Please activate JavaScript!
Please install Adobe Flash Player, click here for download

GCM-3-2015

GCM 3 / 2015   GERMAN COUNCIL . Vision Man könnte argumentieren, dass sich in diesen Informationen alle Erkenntnisse finden lassen, die notwendig sind, um jede Fehldiagnose oder jeden Behandlungsfehler zu vermeiden. Tatsächlich verdoppelt sich die Menge an me- dizinischen Daten alle fünf Jahre. Ein Großteil dieser Daten ist unstrukturiert – und liegt häufig in natürlicher Sprache vor. Ärzte haben einfach nicht die Zeit, jede Fachzeitschrift zu lesen, die sie über die jeweils neuesten Fort- schritte informiert – 81 Prozent der Ärzte ver- bringen eigenen Angaben zufolge nur maxi- mal fünf Stunden pro Monat mit dem Lesen von Fachzeitschriften. Computer sollten in der Lage sein zu helfen, aber die Einschränkungen der derzeit verfüg- baren Systeme haben echte Fortschritte ver- hindert. Die natürliche Sprache ist komplex. Sie deutet vieles nur an – die genaue Bedeu- tung wird nicht vollständig und exakt ausge- sprochen. Zudem ist in der menschlichen Sprache die Bedeutung in hohem Maße davon abhängig, was zuvor gesagt wurde, um wel- ches Thema es geht und wie über dieses The- ma gesprochen wird: sachlich, bildlich oder fiktiv – oder sogar in Kombination dieser drei Merkmale. Watson nutzt die Möglichkeiten der natürli- chen Sprache, die Erzeugung von Hypothesen und das evidenzbasierte Lernen, um Ärzten bei Entscheidungen zu helfen. Beispielsweise kann ein Arzt Watson zur Unterstützung bei der Diagnose sowie der Behandlung von Pati- enten verwenden. Zuerst könnte der Arzt dem System eine Frage stellen und dabei die Symp- tome und weitere zugehörige Faktoren be- schreiben. Watson beginnt dann mit der Ana- lyse dieser Daten, um die wichtigsten Informa- tionen zu ermitteln. Das System unterstützt medizinische Fachbegriffe, die seine Fähigkeit zur Verarbeitung natürlicher Sprache erwei- tern. Anschließend durchsucht Watson die Patien- tendaten nach relevanten Fakten über die Fa- miliengeschichte, die aktuelle Medikation und weitere Bedingungen. Er kombiniert diese Informationen mit aktuel- len Befunden aus Untersuchungen und Diag- nosegeräten und analysiert dann alle verfüg- baren Datenquellen, um Hypothesen zu formu- lieren und zu überprüfen. Dabei kann Watson Behandlungsrichtlinien, elektronische Kran- kenakten, Notizen von Ärzten und Pflegeperso- nal, Forschungsergebnisse, klinische Studien, Artikel in medizinischen Fachzeitschriften und Patientendaten in die für die Analyse verfügba- ren Daten einbeziehen. Schließlich stellt Watson eine Liste möglicher Diagnosen und einen Wert bereit, der angibt, wie sicher jede Hypothese ist. Die Fähigkeit, während der Erstellung und Be- wertung von Hypothesen den Kontext zu be- rücksichtigen, erlaubt Watson die Lösung die- ser komplexen Probleme und hilft dem Arzt – und dem Patienten – präzisere Entscheidun- gen auf der Basis fundierter Informationen zu treffen. Neben der Bewältigung zahlreicher Heraus- forderungen im Gesundheitswesen könnten Watson oder ähnlich strukturierte Großrech- ner auch für die Finanzbranche von großem Vorteil sein. IBM arbeitet schon seit längerem mit Finanzinstituten zusammen, um Watson im Bankgeschäft mit Privatkunden und institu- tionellen Kunden zu »trainieren«. Die Fähig- keit, auf der Basis großer Mengen an Informa- tionen Muster zu erkennen und sachkundige Hypothesen zu erstellen, macht Watson zu ei- ner herausragenden Lösung für fundierte Ent- scheidungen über Investitionen, Trading-Mus- ter und Risikomanagement. Watson wird als ultimativer Assistent für Finanzdienstleister konzipiert, der profunde Inhaltsanalysen durchführen und evidenzbasierte Argumente liefern kann, um Entscheidungen zu beschleu- nigen und zu verbessern, Betriebskosten zu senken und Ergebnisse zu optimieren. Ein Berater in einer Bank kann Watson ver- wenden, um bessere Empfehlungen zu Fi- nanzprodukten für Kunden abzugeben, basie- rend auf einer umfassenden Analyse von Marktbedingungen, bisherigen Entscheidun- gen des Kunden, jüngsten Ereignissen im Le- ben des Kunden und verfügbaren Angeboten. Die Fähigkeit, während der Erstellung und Be- wertung von Hypothesen den Kontext zu be- rücksichtigen, erlaubt es Watson, diese kom- plexen Probleme im Finanzdienstleistungsbe- reich anzugehen und Finanzdienstleister bei besseren Entscheidungen zu unterstützen. Sind also digitale Systeme tatsächlich intelli- genter als der Mensch? Nicht nur die fast ein- hellige Meinung der damit beschäftigten Wis- senschaftler lautet: Ja! Ein Beitrag der Redaktion In Zukunft wird die Planung eines großen Shopping Centers immer häufiger im ganzheitlichen Zusammenhang einer Quartiersentwicklung stehen. Gerade auch, weil es Städte und Kommunen so wün- schen. Sie haben vielschichtigen baulichen Nachholbedarf, sind aber vielfach gar nicht in der Lage dies finanziell ohne Partner zu stemmen. Mal benötigen sie attraktiven innerstädtischen Wohnraum oder ein Park- haus, mal eine Stadthalle, eine Bibliothek oder ein Schwimmbad. Sie freuen sich aber auch über integrierte Grünflächen, Spielan- lagen oder urbane Plätze, die ebenfalls immer weniger werden. Die Cities stecken in einem großen Veränderungsprozess – und das ist für uns Center-Entwickler ja gar nicht schlecht. Multifunktionalität kann einem Einkaufs- zentrum mit Blick auf seinen nachhaltigen Erfolg helfen. Eine gelungene Vernetzung mit den intakten städtischen Strukturen tut das ebenso, sorgt für Synergieeffekte und bringt vielen Konsumenten Mehrwerte. Quartiers- entwicklungen sind nicht nur aus städtischer Perspektive sinnvoll, sie bieten Shopping Cen- tern zusätzliche Chancen, Besucher an sich zu binden. Harald Ortner HBB »Visionen sind Strategien des Handelns. Das unterscheidet sie von Utopien. Zur Vision gehören Mut, Kraft und die Bereit- schaft, sie zu verwirklichen.« Roman Herzog (*1934), 1994-1999 deutscher Bundespräsident

Übersicht