Einsatz von Künstlicher Intelligenz im Management und Controlling

Die Methoden des Maschinellen Lernens helfen der Unternehmensführung zunehmend komplexe Entscheidungsprobleme in der Praxis zu lösen. Das Controlling nutzt hierfür die zugehörigen Methoden des maschinellen Lernens in enger Zusammenarbeit mit der IT-Abteilung. Leider kommt es dabei zuweilen zu Berührungsängsten zwischen Fach- und IT-Abteilungen. Führungskräfte und Controller sollten sich deshalb mit grundlegenden Zusammenhängen und Konzepten beschäftigen, um die Potentiale des Maschinellen Lernens für ihr Unternehmen heben zu können. Im Mittelpunkt dieses Seminars stehen deshalb die fachseitigen Inhalte, die für Führungskräfte und Controller von besonderer Relevanz sind.

Zielgruppe

Führungskräfte, die mehr über die Einsatzmöglichkeiten von Machine Learning in ihrem Unternehmen wissen möchten
Controller, die den Einsatz von Machine Learning in ihrem Unternehmen / ihrer Fachabteilung planen

Voraussetzungen

Für das Seminar wird ein eigener Laptop benötigt. Auf diesem muss für Übungszwecke ein kostenfreies Softwaretool vorab installiert werden. Bei Bedarf stellen wir Ihnen gerne einen Laptop zur Verfügung. Weitere Informationen dazu erhalten Sie nach der Anmeldung.

Ihr Nutzen

Sie kennen unterschiedliche Methoden und Einsatzmöglichkeiten des Maschinellen Lernens in Unternehmen (Branche, Funktion)
Sie verstehen, wie „Maschinen“ lernen und welchen Betrag die Methoden zur Verbesserung betriebswirtschaftlicher Entscheidungen leisten können
Der Praxisteil wird mit der Analyseumgebung KNIME durchgeführt. Sie werden anhand eines konkreten Fallbeispiels befähigt, komplexe Analysen mittels einer grafischen Oberfläche ganz ohne Programmierung eigenständig durchzuführen
Sie trainieren Machine Learning Modelle am Fallbeispiel und lernen, die Ergebnisse anhand gängiger Kennzahlen und Graphiken zu bewerten und zu kommunizieren

Methoden

Trainervortrag, Gruppenarbeit, Fallbeispiele, Übungen und Use Cases in Software-Tool

Schwerpunkte

Datengetriebene betriebswirtschaftliche Entscheidungen
Vorgehensmodell zur Lösung datengetriebener betriebswirtschaftlicher Entscheidungen
Einführung in den Anwendungsfall „Abwanderungsvorhersage von Kunden“
Datenaufbereitung und –segmentierung
Modellierung: Lernen und Testen
Bewertung der Vorhersagequalität
Anwendung des Modells im Unternehmen
Ausblick auf weitere Methoden und Anwendungsbeispiele