Accenture-Stiftung Big Data - Diskussion Trainerhinweise / Script:

Ziele unseres heutigen Workshops In diesem Modul Entwickelt ihr Ideen, wie man Big Data nutzen kann Diskutiert ihr, in welchen Lebensbereichen man Big Data nicht anwenden sollte Trainerhinweise / Script:

Aufbau Workshop Intro Inhalte Wrap up Willkommen & Vorstellung Ziele Workshop Inhalte Was ist Analytics? Was ist Big Data? Welche Trends gibt es? Was sind die Vor- und Nachteile? Was für praktische Beispiele gibt es? Wrap up Zusammenfassung Ansprechpartner und weiterführende Links Beispiel, wie man Module im Rahmen eines Trainings kombinieren kann.

Analytics Was ist das? Was bringt das? Quellen: https://upload.wikimedia.org/wikipedia/commons/7/74/Big_Bang_Data_exhibit_at_CCCB_17.JPG

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.

Was ist Big Data? Strukturierte Daten Unstrukturierte Daten Trainerhinweise / Script: Hier zwei weiterführende Folien zu Big Data, die über das Big Data Einführungstraining hinausgehen Bild: http://saphanatutorial.com/top-10-reasons-customers-choose-sap-hana/ Im Prinzip geht es heute bei Big Data darum, aus den Daten keine aggregierten Summentabellen zu erzeugen wie es bei klassischen strukturierten Daten der Fall ist, sondern den einzelnen Vorgang bis auf Belegebene einzubeziehen und so Muster zu erkennen, die dann "den Weg nach vorne in die Zukunft weisen". Strukturierte Daten: üblicherweise in Tabellenform (Excel, .CSV, usw..). Man kann eine Beobachtung recht klar anhand von Zeilen und Spalten identifizieren. Z. B. Kundenlisten, Sportergebnisse   Semi-strukturierte Daten haben keine Tabellenstrukturen um einfacher mit XML/RSS gelesen werden zu können. Beispiel sind Webseiten als solches.   Unstrukturierte Daten können überall egfunden warden: Textnachrichten, Email, soziale Medien. Sie haben keine direkte Struktur und die”Big Data” Methoden warden verwendet, um eine Struktur in diese Daten einzuführen. Strukturierte Daten Unstrukturierte Daten 85% aller heutzutage generierten Daten sind unstrukturiert! http://saphanatutorial.com/top-10-reasons-customers-choose-sap-hana/

Was ist Big Data? Die vier V‘s: Trainerhinweise / Script: Die 3 V’s von BigData: „Volume“ beschreibt dabei das enorme Datenvolumen, das aus dem ständig wachsenden Informationsfluss resultiert. Auch im unternehmerischen Umfeld stehen Entscheider immer häufiger vor der Herausforderung, die Datenmengen effizient und effektiv zu nutzen. „Velocity“ bezeichnet die Geschwindigkeit der Datenentstehung. Unter anderem durch mobile Internetnutzung und die zunehmende Digitalisierung von z. B. Messergebnissen stehen immer mehr Daten immer schneller zur Verfügung – eine echte Herausforderung für Datenanalysten, vor allem vor dem Hintergrund, dass das Bedürfnis nach sofortiger Informationsextraktion und Verarbeitung der Daten in Echtzeit zunimmt. „Variety“ bezieht sich auf die Vielfältigkeit der vorliegenden Datenmenge. Daten können strukturiert, unstrukturiert und semi-strukturiert vorliegen, wobei die Gruppe der semi- und unstrukturierten Daten mit bis zu 85% den größten Anteil ausmacht. Darüber hinaus können Daten in verschiedenen Formaten vorliegen, die nicht ohne Weiteres verglichen werden können und auch in weniger griffigen Formaten wie Audio- oder Videodateien vorhanden sein, deren Extraktion zumeist manuellen Aufwand erfordert. Das 4te V: „Veracity“ steht für die Sinnhaftigkeit beziehungsweise die Vertrauenswürdigkeit der Daten und der daraus abgeleiteten Ergebnisse, die mitunter zu wünschen übrig lassen kann. http://image.slidesharecdn.com/buildingconfidenceinbigdata-131022005253-phpapp02/95/building-confidence-in-big-data-ibm-smarter-business-2013-3-638.jpg ?cb=1382403268

Was ist Analytics? Trainerhinweise / Script: Analytics (eng verknüpft mit Business Intelligence) bezeichnet Verfahren und Prozesse zur systematischen Analyse (Sammlung, Auswertung und Darstellung) von Daten in elektronischer Form. Wie wir bereits in anderen Workshops gelernt haben, werden durch die zunehmende Digitalisierung und damit verbundene Technologien wie bspw. Big Data immer mehr elektronische Daten und damit Informationen generiert. Veranschaulichung: Intelligenz und Erinnerungsvermögen beim Menschen sind zwei ganz unterschiedliche Eigenschaften. Es ist zum Beispiel eine Sache, Informationen behalten zu können – ein Gedicht auswendig lernen, Geburtstage, Vokabeln, Fussballergebnisse, Namen von Städten und Flüssen -, es erfordert jedoch Intelligenz, mit diesen Informationen etwas anzufangen, bspw. indem man sie verknüpft und daraus Schlüsse zieht: Zum Beispiel, aus Vokabeln ganze Sätze zu konstruieren oder zu erschließen, dass der HSV aktuell nicht so gut spielt, aber die Entwicklung doch positiv zu bewerten ist. Oder: Ein Computer mit einer großen Festplatte bringt erst mal sehr wenig. Nur, wenn auch ein entsprechend schneller Prozessor dahintersteckt, um mit den Daten zu „rechnen“, d.h. sie zu verarbeiten, kann ich wirklich etwas mit dem Computer und den gespeicherten Informationen anfangen. Frage an die Teilnehmer: - Was meint ihr, warum man sich für Daten interessiert? Was sagen sie uns? Prozesse und Verfahren zur systematischen Analyse von elektronischen Daten Quellen: https://upload.wikimedia.org/wikipedia/commons/9/9b/Social_Network_Analysis_Visualization.png

Beispiel: Web Analytics Suche: 2 Tage später Trainerhinweise / Script: So oder so ähnlich haben es viele der Teilnehmer wahrscheinlich erlebt. Ihr sucht montags bei Google nach Informationen über eure Katze. Schon die Vorschläge von Google zeigen euch, dass im Hintergrund Analytics im Spiel sind. Die Mehrheit der anderen Google Nutzer sucht aktuell wohl Informationen zu Erkrankungen ihrer Katze. Daher nimmt Google an, dass du dasselbe Problem haben könntest und „hilft“ dir bei der Suche. 2 Tage später fällt dir auf, dass du bei einer Google Maps Suche vor allem Standortvorschläge zu Tierarztpraxen bekommst, während auf der Startseite von Amazon gesundes Katzenfutter angeboten wird. Auf Facebook siehst du nun öfter Posts oder Videos über witzige Katzenbilder. Zufall? Wie funktioniert das? Durch Web Analytics (auch Clickstream-Analyse, Datenverkehrsanalyse, Traffic-Analyse, Web-Analyse, Web-Controlling, Webtracking) wird das Verhalten von Website-Besuchern gesammelt und ausgewertet. Dabei wird bspw. untersucht, woher die Besucher kommen, welche Bereiche auf einer Internetseite aufgesucht werden und wie oft und wie lange welche Unterseiten und Kategorien angesehen werden. Sie wird vor allem zur Optimierung der Website und zur besseren Erreichung von Zielen der Website (z. B. Häufigkeit von Besuchen, Vermehrung von Seitenaufrufen, Bestellungen, Newsletter-Abonnements, Kaufentscheidung) eingesetzt. Google (bzw. Alphabet, wie der Konzern heißt) ist aktuell das wertvollste Unternehmen, weil es seine Nutzer so gut versteht wie niemand anders. Diese Information verkauft Google an seine Kunden (das sind Unternehmen, zum Beispiel aus der Konsumgüterindustrie (Katzenfutter, Pflege), oder Services (Tierärzte)), die in Echtzeit wissen, was du haben willst und wo du dich bewegst. An dieser Stelle können die Teilnehmer auch kurz diskutieren bzw. ihre eigenen Erfahrungen schildern – was hat man in die Suche eingegeben, was kam dabei heraus? Ergebnis: Google Maps Amazon Facebook

Wozu Analytics? Wert Grad an Intelligenz Was passiert als nächstes? Vorhersehende Analytics Was, wenn der Trend anhält? Was sind die Ursachen? Wie muss ich reagieren? Was genau ist das Problem? Beschreibende Analytics Trainerhinweise / Script: Mit Analytics können wir aus unterschiedlichen Daten wichtige Fragen beantworten. Je nach Grad der Intelligenz des Analytics Tools können wir komplexe Zusammenhänge analysieren und somit besser verstehen. Das hilft uns im Idealfall, eine Problemstellung zu lösen, Menschheitsprobleme (bspw. kein Strom/Essen haben, im Stau stehen, immer den Bus verpassen) oder sogar Geld damit zu machen. Je weiter wir von Fragen „Was passiert“ zu „Wie“ und „Was passiert als nächstes“ bewegen, desto mehr gehen wir von beschreibenden zu voraussagenden Analysen. Dort wird es wesentlich interessanter für uns und auch für Unternehmen. Wer hat sich nicht schon mal gewünscht, die Lottozahlen oder den Deutschen Meister im Voraus zu kennen? Analytics kann zwar die Lottozahlen nicht beantworten (Zufall), aber letztere Frage kann von Computern mittlerweile nicht sicher, aber doch annähernd ermittelt werden. Aufgabe an die Teilnehmer Stellt euch vor, ihr wärt Chef von Volkswagen und wollt natürlich möglichst viele Autos verkaufen. Welche Fragen würdet ihr stellen? Beispiele: Wo verkaufe ich aktuell Autos? In welcher Niederlassung, welcher Stadt, Bundesland, Land, Kontinent? Wie viele Autos verkaufe ich? Welche Marke, welche Ausstattung, zu welchem Preis? Wer kauft meine Autos? Männer, Frauen, Alte, Junge, Hippe, Konservative? Warum verkaufe ich in Hamburg mehr Autos als in München? Hängt der Verkauf der Autos mit meinen Mitarbeitern zusammen? Wie viele Autos verkaufe ich nächstes Jahr? Was muss ich tun, wenn ich mehr Autos verkaufen will? Was passiert wohl, wenn ich 50 Mio. €in den Standort Stuttgart investiere? Wirtschaftsfachleute sprechen in dem Zusammenhang oft von der Optimierung der Geschäftsabläufe, von Kunden- und Lieferantenbeziehungen, Kostensenkung, Risikominimierung oder Vergrößerung der Wertschöpfung. Wer ein Unternehmen hat und langfristig damit erfolgreich sein will, muss diese Fragen erstens stellen und zweitens beantworten. Was früher (ohne Computer, komplexe Algorithmen und schnelle Prozessoren) nur grob beantwortet werden konnte, weil man einfach nicht genügend Daten sammeln und schnell genug auswerten konnte, ist heute durch Analytics in sehr großem Ausmaß und sehr schnell möglich. Wie viel, wie oft und wo? Was passiert? Grad an Intelligenz

Wie funktioniert es? Data Mining Daten Web Mining Text Mining Data Warehouse Trainerhinweise / Script: Schritt 1: Die Daten, egal ob von Kunden, Website Besuchern, Warenströmen, Verkehrsbewegungen oder sonst wo, müssen erst mal gesammelt werden. Das allein schon ist mit großen Schwierigkeiten verbunden. Die Frage ist zunächst einmal, wo die Daten eigentlich gespeichert sind (es gibt in Unternehmen Millionen von Speichermöglichkeiten). Danach müssen die Daten erst mal aneinander angepasst werden, weil sie erst mal sehr unterschiedliche Formate haben. Es gibt ja verschiedene Betriebssysteme, Programmiersprachen, Einheiten, Schreibweisen usw. Beispiel: Habt ihr mal versucht, Tabellen aus zwei Excel Dateien in einer Tabelle zu verschmelzen? Die Sammlung, Verarbeitung und Analyse der Daten passiert in sogenannten Data Warehouses. Das sind nicht unbedingt wirkliche „Häuser“, sondern für Analysezwecke optimierte zentrale Datenbanken. Schritt 2: Die Werkzeuge für Analytics können sehr verschieden sein: Data Mining: Die systematische Anwendung statistischer Methoden auf große Datenbestände (insbesondere "Big Data" bzw. Massendaten) mit dem Ziel, neue Querverbindungen und Trends zu erkennen. Solche Datenbestände können aufgrund ihrer Größe nicht manuell verarbeitet werden, sodass man computergestützte Methoden benötigt. Web Mining: Die Übertragung von Techniken des Data-Mining zur (teil)automatischen Extraktion von Informationen aus dem Internet. Dies umfasst beispielsweise die Sammlung und Auswertung des Verhaltens von Besuchern auf Websites. Ein Analytic-Tool untersucht typischerweise, woher die Besucher kommen, welche Bereiche auf einer Internetseite aufgesucht werden und wie oft und wie lange welche Unterseiten und Kategorien angesehen werden. Beispiel: Sie wird vor allem zur Optimierung der Website und zur besseren Erreichung von Zielen der Website (z. B. Häufigkeit von Besuchen, Vermehrung von Seitenaufrufen, Bestellungen, Newsletter-Abonnements) eingesetzt. Text Mining: Ein Bündel von Algorithmus-basierten Analyseverfahren zur Entdeckung von Bedeutungsstrukturen aus schwach strukturierten Textdaten. Mit statistischen und linguistischen Mitteln erschließt Text-Mining-Software aus Texten Strukturen, die die Benutzer in die Lage versetzen sollen, Kerninformationen der verarbeiteten Texte schnell zu erkennen. Der Unterschied zu Data Mining ist, dass Texte oft unstrukturiert sind, wohingegen Data Mining auf strukturierte, d.h. relativ klar aufgebaute Datenbestände, aufbaut, wohingegen Texte oft wesentlich komplexer und unübersichtlicher sind. Als Beispiel interessieren sich Firmen beispielsweise, wie Menschen sich in sozialen Medien (Facebook, Twitter) über das Unternehmen äußern – relevante Inhalte zu finden und selbst zu lesen würde Jahre dauern, mit der richtigen Text Mining Software geht das innerhalb von wenigen Augenblicken. Geoinformationssysteme: Informationssysteme zur Erfassung, Bearbeitung, Organisation, Analyse und Präsentation räumlicher Daten. Im Gegensatz zu den anderen Werkzeugen liegt hier der Schwerpunkt auf der räumlichen Dimension, d.h. wo ist jemand oder etwas zu welchem Zeitpunkt. Beispiel: Wenn ihr Google Maps benutzt, um zu erfahren, wo der nächste Bus fährt, oder wie lang ihr von A nach B braucht, dann greift ihr auf Geoinformationssysteme zurück. Schritt 3: Durch die richtige Analyse der Daten können die Fragen, die wir vorhin gesammelt haben, vom Computer beantwortet werden. Die Ergebnisse sind nicht immer perfekt und müssen kritisch hinterfragt werden, sie wären aber mit menschlicher Anstrengung erst gar nicht zu Stande gekommen. Geoinformations-systeme Ergebnis

Warum interessieren sich Unternehmen so für Analytics? Kunden Technologie Unternehmen Individuelle Kundenwünsche Konsum über verschiedene Kanäle Hohe Mobilität Mehr Technik heißt auch mehr Daten Steigende Vernetzung Zentrale Speicherung von Daten Neue Bedarfe bei Kunden kreieren Neue Erkenntnisse über Marktposition Komplexe Firmenstruktur Trainerhinweise / Script: 3 generelle Aspekte: Neue Verhaltensweisen & Bedürfnisse bei Kunden, technologische Innovationen und Entwicklungen in Unternehmen Kunden Wollen keine Massenware mehr, sondern haben ganz individuelle Kundenwünsche (Farbe, Funktion, Leistungsumfang), die mittlerweile günstiger als in der Vergangenheit befriedigt werden können – daher hoher Druck für Unternehmen, individuelle Wünsche zu erkennen und zu erfüllen Früher konnte man nur ins Geschäft gehen, später über Kataloge und Telefon-Hotlines Waren bestellen – heute gibt es vor allem online verschiedenste Kanäle, über die man sich über Waren informieren oder sie bestellen kann (oder: online kaufen, im Laden abholen). Diese Komplexität heißt auch, dass es wichtig ist, zu verstehen, welcher Kunde was wann wo kauft – oder auch nicht kauft! Früher war das nicht möglich, durch Analytics heute schon. Die Komplexität wird durch die hohe Mobilität von Kunden weiter gesteigert – dabei sind sie mobil im Internet um zu Chatten, Shoppen oder sich anderweitig zu informieren. Je nach dem, wo sie sich aufhalten, haben sie entsprechend unterschiedliche Bedürfnisse. Diese gilt es zu verstehen. Technologie Wir benutzen immer mehr digitale Technologie in unserem Alltag, um uns das Leben schöner oder einfacher zu machen. Das bedeutet, dass immer mehr Daten generiert und genutzt werden können – auch für Analytics. Dies eröffnet völlig neue Möglichkeiten. Technik, die wir heute nutzen, ist nicht mehr isoliert. Die ersten Computer haben nicht miteinander kommuniziert. Heute können selbst Kühlschränke, Feuermelder und Autos Daten miteinander austauschen – nicht nur PCs, Tablets und Smartphones. Das bedeutet, dass Handlungen wie bspw. das Kaufverhalten von einzelnen Kunden in Echtzeit, also „live“, verfolgt werden können. Daten lagern nicht länger auf der Festplatte des Computers, auf dem sie generiert wurden. Durch die Cloud (wie beispielsweise Google Drive, Dropbox oder iCloud) und damit verbundene Vernetzung haben wir heute Zugriff auf viel mehr Daten, als früher. Unternehmen Dadurch, dass Unternehmen wissen, was der Kunde mag, können völlig neue Angebote konzipiert und individuell den Kunden angeboten werden. Im Idealfall müsst ihr euch nicht selbst über neue Handymodelle oder Urlaubsangebote informieren sondern erfahrt dies vom Anbieter selbst und denkt euch: „Wow, das kannte ich noch nicht, aber es hört sich spannend an – das möchte ich haben!“ Unternehmen wollen nicht nur möglichst viele Erkenntnisse über ihre Kunden, sondern auch über sich selbst. Das betrifft zum Beispiel, wie sie im Vergleich zu ihren Wettbewerbern stehen, oder auch wo im Unternehmen was passiert. Firmenstrukturen werden durch die Globalisierung immer komplexer. Wir sprechen hier nicht vom familiengeführten Schuhgeschäft mit 5 Mitarbeitern, sondern von internationalen Konzernen mit komplizierten Geflechten aus Tochtergesellschaften. Zum Beispiel haben viele Konzerne ihre Firmensitze in Frankfurt oder Berlin, die Verwaltung ist aufgeteilt in Büros in Polen und Indien, die Produktion in China, Filialen gibt es aber in ganz Europa. Das betrifft dann beispielsweise die Finanzplanung, das Controlling, Unternehmensreporting. Da zu verstehen, was eigentlich passiert, und wo vielleicht Optimierungsbedarf durch ineffiziente Strukturen besteht, wer wo zu viel ausgibt, ist für Firmen dieser Größe extrem wichtig! Quellen: https://commons.wikimedia.org/wiki/File:Sydney_City_Business_District.jpg

Was denkst du.. …wie viele Daten jeder Mensch im Jahr 2020 pro Sekunde generieren wird? 1,7 Kilobytes 1,7 Megabytes 3, 2 Megabytes 400 Megabytes Trainerhinweise / Script: Eine spannende Variante, um direkt bei der Quiz-Beantwortung das Thema Big Data näherzubringen ist die Applikation Plickers, mit der man als Trainer die Antworten der Teilnehmer scannen und die Ergebnisse in Echtzeit auf dem Screen anzeigen lassen kann. Vorbereitung dieser Variante dauert max. 30 Min – Infos auf plickers.com ? 1,7 MB ist korrekt, pro Sekunde für jeden Menschen auf der Erde ist das ganz schön viel Quelle: http://www.forbes.com/sites/bernardmarr/2015/09/30/big-data-20-mind-boggling-facts-everyone-must-read/#7804d07e6c1d

Was denkst du.. … wie viele Smart Devices bis 2020 in Umlauf sein werden? 500 Millionen 5 Milliarden 15 Milliarden 50 Milliarden Trainerhinweise / Script: Eine spannende Variante, um direkt bei der Quiz-Beantwortung das Thema Big Data näherzubringen ist die Applikation Plickers, mit der man als Trainer die Antworten der Teilnehmer scannen und die Ergebnisse in Echtzeit auf dem Screen anzeigen lassen kann. Vorbereitung dieser Variante dauert max. 30 Min – Infos auf plickers.com Hintergrund: Smart Devices sind elektronische Geräte, die kabellos, mobil, vernetzt und mit verschiedenen Sensoren (z. B. Geosensoren, Gyroskopen, Temperatur oder auch Kamera) ausgerüstet sind. Hierunter fallen zum Beispiel Smartphones, Tablet PCs und Datenbrillen (google-glass). Quelle: http://www.iml.fraunhofer.de/de/themengebiete/informationslogistik_und_assistenzsysteme/smart_devices.html ? 50 Milliarden ist korrekt – sie alle sammeln, analysieren und teilen Daten Quelle: http://www.forbes.com/sites/bernardmarr/2015/09/30/big-data-20-mind-boggling-facts-everyone-must-read/#7804d07e6c1d

Was denkst du.. … wie viel Prozent der existierenden Daten aktuell analysiert werden? 0,5 % 7,3 % 14 % 32 % Trainerhinweise / Script: Eine spannende Variante, um direkt bei der Quiz-Beantwortung das Thema Big Data näherzubringen ist die Applikation Plickers, mit der man als Trainer die Antworten der Teilnehmer scannen und die Ergebnisse in Echtzeit auf dem Screen anzeigen lassen kann. Vorbereitung dieser Variante dauert max. 30 Min – Infos auf plickers.com ? 0,5 % ist richtig – das zeigt, wie viel ungenutztes Wissen noch auf Festplatten schlummert! Quelle: http://www.storage-insider.de/index.cfm?pid=7546&fk=530248&pk=388603&type=article

Vor- und Nachteile? Kann Fragen blitzschnell beantworten, für die Menschen Jahrhunderte bräuchten Nutzt Daten sinnvoll, statt sie auf Datenträgern liegen zu lassen Wertvolle Aufschlüsse über Kunden, Märkte, die Gesellschaft, Korruption, Umweltveränderungen Daten an sich sind nicht immer die Wahrheit und spiegeln die Realität nicht unbedingt zu 100% wider Nur so klug wie es programmiert wurde – kritisch hinterfragen Nimmt einem keine Entscheidung ab – nicht blind darauf verlassen Trainerhinweise / Script:

Beispiel: Intelligenter Online Shop Trainerhinweise / Script: Burton.com ordnet alle Kleidungsstücke bestimmten Wetterverhältnissen zu. Zusammen mit Geo-Informationen der Website-Nutzer, die auch Informationen über das Wetter enthalten, liefert der Shop jedem Kunden eine individuelle Darstellung von Produkten, die für sie/ihn relevant sind! Ähnlich wie Burton passen andere Websiten wie Amazon, Yahoo, Twitter, YouTube oder Tumblr ihre Inhalte an ihre individuellen Nutzer an. Das funktioniert manchmal besser, manchmal schlechter.

Beispiel: IBM Chef Watson Trainerhinweise / Script: Frage an die Teilnehmer: Wer hat schon von dem Supercomputer Watson gehört? IBM Chef Watson basiert auf IBMs Supercomputer Watson. Er war die erste künstliche Intelligenz, die Menschen bei dem Spiel Jeopardy besiegen konnte. Seither beschäftigte sich Watson mit dem Studium von Medizin, Finanzen, Verkauf, Verkehr – und parallel dazu lernt Watson kochen. (Dieser Supercomputer ist übrigens nicht viel größer als 2 übereinandergestapelte Pizzakartons!) Auf der Website könnt ihr eure Lieblingszutaten eingeben, Watson liefert euch dann Rezepte, die sich erst mal verrückt anhören können aber durch die Zusammenstellung verschiedener Geschmacks-Nuancen trotzdem gut schmecken. Das Geheimnis: Watson kennt die chemische Zusammensetzung der einzelnen Zutaten und Gewürze und nutzt diese Informationen für neue, kreative Rezepte. Beispiele: Ente auf Papaya oder frittierter Fisch auf Drachenfrucht und dazu hausgemachte Pommes mit einer Chili-Limetten-Sauce, oder Tiramisu mit Blauschimmelkäse, oder Schokoladen-Pudding mit Bier und Karamell-Sauce: Auf diese Ideen kommt wohl kein Mensch, Watson schon. Wie funktioniert das? Watson kennt Millionen von existierenden Rezepten und analyisiert, welche Zutaten geschmacklich zusammen passen. Anfangs wurde Watson mit unzähligen Rezepten von angesehen Chefkochs gefüttert, später auch Rezepte aus Kochbüchern weltweit eingespeist. Das System basiert also auf komplexen Algorithmen, die auch für Hobbyköche interessant ist. Quelle: http://futurezone.at/science/supercomputer-watson-kocht-schraege-rezepte/162.009.118 https://www.ibmchefwatson.com/

Beispiel: Connected Trucks Trainerhinweise / Script: LKW‘s tauschen ständig Daten miteinander (Temperatur des Motors, Temperatur außerhalb, Verbrennung, Kupplungsdaten, usw.). Diese Daten können dazu verendet werden um eine Vorhersage über mögliche Pannen. Diese Information kann helfen, den Truck in Richtung der nächsten Servicestelle zu führen. Die Wahl der Serviceeinrichtung kann z. B. die Entfernung der Servicestelle, die Kosten der Reparatur, die Kosten der Übernachtung des Fahrers, Benzinpreise im Land usw. berücksichtigen. Die Kombination von diesen Informationen führt dann zur Wahl der kostenoptimalen Alternative.

Beispiel: Bayer Agrar Trainerhinweise / Script: Hier mal ein völlig anderes Beispiel. Stellt euch vor, ihr seid Landwirt und wollt eure Felder auf die neue Pflanz-Saison vorbereiten. Ihr müsst euch ziemlich viele Fragen stellen, damit ihr einen wirtschaftlichen und auch möglichst ressourcenschonenden und nachhaltigen Betrieb führen könnt: Was baue ich an / Wie entwickeln sich die Preise für meine Feldfrüchte? Womit nehme ich am meisten ein? Welches Getreide eignet sich am besten für meine Flächen und für die Wetterbedingungen in diesem Jahr? Wann ist der beste Zeitpunkt für die Aussaat? Auf welche Schädlinge muss ich achten? Welche Krankheiten können auftreten / gibt es in der Umgebung? Welche Pflanzenschutzmittel brauche ich, was kann ich weg lassen wenn ich möglichst wenig Chemie verwenden will? All das sind keine neuen Fragen, doch eine Antwort zu finden, die all diese Faktoren berücksichtigt ist erst mit Analytics möglich. Landwirte können mittlerweile ganz einfach per App feststellen, welche Aktivitäten am besten für ihren Betrieb und für die Umwelt sind. So kann man in der Landwirtschaft Ressourcen sparen und gleichzeitig seinen Ertrag verbessern. Besonders vor dem Hintergrund von Klimaänderungen mit schwierigen Wetterbedingungen, der weltweiten Verknappung von Flächen und der wachsenden Weltbevölkerung ist Analytics hier ein sehr wertvolles Mittel.

Beispiel: NostradamIQ Trainerhinweise / Script: Webseite: http://www.NostradamIQ.org Ein mehrfach ausgezeichnetes Start-up Projekt (u. a. aus Deutschland), das aktuelle Daten und moderne Analytics-Methoden verwendet, um Erdbeben und andere Katastrophen besser vorhersagen zu können, um Menschen wiederum rechtzeitig zu informieren.

Welche Fragen habt ihr? Trainerhinweise / Script: Zum Abschluss auf die Erwartungen eingehen, die die Teilnehmer für sich notiert haben oder die am Flipchart stehen. Konkret darauf eingehen und nachhaken, wo noch Fragen offen sind. Welche Fragen habt ihr?

Ansprechpartner und weiterführende Links Trainerhinweise / Script: Je nach Zielgruppe können auch die englischen Videos gezeigt werden.

Hinweis - Haftungsausschluss Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.