{"id":2060,"date":"2024-03-11T15:55:23","date_gmt":"2024-03-11T15:55:23","guid":{"rendered":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/?p=2060"},"modified":"2024-03-11T16:10:08","modified_gmt":"2024-03-11T16:10:08","slug":"praxisprojekt-team-ki-unterstuetzte-zeitreihenprognosen-in-einem-logistischen-kontext","status":"publish","type":"post","link":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/2024\/03\/11\/praxisprojekt-team-ki-unterstuetzte-zeitreihenprognosen-in-einem-logistischen-kontext\/","title":{"rendered":"Praxisprojekt (Team) KI-unterst\u00fctzte Zeitreihenprognosen in einem logistischen Kontext"},"content":{"rendered":"<p class=\"lead\"><strong>Projektbeschreibung:<\/strong><\/p>\n<div>\n<p>Zeitreihenprognosen spielen in verschiedenen wirtschaftlichen Kontexten, wie z. B. bei der Vorhersage von Aktienkursen oder Umsatzprognosen, eine \u00e4u\u00dferst wichtige Rolle. Trotz der Entwicklung verschiedener Bibliotheken f\u00fcr Vorhersagealgorithmen in den letzten Jahren ist es nach wie vor schwierig, diese Techniken in Unternehmen ohne die Beteiligung von Experten einzusetzen. Mit dem \u00f6ffentlichen Durchbruch von ChatGPT besteht die Hoffnung, dass Large Language Models (LLMs) in Zukunft die Rolle dieser Experten \u00fcbernehmen k\u00f6nnen, so dass Nichtfachleute durch den Dialog mit LLMs erfolgreich Vorhersageanwendungen implementieren k\u00f6nnen. In diesem Projekt soll untersucht werden, ob der derzeitige Stand der LLMs ausreicht, um diese Erwartungen zu erf\u00fcllen. Es wird ein Laborexperiment mit einem umfangreichen Datensatz aus einem Wirtschaftsbereich durchgef\u00fchrt. Einige Projektteilnehmer werden die Rolle von Versuchspersonen und andere die Rolle von Laborleitern \u00fcbernehmen. Die Aufgabe der Probanden ist es, eine auf LLM-Unterst\u00fctzung basierende Vorhersageanwendung zu entwickeln und deren Vorhersagequalit\u00e4t bzw. Einsatzf\u00e4higkeit zu bewerten. Die Rolle der Laborleiter besteht darin, den Laboraufbau vorzubereiten, den Wissensstand der Probanden bez\u00fcglich der Zeitreihenprognose zu Beginn und am Ende des Projekts zu bewerten und den Lernfortschritt zu dokumentieren. Das Projekt ist als eine Challenge angelegt. Parallel zum Projektteam wird ein Experte SAP-basierte Prognosemodelle f\u00fcr das identische Anwendungsszenario anlegen. Der Vergleich der Ergebnisse soll Hinweise liefern, ob, bzw in welchem Umfang der aktuelle Stand von KI-Tools Expertenwissen substituieren kann. Als Grundlage dienen reale Gesch\u00e4fts- und Wetterdaten (&gt; 50 Mio Datens\u00e4tze).<\/p>\n<p>Lernergebnisse: &#8211; Verst\u00e4ndnis von Large Language Models (LLMs) und deren Anwendung im Kontext von Zeitreihenprognosen in wirtschaftlichen Szenarien. &#8211; Praktische Erfahrung im Umgang mit Zeitreihendaten und der Abfrage von LLMs. &#8211; Experimentelles Denken und kritische Bewertung von Modellen zur Zeitreihenprognose. &#8211; Methoden des wissenschaftlichen Arbeitens, insbesondere in experimentellen Laborversuchen, und effektive Kommunikation und Pr\u00e4sentation von Ergebnissen.<\/p>\n<p>Man siehe auch https:\/\/prox.innovation-hub.de<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Projektbeschreibung: Zeitreihenprognosen spielen in verschiedenen wirtschaftlichen Kontexten, wie z. B. bei der Vorhersage von Aktienkursen oder Umsatzprognosen, eine \u00e4u\u00dferst wichtige Rolle. Trotz der Entwicklung verschiedener Bibliotheken f\u00fcr Vorhersagealgorithmen in den letzten Jahren ist es nach wie vor schwierig, diese Techniken in Unternehmen ohne die Beteiligung von Experten einzusetzen. Mit dem \u00f6ffentlichen Durchbruch von ChatGPT besteht&#8230;  <a href=\"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/2024\/03\/11\/praxisprojekt-team-ki-unterstuetzte-zeitreihenprognosen-in-einem-logistischen-kontext\/\" class=\"more-link\" title=\"Read Praxisprojekt (Team) KI-unterst\u00fctzte Zeitreihenprognosen in einem logistischen Kontext\"><?php _e(\"Read more &raquo;\",\"wpbootstrap\"); ?><\/a><\/p>\n","protected":false},"author":27,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[26,27,76,4654],"tags":[26400,26396,4665],"class_list":["post-2060","post","type-post","status-publish","format-standard","hentry","category-bachelor-wi","category-betr-anw-syst","category-forschung","category-projektangebote","tag-ki","tag-machine-learning","tag-sap"],"acf":[],"_links":{"self":[{"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/posts\/2060","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/users\/27"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/comments?post=2060"}],"version-history":[{"count":2,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/posts\/2060\/revisions"}],"predecessor-version":[{"id":2065,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/posts\/2060\/revisions\/2065"}],"wp:attachment":[{"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/media?parent=2060"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/categories?post=2060"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.gm.fh-koeln.de\/westenberger\/wp-json\/wp\/v2\/tags?post=2060"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}