Book Chapters
Überblickskapitel
Book Chapters
Börteçin Ege, September 21, 2020
Semantische Datenintelligenz im Einsatz (A.Paschke/B.Ege)*
Der sog. „KI-Winter“ ist nach langen Jahren endlich vorbei. Während die Begriffe „Künstliche Intelligenz“ (KI) und „Machine Learning“
/ „Deep Learning“ heutzutage fast jeder kennt, sind die Begriffe „Semantic Web“ und „semantische Systeme“ der Öffentlichkeit weithin oftmals unbekannt,
obwohl auch diese Begriffe wichtige und zukunftsrelevante Projekte im Kontext „Künstliche Intelligenz“ bezeichnen. Wir sind mittlerweile an einem Punkt
angelangt, an dem „semantische Systeme“ als effiziente wissensbasierte Systeme immer wichtiger werden und ihr Potential erkennen lassen,
so dass das „Semantic Web“ und die semantischen Technologien definitiv zu der kommenden Generation der KI gehören und diese mitbestimmen werden.
Wie bereits unser Buch Corporate Semantic Web – Wie semantische Anwendungen in Unternehmen Nutzen stiften (B. Ege et.al., Springer-Verlag, 2015)
erfolgreich dargestellt hat, gibt es ein sehr großes Interesse an semantischen Technologien und deren Anwendungen. Bereits heute reichen
diese Anwendungen semantischer Systeme von der semantischen Suche, über Knowledge Graphs und Chatbots bis zu Sprachanwendungen in der Medizin
und auch bis in die Telekommunikation, die Verwaltung und die Robotik hinein. Die jüngsten Entwicklungen zeigen dabei folgenden Trend:
Neben den klassischen Semantic Web Anwendungen, z.B. in Webbasierten Wissensgraphen und bei der semantischen Suche, beginnen semantische Systeme
in den industriellen Anwendungen neuer Generation, in Industrie 4.0 und Arbeit 4.0, Fuß zu fassen, so dass gesagt werden kann, dass
semantische Systeme spätestens mit der Einführung der Industrie 4.0 allgegenwärtig sein werden. Dies ist schon deshalb unumgänglich,
weil ohne semantische Technologien die Interoperabilität unter Maschinen und insbesondere Roboter für eine intelligente Produktion
und Zusammenarbeit nicht umsetzbar ist.
Semantische Technologien und deren Bausteine werden auch bei der Entwicklung von autonomen und selbstlernenden Systemen eine Schlüsselrolle spielen.
Unsere heutige Vorstellung von der Künstlichen Intelligenz beruht auf Algorithmen, deren Arbeitsweise nicht transparent ist. Das bedeutet, dass
die erzielten Ergebnisse oft nicht nachvollziehbar, wenn auch richtig sind. Intelligente Systeme müssen jedoch in Zukunft in der Lage sein,
nicht nur zu sagen, welche Lösung sie vorschlagen, sondern auch wie dazu gekommen sind (tell me why). Solche Systeme sind jedoch in absehbarer Zeit
nur mit wissensbasierten Systemen auf der Grundlage von semantischen Technologien erreichbar.
Dieses Buch zur semantischen Datenintelligenz soll mit zahlreichen Anwendungsbeispielen aus der Industrie sowie Web- und Unternehmens-anwendungen
die sinnvolle Kombinationen von wissensbasierten bzw. semantischen Technologien mit den rein datenbasierten KI Verfahren zeigen und den Leser
über diese illustrierenden Beispielen mit dem semantischen Ansatz vertraut machen. Es umfasst die folgenden Kapitel:
Kapitel 1: Einblick in die Welt der Künstlichen Intelligenz
Dieser Beitrag gibt dem Leser ein Überblick über die Künstliche Intelligenz-Technologien, und zwar von der Entstehung und Entwicklung
bis zu den aktuell verwendeten Ansätzen und Methoden: Welche Höhen und Tiefen hat Künstliche Intelligenz bis heute erlebt?
Was verstehen wir unter Neuronalen Netze, Deep Learning sowie Machine Learning? Welche Lerntechniken gibt es für Machine Learning?
Benötigen wir sowohl symbolische als auch nicht-symbolische Ansätze? Brauchen wir Regelbasierte Systeme in KI-Projekten doch nicht mehr?
Welche Rolle werden künftig Semantic Web Standards in der Entwicklung der Künstlichen Intelligenz spielen? Welche Nachteile haben
Machine Learning-Ansätze? Was versteht man unter einem Blackbox-Effekt? Welche Vorteile haben Semantic Web-Ansätze? Wo liegt der Schlüssel zum Erfolg?
Was erwartet uns in Zukunft?
Kapitel 2: Corporate Smart Insights
Der Erfolg wissensbasierter KI-Systeme hängt von der Verfügbarkeit und insbesondere auch von der Wiederverwendung digital kuratierten Wissens ab.
Es gilt existierende Wissensschätze durch digitale Kuratierungstechnologien zu heben und in KI-unterstützten Geschäftsanwendungen mit fortlaufend
erlernten Kenntnissen und Einsichten, sogenannten Corporate Smart Insights (CSI), in Enterprise Knowledge Graphs zu nutzen. Das kuratierte KI-Wissen
steigert die funktionale Güte, die Dateneffizienz, die Plausibilisierung und die Absicherung von KI-gestützten Funktionen in betrieblichen
Corporate Semantic Web (CSW) Anwendungen. Die technologische Innovation ist eine Insight Driven Organisation (IDO), die CSI lernt und vielfach nutzbar
macht. Eine IDO bettet semantisches Unternehmenswissen in maschinelles Lernen und aus Datenanalysen gewonnenen Smart Insights direkt in die
Smart Decisions und Smart Actions ein. Diese Kapitel adressiert die digitale Kuratierung von Corporate Smart Insights als Grundlage für die Verwendung
von semantischem Wissen in der KI.
Weiterlesen...
Kapitel 3: Semantische Interoperabilität in Cyber-physischen Produktionssystemen
Semantische Interoperabilität gilt als einer der Schlüssel zur Umsetzung der Ideen hinter dem Paradigma des ‚Industrial Internet of Things‘ (IIoT).
Um heterogene Systeme über Anwendungsdomänen hinweg interoperabel kommunizieren lassen zu können, wird zunächst eine präzise Definition des Begriffs
‚Semantik‘ benötigt. Denn nur auf einer formalen Basis lassen sich Informationen zwischen verteilten IIoT-Geräten korrekt austauschen. Existierende Ansätze,
die beabsichtigen, den Begriff der Semantik zu präzisieren, sind oft eher intuitiv motiviert. Dazu zählen z.B. die Wissenspyramide oder das
‚Levels of Conceptual Interoperability Model‘ (LCIM). Dieses Kapitel liefert solch eine formale Definition des Begriffs ‚Semantik‘ und ordnet diese bestehenden
Ansätze kritisch in den Kontext der vorgeschlagenen Definition ein.
Kapitel 4: Unterstützung von Brandbekämpfung durch Teams von Unbemannten Systemen
Unter einem Team von Unbemannten Systemen wird eine kleinere Anzahl von Systemen verstanden, die über unterschiedliche Fähigkeiten verfügen
und bei der Erfüllung eines Auftrags kooperieren. Der Einsatz eines solchen Teams verspricht Flexibilität bei der erfolgreichen Bearbeitung unterschiedlicher
Aufträge. Teams von Unbemannten Systemen können allerdings nur dann effizient agieren, wenn sie in einem hohen Maß autonom sind.
Idealerweise sollte ein einzelner Nutzer mit dem Team interagieren und sich dabei auf das „Was ist zu tun?“ beschränken. An dieser Stelle kommt „Semantik“
ins Spiel: Das Team muss über genügend „Intelligenz“ verfügen, um Aufträge zu „verstehen“, sie in Teilaufträge zu zerlegen und kooperativ zu bearbeiten.
Dieses Kapitel erläutert diesen Ansatz am Beispiel der Unterstützung der Brandbekämpfung durch ein solches Team.
Kapitel 5: Einsatz semantischer Technologien im sicherheitskritischen Bereich der Flugsicherung
Ein wichtiges Aufgabengebiet und Anliegen der Flugsicherung ist die Bereitstellung von aktuellen Informationen zu Wetter und Luftverkehrsinfrastruktur
für Aufgabenträger in der Luftfahrt, insbesondere für Piloten. Die aktuellen Meldungen zu Wetter und Luftverkehrsinfrastruktur bilden die Grundlage
für die Flugvorbereitung. Eine große Herausforderung für Piloten ist die schiere Anzahl an Meldungen, die teilweise irrelevant oder nur von geringer Wichtigkeit
sind. Mit dem Ziel, Piloten durch die Bereitstellung von ausschließlich aufgabenbezogener Information zu entlasten, wurde im Projekt SemNOTAM aufbauend
auf einer integrierten, dezentralen Informationsbasis eine Familie von Techniken und Ansätzen entwickelt. Dieses Kapitel diskutiert neben den technischen
Grundlagen der integrierten Informationsbasis die zwei darauf aufbauenden Stufen einer automatisierten aufgabenspezifischen Informationsbereitstellung:
(i) semantische Anreicherung erleichtert die Selektion von Meldungen mittels Fachbegriffen, (ii) aufgabenspezifische Filterung und Klassifizierung von Meldungen
ersetzt die manuelle Formulierung von Abfragen durch ein wissensbasiertes Matching von Meldungen und Aufgabenbeschreibungen. In diesem Kapitel werden Motivation,
Herausforderungen, technische Lösung und aktuelle Einschränkungen erläutert und mit verwandten Ansätzen in Bezug gesetzt.
Kapitel 6: Semantische Technologien für die Lieferkettenbeobachtung
Enterprise Intelligence, d.h. die Überwachung und Interpretation aller Signale der verschiedenen Akteure eines Marktes, wird in einer globalen Wirtschaft
mit ihren weltweit verteilten Lieferanten, Kunden, und Wettbewerbern, sowie der zunehmenden Komplexität von Produkten, Herstellungsprozessen und Regularien
zu einem immer entscheidenderen Erfolgsfaktor für Unternehmen. Technologische Fortschritte in den Bereichen Künstliche Intelligenz, Big-Data-Management
und Webtechnologie ermöglichen aber den Einsatz modernster Informationstechnologien zur Automatisierung der arbeitsintensivsten Prozesse für
Enterprise Intelligence Lösungen. In diesem Kapitel wird eine KI-basierte Serviceplattform für Enterprise Intelligence beschrieben, die Ergebnisse
aus der deutschen und chinesischen KI-Forschung und Softwareentwicklung kombiniert. Ihre Kernkomponenten sind ein Framework für multilinguale
semantische Sprachverarbeitung, ein Framework für die Erstellung, Nutzung und Erweiterung von Wissensgraphen, sowie die Einbettung dieser Komponenten
in einer leistungsstarken Big-Data-Analytik Plattform.
Kapitel 7: Wissensgraphen im Web - Überblick und Vergleich
Wissensgraphen sind eine gebräuchliche Form der Wissensrepräsentation, die aus dem Bereich Semantic Web stammt. Sie werden heute in vielen Anwendungen verwendet;
prominent ist vor allem die Verwendung in der Web-Suche von Google, die auch den Begriff Wissensgraph (engl. Knowledge Graph) geprägt hat.
In einem Wissensgraph werden Dinge der Welt (z.B. Personen, Orte oder Ereignisse) durch Knoten repräsentiert, die mit Kanten verbunden sind.
Während Unternehmen wie Google, Microsoft und Facebook ihre eigenen, nicht öffentlichen Wissensgraphen besitzen, gibt es auch zahlreiche große,
frei verfügbare Wissensgraphen im Web. Zu den bekanntesten zählen DBpedia, YAGO und Wikidata. Dieses Kapitel gibt einen Überblick dieser Graphen
und vergleicht deren Inhalt, Größe, Abdeckung und Überlappung.
Kapitel 8: Automatische Konversion von natürlichsprachlichen Texten zu Ontologien
Im Zuge der digitalen Transformation von Geschäftsprozessen entsteht die Notwendigkeit, in natürlicher Sprache verfasste Handlungsanweisungen,
Verträge und vertragsähnliche Dokumente in eine formale, Computer-ausführbare Sprache (Code) zu wandeln, um z.B. Workflow Automation oder Smart Contracts
umzusetzen. Das Anwendungspotential hierfür ist enorm: alle menschenlesbaren Vorschriften sind typischerweise in natürlicher Sprache niedergeschrieben
(Montageanleitungen, Verträge, gesetzliche Regulierungen, etc.). Das Bestreben Prozesse zu automatisieren (z.B. Roboter gestützte Wartung, Regelkonformität
bei Banktransaktionen, etc.) macht es erforderlich, textlich gefasste Vorschriften computerisiert ausführbar zu machen. In diesem Kapitel wird das Verfahren
„SemantikMatcher“ vorgestellt, bei dem es sich um eine Anwendung der semantischen KI handelt. In dieser werden mittels Logik höherer Ordnung (Higher-Order Logic)
abstrakte Modelle der im Text erwarteten Inhalte formuliert um die konkreten Inhalte der Texte wie im Weiteren beschrieben zu extrahieren.
Das Ziel des vorgestellten Verfahrens ist die Überführung von in Texten vorliegendem Wissen in eine computerverständliche bzw. verarbeitbare Form.
Kapitel 9: Neue Errungenschaften durch AGI in NLP
Dieses Kapitel befasst sich mit einer Königsdisziplin der künstlichen Intelligenz, nämlich dem Natural Language Processing, kurz NLP genannt.
Es gibt schon einige praktische Beispiele wie etwa das Extrahieren von Texten aus einem Dokument, die Zusammenfassung von Inhalten
und die automatisierte Beantwortung von schriftlichen Anfragen, wo diese intelligente Technologie im Einsatz ist. Texte rein aus dem Kontext erkennen vermag
NLP im herkömmlichen Sinn jedoch nicht. Hierfür ist der Einsatz von starker künstlicher Intelligenz, Artificial General Intelligence, nötig.
Welche Begrifflichkeit hinter dieser Neuheit steckt und wo diese praktisch eingesetzt wird, werden in diesem Kapitel beschrieben.
Kapitel 10: Bitcoin und Blockchain Technologien
Neben Künstlicher Intelligenz sind auch die digitalen Währungen bzw. Kryptowährungen ein anderes wichtiges Thema in der digitalen Welt.
Ohne Zweifel die erste, berühmteste und wahrscheinlich die erfolgreichste Kryptowährung ist Bitcoin. Es gibt jedoch noch sehr viele verschiedene
digitalen Währungen wie Litecoin, XRP, EOS, NEO, Ether sowie Tether, und es kommen ständig neue dazu. Im Zentralpunkt der digitalen Währungen stehen
die Blockchain Technologien und digitale Währungen wie Bitcoin ist eigentlich nur eine Anwendung von Blockchain Technologien. Mit Blockchain Technologien
könnten viel mehr erreicht werden, z.B. in der Finanzwelt, im Identitätsmanagement aber auch im Bereich Internet of Things. Auch Smart Contracts ist ein relativ
neuer Bereich, welcher erst durch Blockchain Technologien wie Ethereum in der Praxis immer häufiger Anwendung finden wird. Das Thema Kryptowährungen ist
so kontrovers und polarisierend, sodass es immer noch heftige Diskussionen nicht nur zwischen Individuen, sondern auch zwischen Konzernen, Regulierungsbehörden,
Zentralbanken und Staaten verursacht. Eines ist jedoch klar: Kryptowährungen werden bald anfangen, unser Leben so massiv zu dominieren,
sodass sie nicht nur die heutigen konventionellen Währungen, sondern auch gewisse staatliche Strukturen in Frage stellen werden.
Kapitel 11: Semiotik - Ein Schlüssel-Element in der Kommunikation
Automatische Systeme, welche mit Hilfe von künstlicher Intelligenz Texte auswerten sind hoch im Kurs, und es werden immer mehr. Diese Systeme versuchen
eine Botschaft in einem Text zu verstehen und in einen Zusammenhang zu stellen. Es wird darüber hinaus auch versucht festzustellen, ob die Botschaft
eine negative, positive oder neutrale Aussage zu einer Sache, einer Aktion oder einem Thema etc. macht. Eine Nachricht oder Information kann auf sehr
unterschiedliche Weise gehört und verstanden werden. Sie kann aus verschiedenen Perspektiven gehört werden. Der Empfänger fragt sich wie der Sachverhalt
zu verstehen ist, aber auch was der Sender mit der Nachricht erreichen will. Die Antwort, die der Empfänger sich selber gibt, muss allerdings keinesfalls
mit der beabsichtigten Bedeutung des Senders übereinstimmen. Um Missverständnisse und Unklarheiten zu vermeiden, müssen die Zusammenhänge der Kommunikation
verdeutlicht werden. Dies geschieht mithilfe der Semiotik. In diesem Kapitel werden BrainDocs™ Software-Agenten von ai-one™ vorgestellt, welche
das semiotische Problem der korrekten Botschafts-Auswertung adressieren und lösen.
Kapitel 12: Wie lässt sich sprachlich nicht explizit mitgeteiltes Wissen erschließen?
Dieses Kapitel zeigt, wie Bedeutung im Kontext von Welt- und Sprachwissen konstruiert wird. Dabei geht es um Meinungen, Überzeugungen und Wertvorstellungen,
die in die Texte einfließen und rhetorisch geformt werden. Die Formen impliziten Wissens bilden auf der Textoberfläche eine sekundäre Symbolizität,
die analytisch approximativ erschließbar ist. Dabei geht es um Mitbedeutetes und Mitgemeintes, aber auch um implizites Wissen bzw. Aktionstheorien,
die in Form von mentalen Modellen und kognitiven Frames erschlossen werden können. Die exemplarische Analyse eines medienwissenschaftlichen Beitrages zu
„Ethik und KI“ zeigt, wie man von Verletzungen der Gesprächsmaximen auf das Autorbewusstsein schließen kann. Dabei wird deutlich, dass Moralität ohne
sprachstilistische Verantwortung und personales wie organisationales Lernen im Kontext professioneller Emotionalität nicht zu haben ist.
Kapitel 13: Ethische und Philosophische Aspekte der KI
Künstliche Intelligenz hält bereits in nahezu allen Lebensbereichen den Einzug und umso wichtiger wird das Thema Ethik bzw. Maschinenethik.
Dabei hat das Thema Ethik sehr viele Aspekte. Im Rahmen dieses Kapitels werden Fragen rundum Ethik bzw. Maschinenethik beantwortet. Dazu gehören aktuelle Themen
wie Gesichtserkennung, autonomes Fahren, autonome Waffensysteme sowie Kriegsroboter, Roboter im Alltag, Anonymisierung von Daten sowie gesellschaftliche Folgen.
Es ergeben sich u.a. folgende Fragen: Wie sollten sich intelligente Maschinen und Roboter verhalten? Darf ein Roboter einen Menschen belügen oder gar betrügen?
Wer haftet, wenn ein autonomes Auto einen Unfall verursacht? Darf Technik die Menschen ersetzen, anstatt sie zu unterstützen? Droht der Menschheit in Zukunft
dadurch doch eine massenhafte Arbeitslosigkeit? Darf eine unbemannte Maschine auf Menschen schießen? Welche ethischen Regeln müssen wir und die Maschinen folgen?
Welche Pflichten haben die Maschinen gegenüber den Menschen und anderen Maschinen?
Kapitel 14: Wer macht das Rennen in Künstlicher Intelligenz?
Wer macht das Rennen in Künstlicher Intelligenz? China, USA oder Europäische Union? Es ist derzeit sehr schwierig, eine klare Antwort zu dieser Frage zu geben,
aber dennoch nicht unmöglich. Wir sind als Menschheit noch am Anfang dieser bahnbrechenden Technologie. Und es gibt eigentlich keine eindeutigen Metriken
zur Erfolgsmessung. Dennoch geben die Antworten auf einige Fragen genug Hinweise für die Zukunft: Welches Land macht die meisten Forschungen?
Welche Firmen oder Universitäten haben die meisten Patente? Welches Land hat die meisten Elite-Universitäten oder Forschungseinrichtungen?
Welche Universitäten oder Forschungseinrichtungen veröffentlichen die wissenschaftlichen Papiere, die in anderen Veröffentlichungen am meisten zitiert sind?
Wer zieht die meisten Talente oder Fachkräfte ins Land? Welches Land hat die meisten zukunftsorientierten Startups? Diese Fragen kann man beliebig verlängern,
und all diese Fragen und Faktoren spielen beim Kräftemessen der Länder eine sehr wichtige Rolle. Im Rahmen dieses Kapitels wird versucht,
ausgehend von vielen kleinen Fragen und Antworten, eine klare Antwort auf eine große Frage zu finden.
*Semantische Datenintelligenz im Einsatz, Hrsg. A.Paschke/B.Ege, Überblickskapitel (A.Paschke/B.Ege), Springer-Verlag, erscheint voraussichtlich Anfang 2021.
Einblick in die Welt der Künstlichen Intelligenz
Book Chapters
Börteçin Ege, September 21, 2020
Auszug aus dem Buch Semantische Datenintelligenz im Einsatz*
Dieser Beitrag gibt dem Leser ein Überblick über die Künstliche Intelligenz-Technologien, und zwar von der Entstehung und Entwicklung
bis zu den aktuell verwendeten Ansätzen und Methoden: Welche Höhen und Tiefen hat Künstliche Intelligenz bis heute erlebt?
Was verstehen wir unter Neuronalen Netzen, Deep Learning sowie Machine Learning? Welche Lerntechniken gibt es für Machine Learning?
Benötigen wir sowohl symbolische als auch nicht-symbolische Ansätze? Brauchen wir Regelbasierte Systeme in KI-Projekten doch nicht mehr?
Welche Nachteile haben „Machine Learning“-Ansätze? Was versteht man unter einem Blackbox-Effekt?
Verstehen wir eigentlich unter Künstlicher Intelligenz einen Taschenrechner, ein Buchhaltungsprogramm oder einen Schachcomputer?
Aus heutiger Sicht nennen wir eine Software, die aus ihren Erfahrungen lernen und sich dementsprechend weiterentwickeln kann,
ein selbstlernendes System bzw. Künstliche Intelligenz. Künstliche Intelligenz besteht aus einer Familie von Ansätzen und Techniken.
Dazu zählen unter anderem Logik (z.B. Aussagenlogik, Prädikatenlogik, Entscheidbarkeit), Unsicheres Wissen und Schlussfolgern
(Bayessche Netze, Fuzzy-Logik), Suchstrategien (Uninformierte Suche, Heuristische Suche), Wissensrepräsentation (Ontologien und Semantic Web),
Machine Learning (Neuronale Netze und Deep Learning in Kombination von supervised und unsupervised learning sowie von reinforcement learning),
Natural Language Processing, Computervision und Robotik. In den letzten Jahren rückte insbesondere die Kategorie Machine Learning
und die damit verbundenen Techniken und Ansätze immer mehr in den Brennpunkt der Künstlichen Intelligenz.
Dabei basieren alle „Machine Learning“-Ansätze eigentlich auf Statistik und Wahrscheinlichkeitstheorie und stellen in der Wahrheit
kein echtes wissensbasiertes System dar. Man muss jedoch zugeben, dass in den letzten Jahren zum einen mit Deep Learning und zum anderen
mit steigender Rechenleistung ein ganz frischer Wind in die Künstliche Intelligenz kam. Beispielsweise ermöglicht Deep Learning heute sehr vieles,
was früher nicht so selbstverständlich war, und zwar von der Sprachverarbeitung und Bilderkennung bis zum GO-Spielen.
Außerdem: Welche Rolle werden künftig Semantic Web Standards in der Entwicklung der Künstlichen Intelligenz spielen?
Welche Vorteile haben Semantic Web-Ansätze? Wo liegt der Schlüssel zum Erfolg? Was erwartet uns in Zukunft?
Im Rahmen dieses Beitrags werden die bisherigen relativ wichtigen Entwicklungen und aktuellen Trends mit Schwerpunkt Lernen
im Bereich Künstliche Intelligenz unter die Lupe genommen.
*Semantische Datenintelligenz im Einsatz, Hrsg. A.Paschke/B.Ege, Kapitel 1: Einblick in die Welt der Künstlichen Intelligenz (B.Ege), Springer-Verlag, erscheint voraussichtlich Anfang 2021.
Bitcoin und Blockchain Technologien
Book Chapters
Börteçin Ege, September 21, 2020
Auszug aus dem Buch Semantische Datenintelligenz im Einsatz*
Neben Künstlicher Intelligenz sind auch die digitalen Währungen bzw. Kryptowährungen ein anderes wichtiges Thema in der digitalen Welt.
Ohne Zweifel die erste, berühmteste und wahrscheinlich die erfolgreichste Kryptowährung ist Bitcoin. Es gibt jedoch noch sehr viele verschiedene
digitalen Währungen wie Litecoin, XRP, EOS, NEO, Ether sowie Tether, und es kommen ständig neue dazu. Im Zentralpunkt der digitalen Währungen stehen
die Blockchain Technologien und digitale Währungen wie Bitcoin ist eigentlich nur eine Anwendung von Blockchain Technologien.
Mit Blockchain Technologien können vielmehr erreicht werden, z.B. in der Finanzwelt, im Identitätsmanagement aber auch im Bereich Internet of Things.
Auch Smart Contracts ist ein relativ neuer Bereich, welcher erst durch Blockchain Technologien wie Ethereum in der Praxis immer häufiger Anwendung finden wird.
Das Thema Kryptowährungen ist so kontrovers und polarisierend, sodass es immer noch heftige Diskussionen nicht nur zwischen Individuen,
sondern auch zwischen Konzernen, Regulierungsbehörden, Zentralbanken und Staaten verursacht. Eines ist jedoch klar: Kryptowährungen werden bald anfangen,
unser Leben so massiv zu dominieren, sodass sie nicht nur die heutigen konventionellen Währungen, sondern auch gewisse staatliche Strukturen in Frage stellen werden.
*Semantische Datenintelligenz im Einsatz, Hrsg. A.Paschke/B.Ege, Kapitel 10: Bitcoin und Blockchain Technologien (B.Ege), Springer-Verlag, erscheint voraussichtlich Anfang 2021.
Ethische und Philosophische Aspekte von Künstlicher Intelligenz
Book Chapters
Börteçin Ege, September 21, 2020
Auszug aus dem Buch Semantische Datenintelligenz im Einsatz*
Künstliche Intelligenz hält bereits in nahezu allen Lebensbereichen den Einzug und umso wichtiger wird das Thema Ethik bzw. Maschinenethik.
Was bedeutet überhaupt Maschinenethik? Doch wie so oft steckt der Teufel im Detail. Es ergeben sich u.a. folgende Fragen: Wie sollten sich
intelligente Maschinen und Roboter verhalten? Darf ein Roboter einen Menschen belügen oder gar betrügen? Wer haftet, wenn ein autonomes Auto
einen Unfall verursacht? Darf Technik die Menschen ersetzen, anstatt sie zu unterstützen? Droht der Menschheit in Zukunft dadurch doch eine
massenhafte Arbeitslosigkeit? Darf eine unbemannte Maschine auf Menschen schießen? Welche ethischen Regeln müssen wir und die Maschinen folgen?
Welche Pflichten haben die Maschinen gegenüber den Menschen und anderen Maschinen?
Das Thema Ethik hat sehr viele Aspekte. Im Rahmen dieses Beitrags werden wir versuchen, die Fragen rundum Ethik bzw. Maschinenethik zu beantworten.
Dazu gehören aktuelle Themen wie Gesichtserkennung, autonomes Fahren, autonome Waffensysteme sowie Kriegsroboter, Roboter im Alltag, Anonymisierung
von Daten sowie gesellschaftliche Folgen. Nun fangen wir am besten mit einem hoch aktuellen Thema an, nämlich Gesichtserkennung.
*Semantische Datenintelligenz im Einsatz, Hrsg. A.Paschke/B.Ege, Kapitel 13: Ethische und Philosophische Aspekte von Künstlicher Intelligenz (B.Ege), Springer-Verlag, erscheint voraussichtlich Anfang 2021.
Wer macht das Rennen in Künstlicher Intelligenz?
- Ein Vergleich zwischen den drei KI-Mächten USA, China und EU
Book Chapters
Börteçin Ege, September 21, 2020
Auszug aus dem Buch Semantische Datenintelligenz im Einsatz*
Wer macht das Rennen in Künstlicher Intelligenz? China, USA oder Europäische Union? Es ist derzeit sehr schwierig, eine klare Antwort zu dieser Frage
zu geben, aber dennoch nicht unmöglich. Wir sind als Menschheit noch am Anfang dieser bahnbrechenden Technologie. Und es gibt eigentlich
keine eindeutigen Metriken zur Erfolgsmessung. Dennoch geben die Antworten auf einige Fragen genug Hinweise für die Zukunft:
Welches Land macht die meisten Forschungen? Welche Firmen oder Universitäten haben die meisten Patente?
Welches Land hat die meisten Elite-Universitäten oder Forschungseinrichtungen?
Welche Universitäten oder Forschungseinrichtungen veröffentlichen die Paper, die in anderen Veröffentlichungen am meisten zitiert sind?
Wer zieht die meisten Talente oder Fachkräfte ins Land? Welches Land hat die meisten zukunftsorientierten Startups?
Diese Fragen kann man beliebig verlängern, und all diese Fragen und Faktoren spielen bei Kräftemessen der Länder eine sehr wichtige Rolle.
Im Rahmen dieses Beitrages wird nur versucht, ausgehend von vielen kleinen Fragen und Antworten, eine klare Antwort auf eine große Frage zu finden.
*Semantische Datenintelligenz im Einsatz, Hrsg. A.Paschke/B.Ege, Kapitel 14: Wer macht das Rennen in Künstlicher Intelligenz? (B.Ege), Springer-Verlag, erscheint voraussichtlich Anfang 2021.
Marktstudie:
Welche Standards und Tools werden in Unternehmen eingesetzt?
Book Chapters
Börteçin Ege, Februar 21, 2016
Im Fokus dieses Beitrags Marktstudie: Welche Standards und Tools werden in Unternehmen eingesetzt? (B. Ege) stehen Semantic Web Projekte,
die für den Einsatz in verschiedenen Bereichen entwickelt wurden. Der Beitrag wurde im Buch
Corporate Semantic Web (Hrsg. B. Ege et al., Springer, 2015) veröffentlicht.
Die meisten der im Beitrag dargestellen Semantic Web Projekte sind bereits in der Produktion, d.h. reale Anwendungen mit echten Nutzern.
Auf die Kundenanforderungen für jedes Projekt folgen dann auch die dazugehörigen technischen Lösungen bzw. die Architektur der Anwendungen und anschließend die bisherigen Erfahrungswerte der Firmen im Umgang mit
verwendeten Semantic Web Standards und Tools. Gegen Ende des Beitrags erwartet den Leser die Ergebnisse einer Umfrage mit weiteren Tipps und Hinweisen, dann ein Ausblick und zum Schluss eine Liste von aktuellen
Semantic Web Standards und Tools. Die Darstellung von insgesamt vier Semantic Web Projekten und die Ergebnisse einer Umfrage im Rahmen dieses Beitrags geben einen kleinen Einblick in die Welt der Hersteller von Semantic Web-Anwendungen.
Die einzelne Beschreibungen der Kundenanforderungen in Projekten, die dazugehörigen technischen Umsetzungen wie die entwickelten Architekturen, verwendete Standards, und Tools,
sowie konkrete Umsetzungshinweise erweitern den Horizont der Leser zusätzlich.
Einige Ergebnisse der Marktstudie
- SKOS ist meistens die erste Wahl bei der Erstellung von Thesauri.
- Semantic Web Anwendungen beginnen, in der Industrie in verschiedenen Bereichen Fuß zu fassen.
- W3C Standards genießen sowohl bei den Software-Herstellern als auch bei Kunden eine hohe Akzeptanz.
- Hybride Semantic Web-Anwendungen sind die de facto Standard-Lösungen, da ein sehr großer Anteil der Daten immer noch in relationalen Datenbanken gespeichert ist.
- Die Bedeutung von semantischen Technologien werden in Zukunft sowohl im Bereich Big Data als auch in der Industrie 4.0 zunehmen, da sie die Integration und somit die Interoperabilität vereinfacht.
Artikel zum Herunterladen
Copyright © 2012-2020 Dipl.-Ing. Börteçin Ege - Alle Rechte vorbehalten