Zur Kurzanzeige

dc.contributor.authorSzafarski,Daniel
dc.contributor.authorBeckmann,Helmut
dc.contributor.editorDemmler, Daniel
dc.contributor.editorKrupka, Daniel
dc.contributor.editorFederrath, Hannes
dc.date.accessioned2022-09-28T17:10:48Z
dc.date.available2022-09-28T17:10:48Z
dc.date.issued2022
dc.identifier.isbn978-3-88579-720-3
dc.identifier.issn1617-5468
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/39577
dc.description.abstractIn volatilen Zeiten, in denen die verfügbare Datenmenge stetig steigt, nehmen Unternehmen das IM in den Fokus, um ihre Wettbewerbsfähigkeit zu sichern. Aus diesem Grund ist eine stetig steigende Anzahl an Publikationen zu verzeichnen, welche sich aktuell insbesondere mit der frühphasigen Ideengenerierung mithilfe natürlich sprachlicher Texte beschäftigen. Zur Analyse werden sowohl unüberwachte als auch überwachte Lernverfahren angewendet, wobei insbesondere Clustering-Algorithmen sowie Klassifikations- und Regressionsanalysen genutzt werden. Die präskriptive Analyse sowie die geschäftsbezogenen Innovationen sind in diesem Zusammenhang noch kaum untersucht, weswegen sich hieraus weitergehender Forschungsbedarf ableiten lässt.de
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2022
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-326
dc.subjectInnovationsmanagement
dc.subjectMachine Learning
dc.subjectKünstliche Intelligenz
dc.subjectDigitalisierung
dc.subjectState-of-the-Art
dc.titleEinsatz von Machine Learning im Innovationsmanagementde
mci.reference.pages871-883
mci.conference.sessiontitleWirtschaftsinformatik an Hochschulen Angewandter Wissenschaften
mci.conference.locationHamburg
mci.conference.date26.-30. September 2022
dc.identifier.doi10.18420/inf2022_74


Dateien zu dieser Ressource

Thumbnail

Zur Kurzanzeige