Die Digitalisierung begann mit der zunehmenden Verfügbarkeit von Daten – und dem Wunsch, damit operativ zu steuern. Auf Dashboards folgten Diagnosen und Prognosen und schließlich Assistenzsysteme, die Empfehlungen geben. Doch ein KI-System in produktiver Umgebung bereitzustellen, bedeutet weit mehr, als „nur“ Algorithmen zu entwickeln oder zu trainieren. Nachdem im ersten Teil einige theoretische Grundlagen erläutert und erste praktische Anwendungen aufgezeigt wurden, geht es nun darum, welche Schlüsse für den zukünftigen Einsatz von KI auf der Schiene gezogen werden können.

Vollständigen Beitrag online lesen