Kartenstapel

Der Gartner Hype Cycle beschreibt den Lebenszyklus neuer Technologien und hilft Unternehmen, fundierte Entscheidungen zu treffen. Der Zyklus umfasst fünf Phasen:

1. Technologischer Auslöser

2. Gipfel der überzogenen Erwartungen

3. Tal der Enttäuschung

4. Pfad der Erleuchtung

5. Plateau der Produktivität

   
   

   Beispiel: Blockchain durchlief diesen Zyklus – hoher Hype anfangs, nun zunehmend realistische Anwendungen.

Blockchain ( engl. Blockkette) ist eine spezielle Technologie zur Datenhaltung in dezentralen verteilten Netzwerken.

Datensätzen (Blöcke), die mittels kryptografischer verfahren miteinander verkettet sind – jeder Block enthält einen kryptografisch sicheren Hash-Wert des vorherigen Blocks, einen Zeitstempel und Transaktionsdaten – Blockchain ermöglicht Anonymität, Dezentralität und Sicherhei.

bspw. als Basistechnologie für Bitcoin.

Big Data Analysen als Unterstützung der Entscheidungsfindung im Unternehmen

—> wiederkehrende Entscheidungen könnten basierend auf den Daten zu Entscheidungen und entsprechenden Erfolgen/Misserfolgen anderer Unternehmen genauer spezifiziert und ein Stück transparenter gemacht werden

Big Data bezeichnet den Einsatz großer Datenmengen aus vielfältigen Quellen mit hoher Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen Nutzens

3 Vs = Volume, Velocity, Variety

Analytics = Erkennen von Zusammenhängen

systematische Anwendung computergestützter Methoden, um in vorhandenen Datenbeständen Muster, Trends oder Zusammenhänge zu finden

• Schwache KI/Augmented Intelligence: Unterstützt menschliche Entscheidungen (z. B. Assistenzsysteme, medizinische Diagnostik).

• Starke KI/Autonomous Intelligence: Handelt ohne menschliche Unterstützung (z. B. autonomes Fahren).

Definition Technology Push: Innovationen, die von IT-Abteilungen forciert werden, ohne aktive externe Marktnachfrage

—> Sollte u.a. für die Bereiche Mobilität, Integrative Dienstleistungen, Embedded Systems und IoT vorangetrieben werden

1. Maschinelles Lernen (ML): Analyse von Daten zur Vorhersage von Trends, wie Kundenverhalten.

2. Natürliche Sprachverarbeitung (NLP): Sprachverstehen für Chatbots oder Sprachassistenten.

3. Automatisierung: Optimierung von Geschäftsprozessen (z. B. in der Buchhaltung).

1. Datenqualität und Bias in den Algorithmen sind entscheidend für verlässliche Ergebnisse.

2. Ethik: KI-Entscheidungen müssen nachvollziehbar und erklärbar sein.

3. Missbrauchsmöglichkeiten: KI kann für Cyberangriffe oder Fehlinformationen missbraucht werden.

Das Periodensystem der KI kategorisiert KI-Technologien basierend auf ihren Fähigkeiten und Anwendungsbereichen.

Cloud Computing bietet IT-Ressourcen über das Internet, ohne lokale Infrastruktur. Vorteile:

• Skalierbarkeit: Ressourcen können je nach Bedarf angepasst werden.

• Kostensenkung: Nur für genutzte Ressourcen zahlen.

1. SaaS (Software as a Service): Bereitstellung von Software über das Internet (z. B. Microsoft 365).

2. IaaS (Infrastructure as a Service): Bereitstellung von IT-Infrastruktur (z. B. AWS).

3. PaaS (Platform as a Service): Bereitstellung von Plattformen zur Entwicklung von Anwendungen (z. B. Google App Engine).

Multi-Cloud-Strategien nutzen mehrere Cloud-Anbieter gleichzeitig, um Anbieterabhängigkeit zu vermeiden und Flexibilität zu erhöhen. Dies verbessert die Ausfallsicherheit und ermöglicht es, von den besten Funktionen verschiedener Anbieter zu profitieren.

Ein digitaler Zwilling ist eine digitale Nachbildung eines physischen Objekts, das in Echtzeit mit Daten gespeist wird. Anwendungen:

• Industrie 4.0: Überwachung und Wartung von Maschinen.

• Smart Cities: Optimierung von Infrastruktur und Ressourcen (z. B. Verkehr, Energieverbrauch).

1. Effizienzsteigerung: Simulationen helfen, Prozesse zu optimieren.

2. Kostenreduktion: Früherkennung von Problemen spart Wartungskosten.

3. Vorhersagefähigkeiten: Unterstützen bei der Predictive Maintenance und Verbesserung der Planung.

Ziel der GPM ist es, Prozesse klar zu strukturieren, zu optimieren und Transparenz zu schaffen, um Effizienz zu steigern und gesetzliche Vorgaben (Compliance) zu erfüllen.

1. EPK (Ereignisgesteuerte Prozesskette): Visualisierung von Prozessen mit Ereignissen und Funktionen.

2. BPMN (Business Process Model and Notation): Standardnotation für die Modellierung von Geschäftsprozessen, z.B. mit Ereignissen, Aktivitäten und Gateways.

IT-Governance stellt sicher, dass IT-Strategien den Unternehmenszielen entsprechen. Das COBIT-Framework hilft dabei, IT-Prozesse zu steuern und Risiken zu managen, indem es klare Richtlinien für die Kontrolle und Überwachung von IT-Prozessen gibt.

Das IT-Projektmanagement umfasst fünf Phasen:

1. Initiierung: Projektidee und Zieldefinition.

2. Planung: Zeit-, Kosten- und Ressourcenplanung.

3. Durchführung: Umsetzung der Aufgaben.

4. Überwachung: Soll-Ist-Vergleich und Qualitätskontrolle.

5. Abschluss: Abnahme und Dokumentation.

SCRUM ermöglicht flexible, iterative Entwicklung in Sprints. Regelmäßiges Kundenfeedback sorgt dafür, dass das Projekt schnell an Änderungen und neue Anforderungen angepasst werden kann.

• Product Owner: Was und warum wird entwickelt.

• Scrum Master: Unterstützt das Team.

• Entwicklungsteam: Wie das Produkt entwickelt wird.

1. Merkmale: Vollständige Zuweisung der Ressourcen zum Projekt, der Projektleiter hat volle Kontrolle.

2. Vorteile: Klare Verantwortung, schnelle Entscheidungen.

3. Nachteile: Wenig Flexibilität, unsicherer Ressourceneinsatz nach Projektende.

4. Beispiel: Große, eigenständige Projekte wie Bauvorhaben.

1. Merkmale: Projektleiter hat wenig Entscheidungsmacht, das Projekt bleibt in der Linienorganisation.

2. Vorteile: Keine großen Umstrukturierungen nötig, einfache Ressourcennutzung.

3. Nachteile: Wenig Einfluss des Projektleiters, mögliche Konflikte mit Linienmanagern.

4. Beispiel: Kleine Projekte, bei denen nur geringe Anpassungen notwendig sind.

1. Merkmale: Projektleiter teilt sich die Verantwortung mit den Linienmanagern, Mitarbeiter haben doppelte Berichtslinien.

2. Vorteile: Flexibler Ressourceneinsatz, Expertise aus verschiedenen Abteilungen.

3. Nachteile: Konflikte zwischen Projekt- und Linienleitung, hoher Koordinationsaufwand.

4. Beispiel: Großunternehmen mit mehreren parallelen Projekten.

1. Merkmale: Bestimmte Abteilungen sind dauerhaft für Projekte verantwortlich.

2. Vorteile: Ständige Projektarbeit, spezialisierte Teams.

3. Nachteile: Überlastung bei zu vielen Projekten, weniger klare Trennung von Linien- und Projektaufgaben.

4. Beispiel: IT-Abteilungen oder Beratungsunternehmen mit kontinuierlichen Projekten.

1. Relationale Datenbanken speichern Daten in Tabellenform und sind für strukturierte Daten geeignet (z. B. SQL).

2. NoSQL-Datenbanken sind flexibler und eignen sich für unstrukturierte Daten, wie Bilder und Kommentare (z. B. MongoDB).

Normalisierung verhindert Redundanzen und stellt sicher, dass Daten nur einmal gespeichert werden, wodurch Datenintegrität gewährleistet und Aktualisierungen vereinfacht werden.

Der Wissensarbeitsplatz der Zukunft muss veränderten Anforderungen gerecht werden, wie z.B. der veränderten Arbeitsweise aufgrund technologischer Trends. Auch gesellschaftliche Veränderungen, wie der demografische Wandel, ein Wandel im Wertesystem sowie häufigere Jobwechsel müssen als gesamtheitliche Herausforderung für den Wissensarbeitsplatz der Zukunft betrachtet werden.

Grundsätzlich sollte der Wissensarbeitsplatz der Zukunft:

·      Örtlich und zeitlich ungebundenen

·      Gute technische Ausstattung, einfache Bedienbarkeit

·      Räume bereitstellen zum Treffen und Pflegen von Netzwerken, zum kreativen Arbeiten und zur Förderung der Bildung fallbezogener Teams

·      Größtmögliche Selbstbestimmtheit von Arbeitsabläufen ermöglichen (z.B. Wahl der Methoden und Software)

·      Wechsel von privaten und beruflichen Phasen ermöglichen und gleichzeitig Ruhephasen und Ungestörtheit fördern

Ein Data Product ist ein digitales Produkt oder eine digitale Dienstleistung, die Daten sinnvoll integriert und auswertet, um ihren Nutzern einen Mehrwert zu bieten

Beispiel: Empfehlungsservices von Amazon und Netflix

—> Mehrwert für den Nutzer: schnellers finden von Produkten die einem gefallen könnten

—> Mehrwert für das Unternehmen Erkenntnisgewinn, besserer Absatz

beschäftigt sich mit der Frage wie die verwendete IT das Unternehmen effektiv voranbringen kann. Die IT-Strategie ist wesnetlicher Bestandteil der Unternehmensstrategie.

Phasen der Strategie Entwicklung:

• Definition des Betrachtungsbereiches

• Situationsanalyse

• Zieldefinition

• Strategieformulierung

• Maßnahmenplanung

• Implementierung

6 Stufen:

1.          Entwicklung —> höchste Kosten, geringster Nutzern

2.          Einführung

3.          Wachstum

4.          Sättigung / Reife—> Höhepunkt Systemnutzen

5.          Rückgang

6.          Abschaffung

ITIL: Information Technology Infrastructure Library

—> ein etablierter Standard für das IT-Service-Management, bietet Prozessleitlinien und eine einheitliche Nomenklatur zur Planung, Erbringung und Unterstützung von IT-Services

Nutzen

• Klare Verantwortlichkeiten für definierte Rollen

• Transparenz & Verbesserung der Leistungen der IT Infrastruktur

• Steigerung der IT-Service- und Prozessqualität

• Fehlervermeidung statt Fehlerbehebung

Reifegradmodelle können für eine Beurteilung der Prozessqualität, Abweichungsanalysen oder Verbesserungsplanung verwendet werden. Je höher die Stufen, desto optimierter ist der Prozess!

CMMI (5 Stufen)

1. Stufe INITIAL: Chaotischer Ad-hoc-Prozess, Erfolg hängt von der Kompetenz und dem Einsatz einzelner Mitarbeiter ab

2. Stufe GEFÜHRT: Projekte stellen sicher, dass die Anforderungen gemanagt und dass Prozesse geplant, ausgeführt, gemessen und gesteuert werden

3. Stufe DEFINIERT: Prozesse sind gut spezifiziert und verstanden. Prozesse sind unternehmensweit definiert

4. Stufe QUANTITATIV GEFÜHRT: Beim Ausführen der Prozesse werden Messungen durchgeführt und analysiert → Bessere Vorhersagbarkeit

5. Stufe PROZESSOPTIMIERUNG: Prozesse werden kontinuierlich verbessert

Schichtenmodell (Layers): Schneidet die Architektur eines Systems in Schichten, wobei jede Schicht auf die Dienste der darunterliegenden Schicht zugreifen kann

Pipes and Filters: strukturiert eine Anwendung in eine Kette von sequenziellen Verarbeitungsprozessen, die über ihre Ausgabe bzw. Eingabe gekoppelt sind. Die Ausgabe des einen Prozesses ist die Eingabe des nächsten Prozesses.

• separate und unabhängige Weiterentwicklung (Erneuerung) der Code-Basis, des Technologie- Stacks und der Funktionalitäten der Anwendung

• Services sind unabhängig voneinander skalierbar

• keine zufälligen Querbeziehungen zwischen einzelnen Code-Elementen der Services

• Ein Projekt verfolgt ein definiertes Ziel

• Projekte sind neuartig – die vorgegeben Ziele wurden so noch nicht umgesetzt

• Ein Projekt ist zeitlich begrenzt durch einen Start- und Endtermin

• Sie sind einmalig und werden nach einem erfolgreichen Projektabschlussbeendet

• Ein Projekt hat eine gewisse Komplexität, bei der am Anfang nicht alle Lösungen parat liegen.

• Sie haben eine Begrenzung an Ressourcen (z.B. Budget, Material, Projektmitarbeiter)

• Ein gewisses Risiko oder Unsicherheiten sind meistens vorhanden

Umfasst alle Aufgaben bei der Durchführung von Projekten hinsichtlich Vorbereitung, Planung, Kontrolle und Steuerung

Ziele

·      Planbarkeit der Projekte

·      Bessere Qualität der Projekte  

·      Verkürzung der Projektdauer

·      Transparenz und Reduktion der Kosten

Nützliches Instrument zur Darstellung der Zuordnung von Rollen zu Verantwortlichkeiten

• R= Responsible: Verantwortlich für die Durchführung der Aktivität

• A= Accountable: Rechenschaftspflichtig für getroffene Entscheidung

• C= Consulted: konsultiert, um fachlichen Rat für die Aufgabenbearbeitung zu geben

• I= Informed: Muss über Aktivitäten oder Ergebnisse informiert werden

Agiles Projektmanagement stellt den Wert, bzw. den Nutzen in den Vordergrund, bindet wichtige Stakeholder fortlaufend mit ein und zeichnet sich durch ein hohes Maß an Flexibilität aus, um Veränderungen in der Projektumwelt adaptieren zu können. Es zeichnet sich zudem durch ein iteratives Vorgehen aus und wird bei komplexen Sachverhalten, wie z.B. der Softwareentwicklung verwendet.

Weitere Einsatzmöglichkeiten:

1)        Wenn Ergebnis und Anforderungen noch nicht klar sind

2)        Wenn Feedback und Lernen zentrale Betrachtungspunkte sind

• Botnetze: Hacker infiltrieren einzelne Geräte  schließen Vielzahl an Geräten zu Botnetzen zusammen  erzielter Datenverkehr für Hacker sehr hoch

• Ransomware (Erpressungstrojaner): Eindringung kann Zugriff des Computerinhabers verhindern

• Phishing: Beschaffung persönlicher Daten anderer Personen mit gefälschten Emails / Websites

symmetrischen Verschlüsselung (meist wenig rechenaufwändig): Die Ver- und Entschlüsselung erfolgt mit dem gleichen Schlüssel, diese müssen zwischen den Kommunikationspartnern ausgetauscht werden. Problematisch dabei ist, dass der Schlüssel zwischen Teilnehmern transportiert werden muss, der Transport kann unsicher sein und auch die Aufbewahrung ist risikobehaftet.

Bei der asymmetrischen Verschlüsselung (meist sehr rechenaufwändighingegen erfolgt die Ver- und Entschlüsselung durch unterschiedliche Schlüssel.

VR Showroom Ikea: Kunden können sich in einem virtuellen Showroom selbstständig über ihre Produkte informieren und bei Bedarf alles Wissenswerte auf einen Blick „serviert“ bekommen

Künstliche Intelligenz Amazon Echo Look: Virtueller Modeberater, der das Outfit des Benutzers mittels Algorithmen und Erkenntnissen eines menschlichen Stylisten analysiert und auf dieser Grundlage Modetipps gibt

Physisches In-Store-Erlebnis Amazon 4-Star-Geschäf: Kunden erhalten eine Auswahl der beliebtesten Produkte des Onlinehändlers direkt im Geschäft. Das Sortiment besteht nur aus Produkten

1)        mit 4-Sterne-Bewertung oder höher von Kunden

2)        sogenannte Topseller sind

3)        neu sind und im Trend liegen

Meta-Targeting ist eine Betrachtungsebene der Schlüsseltrends im Online-Handel, die sich mit Marktpotenzialen, Kunden- und Zielgruppen, Positionierung und Nischen befasst

Top-Trends sind u.a. Generation Y und Z und neue Customer Journey mit neuen Touchpoints

Opt-out: Verfahren, bei dem Werbung zugesandt oder persönliche Daten gespeichert

werden, sofern der Betroffene dem nicht aktiv widersprochen hat.

Double-opt-in bedeutet, dass der Empfänger den Opt-In-Link in der E-Mail anklickt, um die Anmeldung zu bestätigen  Stellt eine rechtssichere Newsletter-Anmeldung dar

• Zielt auf die anorganische Suche, also auf bezahlte Werbeanzeigen oder Anzeigeplätze ab

•   Z.B. bezahlte Indeed Stellenanzeigen  Diese werden gut platziert, bis das Budget aufgebraucht ist Budget wird pro Klick verbraucht, z.B. 2 Euro pro Klick

•  Weitere Beispiele Google Ads, Facebook Ads, etc.

• Exakte Budgetierung und präzises Targeting möglich

• Bereits nach kurzer Zeit messbare Erfolge erzielbar Kurz-mittelfristige Ausrichtung

• Zielt auf die organische Suche im Internet ab. Z.B. optimieren von Stellenanzeigen oder auch Webseiten mit den richtigen Schlagworten, sodass diese über die organische Suche in den Suchmaschinen (gut) aufgefunden werden kann

• Langfristige Ausrichtung

Heterogenität = ungleichartig, verschiedenartig

Daten können aus verschiedenen Gründen heterogen sein.

Funktion

Ermöglicht die automatische Umwandlung von gesprochener Sprache in Text (Speech-to-Text) und die Identifikation von Sprechern (Speaker Identification).

Anwendungsszenarien:

Kundensupport: Automatisierte Beantwortung von Kundenanfragen in Callcentern.

Sprachgesteuerte Geräte: Interaktion mit loT-Geräten, z. B. Alexa, Fi.

Diktat-Tools: Automatische Transkription von Meetings oder Interviews.

Biometrische Sicherheit: Verifikation von Nutzern durch Stimmabgleich.

Kombination mit anderen Elementen:

NLP (Natural Language Processing): Analyse und Verarbeitung von erkannten Texten.

Predictive Inference (Pi): Vorhersage des Kontexts oder der Intention der Spracheingabe.

Language Generation (Lg): Um eine erkannte Sprache zu beantworten oder zu vervollständigen.

Cloud-Infrastruktur: Echtzeit-Spracherkennung über APis wie Google Speech-to-Text oder Microsoft Azure Speech.

Marktlösungen:

Google Speech-to-Text: API für Spracherkennung.

Nuance Dragon: Tools für professionelle Sprachtranskription.

Amazon Transcribe: Cloud-basierte Transkription für Unternehmen.

IBM Watson Speech Services: Kombiniert Erkennung mit KI-gestützten Analysen.

Herausforderungen:

Dialekte und Akzente: Schwierigkeiten bei weniger verbreiteten Sprachvarianten.

Lärmempfindlichkeit: Hintergrundgeräusche können die Erkennungsqualität beeinträchtigen.

Datenschutz: Sicherstellung der Compliance bei der Verarbeitung sensibler
Sprachdaten.

Funktion:

Ermöglicht die Vorhersage zukünftiger Ereignisse oder Ergebnisse basierend auf historischen Daten und Wahrscheinlichkeitsmodellen.

Anwendungsszenarien:

Finanzprognosen: Vorhersage von Markttrends oder Kreditrisiken.

Marketing: Predictive Analytics zur Personalisierung von Kampagnen.

Supply Chain Management: Vorhersage von Nachfragetrends und Lagerbeständen.

Healthcare: Prognose von Krankheitsverläufen.

Kombination mit anderen Elementen:

Machine Learning (ML): Training von Modellen für präzisee Vorhersagen.

Datenquellen: Nutzung von Big-Data-Analytics zur Optimierung der Modelle.

Mobility Large (MI): Anwendung auf Verkehrsdaten zur Vorhersage von Routen und Verkehrsströmen.

Language Generation (Lg): Um Vorhersagen für Nutzer verständlich und erklärend darzustellen.

Marktlösungen:

AWS Forecast: Vorhersagen für Geschäftsdaten.

SAP Analytics Cloud: Tools für Predictive Analytics.

DataRobot: Plattform für automatisierte prädiktive Modelle.

H20.ai: Open-Source-Framework für Machine Learning und Predictive Analytics.

Herausforderungen:

Datenqualität: Ungenaue oder unvollständige Daten können die Vorhersagen unzuverlässig machen.

Modelltransparenz: Schwierig nachvollziehbare Ergebnisse bei komplexen
Algorithmen.

Ethische Fragen: Diskriminierung oder Vorurteile bei Modellergebnissen.

Funktion:

Erzeugt natürlich klingenden Text basierend auf Eingaben oder Kontext, häufig durch neuronale Netze wie Transformer-Modelle.

Anwendungsszenarien:

Kundensupport: Automatische Beantwortung von Anfragen durch Chatbots.

Content-Erstellung: Generierung von Berichten, Marketingtexten oder News-Artikeln.

Bildungssektor: Erstellung von personalisierten Lernmater alien.

Übersetzung: Automatische Übersetzung von Texten.

Kombination mit anderen Elementen:

NLP (Natural Language Processing): Analyse der Eingaben für passende
Textausgaben.

Speech Recognition (Sr/Si): Um gesprochene Sprache zu verstehen und darauf zu reagieren.

Predictive Inference (Pi): Vorhersage der nächsten logischen Aussage basierend auf
Kontext.

Cloud-Dienste: Zur Skalierung von Sprachgenerierungssystemen.

Marktlösungen:

OpenAI GPT-4: Generierung natürlicher und kontextbezogener Texte.

Jasper Al: Erstellung von Marketingtexten und Inhalten.

Google Bard: KI-gestützte Content-Generierung.

Copy.ai: Tools für SEO- und Marketingtexte.

Herausforderungen:

Qualität der Inhalte: Texte können sachlich falsch oder unpassend sein.

Missbrauch: Erzeugung von Fake News oder manipulativen Inhalten.

Rechenleistung: Sprachgenerierungsmodelle sind rechenintensiv.

Funktion:

Ermöglicht die Entwicklung und Optimierung von KI-Systemen für große Mobilitätslösungen, wie autonome Fahrzeuge oder Verkehrsmanagement.

Anwendungsszenarien:

Autonomes Fahren: Kl für Navigation, Hinderniserkennung und Entscheidungsfindung.

Verkehrsmanagement: Optimierung von Ampelschaltungen und Verkehrsflüssen.

Flottenmanagement: Optimierung von Routen und Einsatztlänen.

Smart Cities: Unterstützung bei der Integration von Mobilitätslösungen in urbane infrastrukturen.

Kombination mit anderen Elementen:

Computer Vision: Erkennung von Objekten oder Verkehrsschildern.

Predictive Inference (Pi): Vorhersage von Verkehrsstaus oder Routenoptimierung.

Cloud-Infrastruktur: Echtzeit-Datenverarbeitung für Mobilitätslösungen.

Datenquellen: Integration von Verkehrsdaten, Umweltdaten und Fahrzeugdaten.

Marktlösungen:

Waymo: Autonome Fahrzeuge mit KI-Technologie.

Tesla Autopilot: Teilautonome Fahrfunktionen.

HERE Technologies: Echtzeit-Daten für Verkehrsmanagement.

Uber Al Labs: Optimierung von Routen und Fahrerzuweisungen.

Herausforderungen:

Sicherheitsrisiken: Fehler in der Entscheidungsfindung können schwerwiegende
Konsequenzen haben.

Regulierung: Strenge Auflagen und Standards für autonome Systeme.

Kosten: Hohe Entwicklungs- und Infrastrukturausgaben.

Akzeptanz: Skepsis gegenüber KI-gesteuerten Mobilitätslösungen.