Im Zeitalter von Industrie 4.0 nutzen immer mehr Unternehmen Künstliche Intelligenz in Form von Machine Learning. Viele Machine-Learning-Projekte scheitern jedoch häufig bei ihrer Umsetzung. Felix Lammers entwickelt in " Machine Learning in industriellen Dienstleistungen (https://www.grin.com/document/465505)" ein Modell, mit dem Unternehmen Machine Learning erfolgreich in ihre Prozesse integrieren können. Sein Buch ist im Mai 2019 bei GRIN Publishing erschienen.

Machine Learning ist für den industriellen Sektor sehr bedeutsam und hilft Unternehmen, ihre Lieferketten und Instandhaltung zu optimieren. Doch warum scheitern Machine-Learning-Projekte häufig bei der Umsetzung? Wie können Unternehmen diese Projekte besser planen und Prozesse definieren? Und mit welcher Methode können sie maschinelles Lernen erfolgreich in industrielle Dienstleitungen integrieren? In seinem Buch "Machine Learning in industriellen Dienstleistungen" erläutert Felix Lammers ein Vorgehensmodell für eine erfolgreiche Umsetzung von Machine-Learning-Projekten.

Ein Vorgehensmodell macht Prozesse transparenter, planbarer und kontrollierbarer

Viele Machine-Learning-Projekte scheitern, weil Unternehmen kein definiertes Vorgehensmodell haben und insbesondere die Bereitstellung, Qualität und Verfügbarkeit von Daten nicht ganzheitlich berücksichtigen. Vorgehensmodelle sind vor allem in der Informatik weit verbreitet. So finden in der Softwareentwicklung Wasserfallmodelle, iterative oder agile Ansätze Anwendung. Ein allgemeingültiges Vorgehensmodell zur Einführung von Machine Learning in industriellen Dienstleistungen liegt bislang noch nicht vor. Das von Felix Lammers entwickelte Modell macht die Prozesse in Projekten transparenter, planbarer und kontrollierbarer und damit erfolgreich, indem es die Verfügbarkeit und Qualität von Daten ganzheitlich miteinbezieht. Lammers richtet sich mit seinem Buch "Machine Learning in industriellen Dienstleistungen" an Führungskräfte, Produkt-, Projektmanager und IT-Mitarbeiter im Bereich industrielle Dienstleistungen.

Das Buch ist im Mai 2019 bei GRIN Publishing erschienen (ISBN: 978-3-668-92772-8)
Direktlink zur Veröffentlichung: https://www.grin.com/document/465505
Kostenlose Rezensionsexemplare sind direkt über den Verlag unter presse@grin.com zu beziehen.