Big Data und KI 1

• Das Wachstum der globalen Konnektivität und Vernetzung führt zu immer mehr Daten.
• Das jährliche Datenvolumen stieg von 64,2 Zettabyte (2010) auf 103,66 Zettabyte (2022) und wird auf 284,3 Zettabyte (2027) geschätzt.

Big Data

• Das "Big" in Big Data bezieht sich auf die schiere Menge anfallender Daten.
• Big Data ermöglicht neue Einblicke und ist nützlich für Einzelpersonen und Organisationen.
• Anwendungsbeispiele sind Smart Cities, Healthcare und die Optimierung von Ressourcen und Prozessen durch KI.
• Viele Organisationen nutzen datengesteuerte Ansätze für Entscheidungen, Produktentwicklung, Kundendienst und Marketing.

Big Data als Grundlage der Künstlichen Intelligenz

• Big Data spielt eine wichtige Rolle bei der Weiterentwicklung der Künstlichen Intelligenz.
• Der Fokus liegt auf der beschleunigten Weiterentwicklung von KI-Anwendungen auf Basis von Big Data.
• Neue Technologien ermöglichen das Speichern, Verwalten und Analysieren großer Datensätze mithilfe von KI-Methoden.
• Die richtige Anwendung verfügbarer Informationen kann entscheidende Wettbewerbsvorteile sichern.
• Daten entstehen vielfältig, z.B. durch Social Media, Videostreaming und Messagingdienste.
• Wichtige Daten entstehen auch in täglichen Geschäftsabläufen von Unternehmen.
• Unternehmen sind bestrebt, ihre Best Practices auszubauen, um wettbewerbsfähig zu bleiben und ihre Marktposition zu stärken.
• Effizienzsteigerung und Digitalisierungskampagnen führen zur Generierung neuer Daten.
• Unternehmen profitieren von steigenden Datenmengen, wenn sie diese für Entscheidungen nutzen.
• Data Scientists nutzen bestimmte Methoden und Analysen zur Datenauswertung im Big-Data-Bereich.
• Der Einsatz der richtigen Datenquelle ist oft wichtiger als die Menge der Daten.
• Nicht jede KI-Anwendung erfordert einen sehr großen Datensatz; eine gezielte Datenquelle kann ausreichend sein.
• Unternehmen können effizientere Produkte und Dienstleistungen anbieten.

Kriterien von Big Data

• Big Data beschreibt große Mengen an schnellen, komplexen und variablen Daten, die fortgeschrittene Techniken erfordern.
• Die Handhabung großer Datenmengen wird durch "die vier Vs" erklärt: Volumen, Vielfalt, Geschwindigkeit und Wahrhaftigkeit.

Die "vier Vs" von Big Data

• Volumen (Datenmenge): Die Menge der erzeugten Daten ist aufgrund von IoT-Geräten, höherer Auflösung und Datentiefe enorm gestiegen.
• Die Herausforderung für KI-Anwendungen besteht darin, diese großen Datenmengen zu verarbeiten, analysieren und zu pflegen.
• Variety (Datenvielfalt): Heterogenität der Daten aus verschiedenen Datenquellen.
• Mehrere Datenquellen beschreiben Ereignisse und liefern unterschiedliche Datenformate, strukturiert oder unstrukturiert.
• Daten stammen nicht nur von Sensoren, sondern auch von Expertenwissen. KI muss Informationen aus verschiedenen Quellen mit unterschiedlichen Datentypen nutzen.
• Velocity (Geschwindigkeit): Die Geschwindigkeit, mit der Daten erzeugt werden, erfolgt oft in Echtzeit.
• Die Geschwindigkeit der Datengenerierung ist entscheidend für einige Anwendungen, da sie die Gültigkeit der Daten beeinflusst.
• Ein Kompromiss entsteht oft zwischen der Geschwindigkeit der Datenerzeugung und ihrer Verarbeitung. Die Latenzzeit ist ein wichtiger Faktor für KI-Anwendungen.
• Veracity (Datenqualität): KI-Algorithmen sind nur so leistungsfähig wie die Qualität der Daten, mit denen sie trainiert werden.
• Anwendungen, die auf Daten geringerer Qualität basieren, können zu falschen Vorhersagen führen. KI muss das Problem der Datenqualität mindern, um brauchbare Ergebnisse zu liefern.