ARIC

Neu­er Ter­min: 22.10.2020 Work­shop: Tool­box: KI-Anwen­dungs­fäl­le ein­fach und ver­gleich­bar eva­lu­ie­ren

Der Work­shop rich­tet sich an IT‑, Pro­dukt- und Pro­zess­ver­ant­wort­li­che, die Anwen­dungs­fäl­le für den Ein­satz von Advan­ced Ana­ly­tics und Machi­ne Lear­ning iden­ti­fi­zie­ren, und mit­tels ein­fa­cher, repli­zier­ba­rer Metho­den auf Poten­zi­al und Umsetz­bar­keit prü­fen wol­len.

Fol­gen­de pra­xis­er­prob­te Metho­den aus der Tool­box sol­len dabei kurz vor­ge­stellt wer­den:

  • „Oppor­tu­ni­ty Map“: Iden­ti­fi­ka­ti­on von Geschäfts­be­rei­chen, Pro­duk­ten oder Pro­zes­sen mit hohem unter­neh­me­ri­schem Poten­zi­al (Ertrag, Kos­ten, Risi­ko) sowie aus­rei­chen­der Daten­ver­füg­bar­keit und Qua­li­tät
  •  „Pro­of-of-Value“: Struk­tu­rier­te Bewer­tung aus­ge­wähl­ter The­men im Hin­blick auf:
    •  Effi­zi­enz und Auto­ma­ti­sie­rungs­po­ten­zi­al
    •  Erhö­hung der Ent­schei­dungs­qua­li­tät
    •  Risi­ko­ver­mei­dung
  • „Use Case Eva­lua­ti­on“: For­mu­lie­rung einer voll­stän­di­gen Use Case Beschrei­bung anhand von 24 halb-stan­dar­di­sier­ten Fra­gen mit auto­ma­ti­sier­tem Sco­ring zu Poten­zi­al, Umsetz­bar­keit und Kon­zept-Vali­di­tät
  • „Requi­re­ments Check“: Spe­zi­fi­zie­rung aus­ge­wähl­ter Eva­lua­tions-Ergeb­nis­se durch Data Ana­lysts und Data Sci­en­tists unter Berück­sich­ti­gung not­wen­di­ger Schnitt­stel­len, Sicher­heits­aspek­te, Daten­qua­li­täts­stich­pro­ben und einem Archi­tek­tur-Grob­kon­zept als Basis für einen Pro­of-of-Con­cept

Die Teil­neh­mer kön­nen als prak­ti­sches Ele­ment des Work­shops das Herz­stück der Use Case Eva­lua­ti­on selbst mit­tels Online-Fra­ge­bo­gen in Klein­grup­pen aus­pro­bie­ren. Fra­ge­bo­gen und zuge­hö­ri­ger Leit­fa­den füh­ren die Klein­grup­pen für eine jeweils aus­ge­wähl­te Anwen­dungs­idee durch eine struk­tu­rier­te Dis­kus­si­on und Refle­xi­on. Gleich­zei­tig wer­den die Daten halb­stan­dar­di­siert und ver­gleich­bar erho­ben. Die Bewer­tungs­grund­la­ge basiert u.a. auf Para­me­tern wie der Häu­fig­keit des Auf­tre­tens des Pro­blems, der tech­ni­schen Umsetz­bar­keit oder inter­nen Daten­si­cher­heits­auf­la­gen. Die Ant­wor­ten wer­den in einem Sco­ring-Modell anschlie­ßend indi­vi­du­ell aus­ge­wer­tet.

Mehr­wert, Kom­ple­xi­tät und Rei­fe der Idee kön­nen somit los­ge­löst von Ein­zel­mei­nun­gen oder sub­jek­ti­ven Ein­schät­zun­gen struk­tu­riert bewer­tet wer­den. Die Ergeb­nis­se aller Grup­pen kön­nen unter­ein­an­der ver­gleich­bar visua­li­siert wer­den und lie­fern kla­re Ein­schät­zun­gen zur Prio­ri­sie­rung.

ARIC-Mit­glied Appa­n­ion ent­wi­ckelt effek­ti­ve Stra­te­gien und kon­kre­te Maß­nah­men, um erfolg­reich mit Daten zu arbei­ten. Mit Hil­fe von Werk­zeu­gen wie Machi­ne Lear­ning und Advan­ced Ana­ly­tics ist es der Anspruch von Appa­n­ion, stets den opti­ma­len Wert aus Daten zu zie­hen. Als mul­ti­dis­zi­pli­nä­res Team aus Daten‑, Busi­ness- und IT-Fach­leu­ten bringt Appa­n­ion die Exper­ti­se mit, neue Geschäfts­chan­cen in einer zuneh­mend daten­ge­steu­er­ten Welt zu nut­zen.  Appa­n­ion unter­stützt sei­ne Kun­den mit stra­te­gi­scher Weit­sicht, tech­no­lo­gi­schem Know-how und fle­xi­bler Umset­zung bei der Trans­for­ma­ti­on und Opti­mie­rung ihres geschäft­li­chen und öko­lo­gi­schen Wir­kens.

Dau­er: 120 Minu­ten (inkl. Pra­xis­ses­si­on und Q&A)

Vortrag/Moderation: Mir­ko Schedlbau­er, Tobi­as Bohn­hoff (Appa­n­ion Labs GmbH)

Work­shop-Level: Ein­stei­ger

Der Work­shop ist kos­ten­los und fin­det am 22.10.2020 in der Zeit von 16.00 bis 18.00 Uhr bei ARIC e.V. Dock­land, 5. Stock, Van-der-Smis­sen Stras­se 9, 22767 Ham­burg statt. Anmel­den kön­nen Sie sich unter der E‑Mail-Adres­se info@aric-hamburg.de. Soll­te die aktu­el­le Situa­ti­on eine Durch­füh­rung bei uns im Dock­land nicht zulas­sen, wird der Work­shop online statt­fin­den.

Wei­te­re kos­ten­lo­se ARIC-Work­shops, Webi­na­re und Ver­an­stal­tun­gen fin­den Sie unter www.aric-hamburg.de/aric-news/. Außer­dem kön­nen Sie sich zu unse­rem ARIC-News­let­ter  auf unse­rer Web­sei­te unter News­let­ter anmel­den.

Share this:
X