IT-Architektur für maschinelles Lernen

Je mehr Daten vorliegen, desto mehr Informationen können bereitgestellt werden. Dabei geht es nicht nur um die Daten rund um die Maschine selbst, sondern um unternehmensweite oder sogar unternehmensübergreifende Daten, welche genutzt werden können. Vollständigkeit und Korrektheit bilden eine wichtige Voraussetzung für eine erfolgsversprechende künstliche Intelligenz. Die Bereitstellung dieser Daten bedingt anderseits aber auch, dass eine entsprechende IT-Architektur konzipiert und aufgebaut wird, wobei der Ergänzung und Erweiterung viel Beachtung geschenkt werden soll.

Dank der gewonnenen Daten und der daraus entstandenen Informationen können z.B. Prognosen über bevorstehende Ereignisse gemacht werden, was sich bereits heute in der produzierenden Industrie als Wettbewerbsvorteil erweist (weniger Ausfallzeiten, effizientere Produktionsprozesse, usw.).