services and business functions requires substantial manual coding effort and programming skills. This paper proposes an approach to overcome this situation. It proposes an architecture with a chatbot as frontend using an IoT (Internet of Things) platform as a middleware for connections to backend services. Specifically, it elaborates and demonstrates how to combine a chatbot developed on the open source development platform Rasa with the open source platform Node-RED, allowing low-code or no-code development of a transactional conversational user interface from frontend to backend.
Im Bereich der Künstlichen Intelligenz (KI) schreitet die Entwicklung rasch voran. Anwendungen und Systeme werden leistungsfähiger und finden immer mehr Einsatzfelder in unserer Lebens- und Arbeitswelt. KI beeinflusst unsere Umwelt und Lebenssituation und bietet große Chancen für die Digitalisierung. Daher ist es nötig, auf allen gesellschaftlichen Ebenen Verständnis und Wissen im Bereich KI aufzubauen, um Akzeptanz, kompetente Nutzung und Weiterentwicklung zu fördern.
Das Projekt CAI-KIC trägt dazu bei mit einem Lernangebot zu Conversational Artificial Intelligence auf dem KI- Campus. Das Lernangebot verschafft den Lernern Einblick in den Aufbau und die Funktionsweise einer KI-Anwendung am Beispiel der Conversational AI. Es zeigt den Lernerinnen Chancen und Einsatzmöglichkeiten von KI für die Digitalisierung und schafft Bewusstsein dafür, wie weit einschlägige Technologien in der Praxis schon entwickelt und einsetzbar sind, welcher Aufwand nötig ist, um damit praktische Anwendungen zu realisieren, und wie sie konkret in Systeme und Abläufe in der Wirtschaft integriert und dort zum Einsatz gebracht werden können.
VBA bietet das Potenzial, effektive Digitalisierungslösungen mit geringem Aufwand zu realisieren. “VBA für Office-Automatisierung und Digitalisierung" zeigt mit vielen Codebeispielen die Automatisierung von Excel, Word, Outlook, PowerPoint, SAP ERP und SOLIDWORKS und das Zusammenwirken dieser Systeme. Auch Webservices und Rest APIs werden mit VBA angesprochen und erschließen interessante Möglichkeiten bis hin zu KI. Das Buch erläutert wichtige Konzepte und gibt viele Tipps, um VBA-Anwendungen mit einfachen Mitteln unternehmenstauglich und administrierbar zu gestalten.
Data Mining und Knowledge Discovery in Databases (KDD) sind Forschungs- und Anwendungsgebiete, die sich mit der Extraktion von nutzbarem Wissen aus Daten befassen. Dazu werden unter anderem Methoden des maschinellen Lernens eingesetzt. Die Induktive Logikprogrammierung ist ein Teilgebiet des Maschinellen Lernens, dessen Gegenstand das Lernen aus multi-relational und prädikatenlogisch repräsentierten Daten ist, während andere Lernverfahren üblicherweise Daten voraussetzen, die in Form einer einzelnen Attribut-Wert-Tabelle vorliegen. Der Einsatz von ILP-Methoden für KDD und Data Mining wird auch als Relationales Data Mining bezeichnet. Ein Anwendungsgebiet von KDD und Data Mining ist die Teilgruppenanalyse. Dabei wird eine Population von Fällen, die in einer Datenbank repräsentiert sind, nach besonders interessanten Teilgruppen der Population durchsucht, indem mögliche Teilgruppen generiert und mithilfe geeigneter Interessantheitsfunktionen bewertet werden. Die vorliegende Arbeit hat sich zum Ziel gesetzt, Methoden zur sicheren Beschränkung des Suchraums bei der Suche nach interessanten Teilgruppen in multi-relationalen Daten zu erarbeiten und zu evaluieren. Dazu wird ein Verfahren zur Suche nach interessanten Teilgruppen in multi-relationalen Datenbanken entwickelt, das verschiedene Methoden zur Suchraumbeschränkung integriert. Die verschiedenen Methoden zur Suchraumbeschränkung werden in Experimenten evaluiert und das entwickelte Verfahren zur Bearbeitung eines echten Data Mining-Problems eingesetzt. Die Arbeit bietet im einzelnen: (1) eine Formalisierung der Teilgruppenanalyse im Rahmen der ILP, (2) Optimumschätzfunktionen zu ausgewählten Interessantheitsfunktionen, (3) eine Erweiterung des bekannten Apriori-Suchverfahrens zur Warenkorbanalyse, die es erlaubt, die von Apriori durchsuchte Hypothesensprache einzuschränken, (4) einen ILP-Sprachbias für die Teilgruppenanalyse, der die Anwendung der Teilmengenbedingung des Apriori-Suchverfahrens zur Beschränkung eines ILP-Suchraums erlaubt, (5) einen SQL-Sprachbias für die Teilgruppenanalyse in multi-relationalen Datenbanken, (6) einen Ansatz zur Integration der Suchraumbeschränkung anhand von Taxonomien in einen Apriori-artigen Suchalgorithmus, (7) eine Methode zur Behandlung diskretisierter numerischer Attribute, die die Suchraumbeschränkung anhand von Allgemeinerbeziehungen zwischen Intervallen vereinheitlicht mit der Suchraumbeschränkung anhand von Taxonomien, (8) Experimente zur Wirksamkeit der verschiedenen Möglichkeiten zur Suchraumbeschränkung, (9) die Anwendung der entwickelten Ansätze auf ein echtes Data Mining-Problem mit Bank-Daten und ausführliche Vergleiche mit verwandten Arbeiten. Die Experimente wurden mit einer prototypischen Implementation der in dieser Arbeit entwickelten Ansätze durchgeführt. Dabei haben sich Teilmengenbedingung und Optimumschätzfunktionen als wirkungsvolle und zuverlässige Methoden zur Beschränkung des Suchraums erwiesen, während der Beitrag der Taxonomien zur Suchraumbeschränkung zwischen verschiedenen Anwendungen stark schwankte und in einigen Fällen nur gering war. Ein wichtiges Ergebnis der Versuche ist, daß die Teilmengenbedingung, die bisher nur zur Suchraumbeschränkung in ein-relationalen Datenbanken eingesetzt werden konnte, für multi-relationale Datenbanken und ILP-Sprachen genauso wirkungsvoll sein kann wie für ein-relationale Datenbanken.
Design Science Research is a research paradigm suitable for application-oriented disciplines that develop (construct) artifacts as solutions to practical problems. Design Science Research is known to be a mainstream research paradigm in engineering and other disciplines. In recent years, Design Science Research (DSR) has become an established research approach in the field of Information Systems (IS). Nevertheless, there is an ongoing debate about the methodology and guidelines for Design Science Research in Information Systems (IS-DSR). This paper proposes to gather and leverage insights from other design disciplines, such as engineering, to provide clarity and inspiration for IS-DSR and to work towards a common understanding of design science research across disciplines. This paper provides results of an initial empirical analysis of research literature from engineering disciplines. The results provide suggestions for validating DSR results and contribute to the understanding of research guidelines for DSR. In addition, a novel, fine-grained, and operational framework for analyzing DSR papers and projects is presented. The third contribution is a proposal to develop a common basic schema for design science research, analogous to the standard IMRaD schema for empirical research. Based on the analysis of samples of papers, this paper proposes IDEaD as the standard scheme for Design Science Research, i.e., Introduction, Description, Evaluation, and Discussion.