Aktuelle Forschung

Eljasik-Swoboda, T., Rathgeber, C., Hasenauer, R.: Assessing Technology Readiness for Artificial Intelligence and Machine Learning based Innovations.

Jede Innovation beginnt mit einer Idee. Um aus dieser Idee einen Erfolg zu machen, müssen Innovationsprojekte nach zwei primären Aspekten gemanagt werden: Market-Readiness misst wie bereit ein Markt für ein innovatives Produkt ist. Technology-Readiness misst, wie bereit die Technik ist, um das Produkt herzustellen. Der READINESSnavigator ist ein “State of the Art”-Software-Tool zur Messung von Market-Readiness und Technology-Readiness.

Die Bewertung von Technology-Readiness fokussiert sehr auf die Herstellung von physischen Produkten, kann aber nicht die Readiness-Maßstäbe für daten-basierende Produkte wie AI und Machine Learning abbilden. In dieser Arbeit befassen wir uns deshalb mit der Anwendung des READINESSnavigators auf diese Bereiche und evaluieren seinen Nutzen im Kontext von 25 verschiedenen AI-Projekten.

Eljasik-Swoboda, T., Rathgeber, C., Hasenauer, R.: Artificial Intelligence for Innovation Readiness Assessment.

Eine Innovation ist dann erfolgreich, wenn zwei Aspekte vorhanden sind: Der Zielmarkt muss bereit sein, die Innovation zu kaufen. Und die Technologie muss dazu in der Lage sein, die Innovation zu produzieren. Beides wird durch den READINESSnavigator gemessen. In dieser Arbeit erforschen wir, wie künstliche Intelligenz genutzt werden kann, um die Messung zu vereinfachen und einen automatischen Innovations-Coach zu erschaffen.

Eljasik-Swoboda, T., Demuth, W.: Leveraging Clustering and Natural Language Processing to Overcome Variety Issues in Log Management.

Bei der Einführung von Log Management oder Security Information and Event Management (SIEM) Umgebungen stehen Unternehmen regelmäßig vor Gartner’s 3 V-Problemen von Big Data:

1.Volume: Es müssen sehr viele Daten verarbeitet werden.

2.Velocity: Die Daten werden schnell erzeugt.

Die ersten beiden Probleme lassen sich gut durch aktuelle Scale-Out Architekturen lösen.

Das 3. V steht für Variety: Es gibt kein normiertes Format für Log Files und alle Komponenten schreiben unterschiedlich. Diese Forschungsarbeit beschreibt den LAMaLearner. Eine künstliche Intelligenz, die dabei hilft, Variety Probleme in Log Management Projekten zu lösen.

Kontakt aufnehmen