Refine
Document type
- Bachelor Thesis (3) (remove)
Language
- German (3)
Is part of the Bibliography
- No (3)
Keywords
- Künstliche Intelligenz (3) (remove)
Course of studies
Vergleich maschineller Lernalgorithmen in Anwendung auf die 3D-Gestenerkennung per Leap Motion
(2017)
Die Gestensteuerung ermöglicht eine intuitive sowie natürliche Interaktion zwischen Mensch und Maschine. Um die Bewegungen des Nutzers im dreidimensionalen Raum erkennen und klassifizieren zu können, sind Sensoren nötig, deren Signale es gilt zu verarbeiten. Diese Verarbeitung geschieht mittlerweile überwiegend durch Algorithmen des maschinellen Lernens, welche mit Hilfe von eingelernten Daten selbstständig Vorhersagen über neue Eingabesignale treffen können.
In dieser Arbeit werden die Eigenschaften und die damit zusammenhängende Erkennungsgenauigkeit solcher Algorithmen untersucht und verglichen. Dabei sollen die Support Vector Machine und das neuronale Netz berücksichtigt werden, welche mit Hilfe der Open Source Bibliotheken TensorFlow und scikit-learn implementiert wurden. Als Untersuchungsgegenstand dienen die Positionskoordinaten von insgesamt 350 dynamischen Gesten. Diese wurden mit dem Tiefenensor Leap Motion mittels einer eigens entwickelten Software aufgezeichnet und entsprechend vorverarbeitet. Auf diese Software, sowie den Prozess der Datensammlung, der Vorverarbeitung und letztendlich der Klassifizierung wird in der Arbeit ausführlicher eingegangen.
Die durchgeführten Tests zeigen, dass beide Algorithmen in der Lage waren eine Erkennungsgenauigkeit von bis zu 93,40% zu erreichen. Die Support Vector Machine schnitt durchschnittlich mit 87,15%, gegenüber dem neuronalen Netz mit 80,47%, besser ab.
Die digitale Disruption ist in vollem Gange und dies nicht nur für Konzerne, sondern auch für mittelständische Unternehmen. Künstliche Intelligenz nimmt hierbei eine wichtige Rolle ein. Aus diesem Grund sollten Mittelständler den Anschluss nicht verpassen, damit deren gegenwärtiger und zukünftiger Erfolg nicht darunter leidet.
Das Ziel in der vorliegenden Arbeit ist es zu beantworten, welche Möglichkeiten es im Rechnungswesen gibt, auf welchem aktuellen Stand mittelständische Unternehmen hinsichtlich der KI-Anwendungen im Rechnungswesen sind und vor welchen Herausforderungen sie stehen. Darüber hinaus, werden zum einen die Chancen und Risiken, die sich durch solch eine intelligente Technologie ergeben, veranschaulicht und die Auswirkungen auf den zukünftigen Beruf des Controllers beleuchtet.
Dazu wurde eine qualitative Studie mit Experten aus mittelständischen Unternehmen durchgeführt. Im Rahmen dieser Studie wurde deutlich, dass der Einsatz von KI in mittelständischen Unternehmen im Rechnungswesen gering ist. Dies betrifft insbesondere das Controlling, da in diesem Bereich bislang gar keine KI-Technologien zum Einsatz kommen. Das fehlende Know-how, das Fehlen eines Verantwortungsbereichs, der für die Ideensammlung von KI-Einsatzfeldern zuständig ist und die Priorisierung von anderen Bereichen mit der Ausstattung von KI-Anwendungen sind unter anderem Gründe hierfür. Das zeigt, dass das Potential, welches im Rechnungswesen herrscht, nicht vollständig genutzt wird. Dadurch werden Chancen, wie die der Mitarbeiterentlastung und der damit verbundenen Verbesserung der Analysetätigkeiten außen vor gelassen. Zusätzlich wurde durch die Studie ersichtlich, dass der Beruf des Controllers in mittelständischen Unternehmen noch immer derselbe ist, obwohl davon ausgegangen wird, dass sich dieser aufgrund der digitalen Transformation zukünftig ändern wird. Dies hat zur Folge, dass Controller in mittelständischen Unternehmen derzeit hinzukommende Aufgaben selbst übernehmen müssen, da Fachkräfte, die hierfür zuständig wären, dem Arbeitsmarkt nicht ausreichend zur Verfügung stehen.
In a world characterized by a shortage of skilled workers and digitalization, it is becoming increasingly important for companies to find suitable candidates for their vacancies. De-spite many risks, artificial intelligence offers companies the opportunity to restructure their HR and make their recruiting processes more efficient and target-oriented. Since Gen Z is the generation that will increasingly enter the job market in the near future, it is important to know and analyse the perceptions and needs of Gen Z regarding the use of AI in the recruiting process. For this reason, the task of this thesis is to find out how Gen Z perceives different scenarios of AI use in the recruiting process.