Plattform zur Entwicklung KI-basierter Geschäftsmodelle https://app.wiwien-projekt.de/ 2026-04-10T07:43:10+00:00 https://app.wiwien-projekt.de/ https://app.wiwien-projekt.de/_media/wiki:dokuwiki.svg text/html 2023-12-07T12:39:02+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion1?rev=1701952742&do=diff Technische Aspekte - Datenmenge Wie Sie schon erfahren haben, benötigen KI-Anwendungen eine große Menge an Daten. Doch wie viele Daten sind überhaupt ausreichend? Die Datenmenge hängt grundlegend von verschiedenen Rahmenbedingungen ab und zwar unter anderem: text/html 2023-12-07T12:39:20+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion2?rev=1701952760&do=diff Technische Aspekte - Datentyp Bei einem Datentyp handelt es sich um einen bestimmten Wertbereich, innerhalb dessen eine bestimmte Menge von Operationen (z.B. Addieren oder Subtrahieren) durchführbar ist. Bei der Verarbeitung von Daten ist also darauf zu achten, welchen Datentyp sie haben und inwiefern Operationen mit anderen Datentypen möglich sind. text/html 2023-12-07T12:43:24+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion3?rev=1701953004&do=diff Technische Aspekte - Skalenniveaus von Daten Skalenniveaus geben eine Auskunft darüber, anhand welcher Eigenschaften oder Merkmale Daten klassifiziert werden. Es bestimmt dabei, welche Art der Messung zulässig ist und welche (mathematischen) Operationen mit den Daten ausgeführt werden können. Weit verbreitet ist die Einteilung von Skalenniveaus anhand nachfolgender Rangfolge (Ordinalskala): text/html 2023-12-11T14:05:09+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion4?rev=1702303509&do=diff Technische Aspekte - Einheiten und Bezeichnungen von Daten Insbesondere wenn Daten aus verschiedenen Quellen stammen und in eine einheitliche Datenbank oder ein anderes Speicherformat integriert werden, ist auf die Einheiten und Bezeichnungen der Daten zu achten. text/html 2023-12-07T13:02:27+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion5?rev=1701954147&do=diff Technische Aspekte - Datenstrukturierung Unter Datenstruktur versteht man die Art und Weise, wie Daten organisiert und angeordnet sind. Unterschieden werden können: * Strukturierte Daten Strukturierte Daten sind Daten, die in einer festen Struktur organisiert und in einem vordefinierten Format strukturiert sind. Ein Beispiel dafür ist eine SQL-Datenbank. text/html 2023-12-07T13:07:55+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion6?rev=1701954475&do=diff Technische Aspekte - Interne vs. Externe Daten Unternehmensdaten oder auch generell Big Data können in interne und externe Daten unterteilt werden. Daten, die ein Unternehmen selbst generiert, besitzt oder verwaltet, werden als interne Daten bezeichnet. Mögliche Quellen sind bspw. ERP-Module, interne Dokumente, Sensoren oder andere Möglichkeiten der Datenerfassung, Kundenbestellungen oder auch Website Logs. Unter externen Daten werden hingegen Daten bezeichnet, die ein Unternehmen nicht selbst… text/html 2023-12-07T13:13:51+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion7?rev=1701954831&do=diff Technische Aspekte - Datenqualität Die Datenqualität definiert die Übereinstimmung von den Datenkonsumenten (z.B. Datenanalysten, KI-Experten, …) gestellten Anforderungen und den tatsächlichen Ausprägungen der Qualität der Daten. Es wird also untersucht, inwiefern die Daten für den Zweck geeignet sind, für den sie eingesetzt werden sollen. text/html 2023-12-11T12:35:18+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion8?rev=1702298118&do=diff Nicht-Technische Aspekte Zur Beschreibung und Bewertung von Daten können außerdem nicht-technische Aspekte untersucht werden. Dazu gehören unter anderem: * Verzerrungen in der Datenverteilung (unconscious bias), die ggf. zu ungerechten Entscheidungen führen können, text/html 2023-12-11T13:55:16+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:lektion9?rev=1702302916&do=diff Fazit der Datenspezifikationen Anhand der verschiedenen Aspekte konnten Sie Informationen über Daten aufnehmen, die KI-Experten für erste Machbarkeitsuntersuchungen benötigen. Im nächsten Teil werden weitere relevante Informationen für eine erste Modellbildung aufgenommen. text/html 2024-01-05T08:57:11+00:00 Anonymous (anonymous@undisclosed.example.com) https://app.wiwien-projekt.de/prozess:phase4:modul10:start?rev=1704445031&do=diff Überblick Da Daten die Grundlage jeder KI-Anwendung sind, ist es wichtig alle relevanten Aspekte dieses Themas zu erfassen. KI-Experten benötigen verschiedene Informationen über Daten, um dementsprechend Modelle und Werkzeuge (bspw. für die Übertragung oder Verarbeitung von Daten) auszuwählen.