be.in.value
be.in.value
Suchen

Versicherungswirtschaft 03/2019

Natürliche Verschmelzung: Wann Versicherer bei M&A's zuschnappen sollten und wo gefährliche Risse drohen 

Versicherungswirtschaft 03/2019

Gewicht: 341 g

, 03/2019


Preis: 22,00 EUR

(Preise inkl. gesetzl. MwSt. zzgl. Versandkosten)
Ausgabenübersicht

Data Science

Nach der ersten KI-Euphorie in den achtziger Jahren vor dem Millennium und dem Big Data & Analytics-Hype der letzten Jahre gewinnt das Rennen zwischen Mensch und Maschine eine neue Dynamik. Die Bausteine Künstlicher Intelligenzen sind in vormals den Menschen vorbehaltenen Gebieten der Wissensverarbeitung dem natürlichen Vorbild überlegen. Die optische Trennschärfe in der Mikroskopie liegt mittlerweile im Nanobereich, die Präzision von Roboterfeinmotorik führt zu deren Einsatz in der Chirurgie. Symbolmanipulierende Software zur Textverarbeitung ist eine Selbstverständlichkeit geworden. Welche technischen Komponenten in unserem Leben kommen heute ohne Steuerungs- oder Regelungssoftware aus, die Theoriemodelle und kausales Regelwissen implementiert hat? Es ist mit dem Begriff der Datenwissenschaft umschrieben, die als aktuell herausfordernde, neue Dimension der Wissensverarbeitung gleichermaßen in den Fokus fördernder Politik, wie investierender Unternehmen rückt. Eine Definition und genaue Abgrenzung dieser Wissenschaft gibt es noch nicht. Die Anwendungen sind breit, es geht beispielsweise um die Prognose von Nutzerverhalten, die Bestimmung von Risikoprofilen oder die bildbasierende Schätzung von Schäden. Zugrunde gelegt werden Daten, die letztlich als (mittlerweile) riesiger Stichprobenraum interpretiert werden können. Aus den Daten soll das in der Anwendung gesuchte Wissen „extrahiert“ werden, es soll „explizit“ gemacht werden. Ein Kennzeichen der Datenwissenschaft ist damit die Empirie. Daten sind die Erfahrungswerte, aus denen Wissen hergeleitet werden soll. Dazu muss der Data Scientist das Anwendungsproblem modellieren, Hypothesen aufstellen und diese dann mit den Methoden der Mathematik und Informatik entweder stützen oder verwerfen. Der Charakter des so gefundenen Wissens ist demnach empirische Evidenz, die vielleicht einmal kausal begründet werden kann, sicher ist das aber nicht. Für die Anwendbarkeit stellt die Begründbarkeit keine Grundbedingung dar. In einer vierschichtigen KI-Architektur ist die Datenwissenschaft damit oberhalb der Sensorik / Aktorik und unterhalb der Theorie- und Regel-Ebenen anzusiedeln. Sie ist das Bindeglied, das auf Basis der Fülle an Sensordaten jedweder Art die Leistung erbringen soll, empirisch evidente Hypothesen zu generieren - nicht mehr und nicht weniger.

Dafür werden kreative Köpfe gesucht, mit Skills in Statistik, mathematischer Modellierung, Informatik und Systemanalyse, ein multidisziplinäres und umfangreiches Wissen. Dem steht ein kompaktifiziertes und zeitlich gestrafftes Bildungssystem gegenüber. Wo sollen die High-Potentials herkommen? Die Prognose des Data Scientists als „most sexiest job of the future“ scheint sich zu erfüllen.


Weitere Informationen:
Autoren
ProfilProfil
FindenFinden