Zusammenfassung
Das Nervensystem der menschlichen Zivilisation ist mittlerweile das Internet. Das Internet war bisher nur eine („dumme“) Datenbank mit Zeichen und Bildern, deren Bedeutung im Kopf des Nutzers entsteht. Um die Komplexität der Daten zu bewältigen, muss das Netz lernen, selbstständig Bedeutungen zu erkennen und zu verstehen. Das leisten bereits semantische Netze, die mit erweiterbaren Hintergrundinformationen (Ontologien, Begriffe, Relation, Fakten) und logischen Schlussregeln ausgestattet sind, um selbstständig unvollständiges Wissen zu ergänzen und Schlüsse zu ziehen. So lassen sich z. B. Personen identifizieren, obwohl die direkt eingegebenen Daten die Person nur teilweise beschreiben. Hier zeigt sich wieder, dass Semantik und Verstehen von Bedeutungen nicht vom menschlichen Bewusstsein abhängt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Easley D, Kleinberg J (2010) Networks, Crowds, and Markets. Reasoning about a Highly Connected World. Cambridge University Press, Cambridge
Leskovec J, Adamic L, Huberman B (2007) The dynamics of viral marketing. ACM Transactions of the Web 1(1):5
McKenzie A, Kashef I, Tillinghast JD, Krebs VE, Diem LA, Metchock B, Crisp T, McElroy PD (2007) Transmission network analysis to complement routine tuberculosis contact investigations. American Journal of Public Health 97(3):470–477
Mainzer K (2014) Die Berechnung der Welt. Von der Weltformel zu Big Data. C.H. Beck Verlag, München
BITKOM (Hrsg) (2012) Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte. Berlin
Dean J, Ghemawat S (Google Labs) MapReduce: Simplified Data Processing on Large Clusters. http://research.google.com/archive/mapreduce.html
Mayer-Schönberger V, Cukier K (2013) Big Data – A Revolution That will Transform How We Live, Work and Think. Eamon Dolan/Mariner Books, London
Hambuch U (2008) Erfolgsfaktor Metadatenmanagement: Die Relevanz des Metadatenmanagements für die Datenqualität bei Business Intelligence. VDM Verlag Dr. Müller, Saarbrücken
Ginsburg J (2009) Detecting influenza epidemics using search engine query data. Nature 457:1012–1014
Dugas AF (2012) Google flu trends: correlations with emergency department influenza rates and crowding metrics. CID Advanced Access 8. doi:10.1093/cid/cir883
Halevy A, Novik P, Pereira F (2009) The unreasonable effectiveness of data. IEEE Intelligent Systems March/April:8–12
Dean J (2014) Big Data, Data mining, and Machine Learning. Value Creation for Business Leaders and Practioners. Wiley, Hoboken, S 56 (nach Fig. 4.1)
Salakhutdinov R, Hinton G (2007) Restricted Boltzmann Machines for collaborative filtering. In: Mnih, Mnih A (Hrsg) Proceedings of the ICML, S 791–798
http://lunar.xprize.org/. Zugegriffen: 30.7.2015
http://www.audi.de/de/brand/de/vorsprung_durch_technik/content/2015/06/mission-to-the-moon.html. Zugegriffen: 30.7.2015
Stiller C (2007) Fahrerassistenzsysteme. Schwerpunktthemenheft der Zeitschrift it – Information Technology 49:1
Braess HH, Reichart G (1995) Prometheus: Vision des „intelligenten Automobils“ auf „intelligenter Straße“? Versuch einer kritischen Würdigung. ATZ Automobiltechnische Zeitschrift 4:200–205
http://www.velodynelidar.com/lidar/products/manual/HDL-64E%20Manual.pdf. Zugegriffen: 30.7.2015
Hawkins W, Abdelzaher T (2005) Towards feasible region calculus: An end-to-end schedulability analysis of real-time multistage execution. IEEE Real-Time Systems Symposium. 12–88, Miami Florida
Lee E (2008) Cyber-physical systems: Design challenges. In: Technical Report No. UCB/EECS-2008-8. University of California, Berkeley
Cyber-Physical Systems (2008) Program Announcements & Information. The National Science Foundation, 4201 Wilson Boulevard, Arlington, Virginia 22230, USA, 2008-09-30
Wayne W (2008) Computers as Components: Principles of Embedded Computing Systems Design. Morgan Kaufmann, Amsterdam
Wedde HE, Lehnhoff S, van Bonn B (2007) Highly dynamic and adaptive traffic congestion avoidance in real-time inspired by honey bee behavior. In: PEARL Workshop 2007, Informatik aktuell. Springer
Broy M (1993) Functional specification of time-sensitive communication systems. ACM Transactions on Software Enginering and Methodology 2(1):1462–1473
European Technology Platform Smart Grids. http://ec.europa.eu/research/energy/pdf/smartgrids_en.pdf. Zugegriffen: 30.7.2015
Wedde HF, Lehnhoff S (2007) Dezentrale vernetzte Energiebewirtschaftung im Netz der Zukunft. Wirtschaftsinformatik 6
Informations- und Kommunikationstechnologien als Treiber für die Konvergenz Intelligenter Infrastrukturen und Netze (2014). Studie im Auftrag des Bundesministeriums für Wirtschaft und energie (Projekt-Nr. 39/13). LMU-Forschungsverbund: Intelligente Infrastrukturen und Netze, Abb. 2, S. 20
acatech (2011) Cyber-Physical Systems. Innovationsmotor für Mobilität, Gesundheit, Energie und Produktion. Springer, Berlin
Falk D (2010) CNC-Kompendium PAL Drehen und Fräsen, Braunschweig. https://de.wikipedia.org/wiki/CNC-Drehmaschine. Zugegriffen: 30.7.2015
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Mainzer, K. (2019). Infrastrukturen werden intelligent. In: Künstliche Intelligenz – Wann übernehmen die Maschinen?. Technik im Fokus. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58046-2_9
Download citation
DOI: https://doi.org/10.1007/978-3-662-58046-2_9
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-662-58045-5
Online ISBN: 978-3-662-58046-2
eBook Packages: Computer Science and Engineering (German Language)