Hybride KI mit Machine Learning und Knowledge Graphs Innovative Lösungen aus der Praxis

Seit den 2010er Jahren hat die Künstliche Intelligenz (KI) durch Erfolge im Machine Learning (ML) einen enormen Schub erfahren. Einerseits durch die stark angewachsene Menge verfügbarer digitaler Daten und andererseits durch Innovationen im Bereich der Künstlichen Neuronalen Netze und des Deep Learning (DL). Wissensbasierte KI umfasst neben traditionellen Expertensystemen und Regelsystemen auch die Technologien und Standards, welche im Rahmen der Semantic Web Initiative seit den 1990er Jahren entwickelt wurden. Sie ermöglichten unter anderem die Entwicklung umfangreicher Knowledge Graphs (Wissensnetze). Hybride KI Ansätze kombinieren Machine Learning und wissensbasierte KI. Da sie als erfolgversprechend gelten, werden sie seit Jahren erforscht. Dieser Sammelband zeigt, wie innovative hybride KI-Verfahren bereits heute erfolgreich in der Praxis eingesetzt werden. Dies ist ein Open Access-Buch.

Vorwort der Herausgeber.- Geleitwort.- Einführung in hybride Künstliche Intelligenz.-Unterstützung klinischer Studien mit hybrider KI.- Retrospektives Klassifizieren und Annotieren von Geschäftsdokumenten im Tagesgeschäft der Denkmalbehörden.- Text-getriebener Aufbau von domänenspezifischen Wissensgraphen mit neuronalen Netzen.- Das Projekt OdeNet: Aufbau eines semantischen Netzes für die deutsche Sprache.- Integration von terminologischen Wissen in eine Word-Embedding-basierende Semantische Suche.- Vorhersage von landwirtschaftlichen Erträgen und Wachstum.- Ontologie-basiertes AutoML.- Ermittlung elektiver Risikopatienten mittels Bayes’scher Netze.- Transfer-Lernen für die Klassifikation medizinischer Texte.- Anomalie-Detektion in der verarbeitenden Industrie.- Vorhersage von Sportergebnissen mittels probabilistischer Programmierung.- Hybrides wissensbasiertes Reasoning für wissensintensive Prozesse am Beispiel von Notrufabfragen.- Optimierung der Entscheidungsfindung in autonomenFahrsystemen mit neuro-symbolischem Wissen.- Wissensgraphen und Maschinelles Lernen im Spannungsfeld juristischer Sprache.-Kosteneffiziente Rekognition durch Out-Of-The-Box KI und Semantik.- Interaktive Entscheidungsfindung unter Einsatz von maschinellem Lernen und regelbasierten Systemen.